我正在创建一个带有 2 个轨道的 FMP4（一个用于视频，一个用于音频）。我试图找出我应该在 mdat 中包含多少视频样本以及多少音频。
所以我的 FMP4 具有以下结构：
ftyp
moov
moof (track1 - video)
mdat (track1 - video)
moof (track2 - audio)
mdat (track2 - audio)
moof (track1 - video)
mdat (track1 - video)
moof (track2 - audio)
mdat (track2 - audio)
...
每个视频 mdat 应该只有 1 帧还是整个 GOP？
如果每个音频 mdat 都有前一个视频 mdat 的相应音频样本，或者我可以发送尽可能多的音频样本（因为音频样本要小得多，我可以发送 2 秒的音频，而之前发送的视频 mdat 只有 1 秒持续时间）。
PS：我想在每个视频 mdat 上发送整个 GOP，但我注意到当我使用 ffmpeg 重新编码 fmp4 时，它使得 mdat 只有 1 帧。我可以做到（每个 mdat 上只有 1 个视频帧），但是我不知道应该发送多少音频样本。如果我只发送该 1 个视频帧的相应音频样本，则音频播放效果不佳。
谢谢！