### 处理 RTSP 对讲音频数据并去除 RTP/RTSP 头部 在通过 RTSP 协议进行对讲通信时，音频数据通常以 RTP 数据包的形式传输。每个 RTP 数据包包含 RTP 头部、可能的 RTCP 数据（用于控制）以及实际的音频载荷。为了提取纯音频数据，需要解析 RTP 头部，并跳过其结构化字段，仅保留音频内容部分。 RTP 数据包的基本结构如下： - **RTP 头部（12 字节）**：包含版本、填充标志、扩展标志、CSRC 计数、标记位、负载类型、序列号、时间戳、SSRC 等信息。 - **CSRC 列表（可选）**：如果 RTP 头部的 CSRC 计数字段大于 0，则会包含额外的 32 位 CSRC 标识符。 - **扩展头部（可选）**：如果扩展标志被设置，则紧跟扩展头部。 - **音频载荷**：紧随 RTP 头部之后，即实际音频数据。 在 Python 中可以通过字节操作来提取音频数据。例如，以下代码展示了如何从接收到的 UDP 数据包中提取 RTP 载荷： ```python import socket def extract_audio_data(data): # RTP头部长度为12字节 rtp_header_length = 12 # 提取RTP头部 rtp_header = data[:rtp_header_length] # 解析 RTP 头部中的 CSRC Count 字段（第0字节的低4位） csrc_count = rtp_header[0] & 0x0F # 如果存在 CSRC 列表，跳过它们（每个 CSRC 是4字节） payload_offset = rtp_header_length + csrc_count * 4 # 检查是否有扩展头部（第0字节的第3位） extension = (rtp_header[0] >> 4) & 0x10 if extension: # 扩展头部长度为2字节字段（扩展头部长度字段在 RTP 头部第10-11字节） extension_header_length = int.from_bytes(data[10:12], byteorder='big') payload_offset += extension_header_length * 4 # 扩展头部长度单位为32位 # 提取音频载荷 audio_payload = data[payload_offset:] return audio_payload # 创建 UDP socket 接收 RTP 数据包 sock = socket.socket(socket.AF_INET, socket.SOCK_DGRAM) sock.bind(('0.0.0.0', 5000)) print("等待 RTP 音频数据...") while True: data, addr = sock.recvfrom(2048) audio_data = extract_audio_data(data) print(f"提取到 {len(audio_data)} 字节音频数据") ``` 上述代码首先解析 RTP 头部的字段，确定是否存在 CSRC 列表和扩展头部，并据此计算音频数据的起始偏移量。然后提取音频载荷部分，即去除 RTP 头部后的纯音频数据[^1]。 ### 音频数据格式处理 在某些情况下，音频数据可能以特定编码格式（如 G.711、AAC、OPUS）封装在 RTP 载荷中。若需进一步处理，例如播放或保存为文件，需根据具体编码格式进行解码。例如，若音频为 PCM 格式，可直接写入 WAV 文件；若为 OPUS 编码，需使用 `pyogg` 或 `opuslib` 等库进行解码。 ### 示例输出 假设接收到的数据包头部为 `b'\x80\x00\x00\x01\x00\x00\x00\x00\x00\x00\x00\x00'`，音频载荷为 `b'\x01\x02\x03\x04'`，则程序输出为： ``` 提取到 4 字节音频数据 ``` 这种处理方式适用于基于 RTP 的音频流解析，便于后续音频播放、转码或存储操作。