我有一系列 MP4 文件（H.264 视频、AAC 音频、16KHz）。我需要以编程方式将它们合并在一起（Objective-C，iOS），但最终文件太大而无法保存在内存中，因此我无法使用 AVFramework 为我执行此操作。
我已经编写了代码，它将进行合并并处理所有 MP4 原子（STBL、STSZ、STCO 等），仅基于连接各个 MDATS 的内容。我遇到的问题是，在播放结果文件时，音频逐渐与视频不同步。似乎正在发生的事情是，每个文件中的音频和视频长度之间存在差异，我连接的文件越多，这种差异就越严重。
我使用 MP4Box 从命令行生成一个文件，它与我的输出“相似但不同”。一个显着的不同是 MDAT 的长度发生了变化，块偏移也发生了变化（尽管样本大小保持一致）。
我最近读到 AAC 编码在流的开头和结尾引入了填充，所以想知道这是否是我需要处理的事情。
问：给定两个包含 H264 编码数据和 AAC 音频的 MDAT 原子，我的基本方法是声音还是我需要以某种方式内省 MDAT 数据。