Kinesis Video Streams 的 GetMedia 响应是流式 MKV Cluster（非完整文件），libavformat 因依赖 seekable 输入、严格 probe 和完整 EBML 头而无法直接解析；须用 SDK 内置 StreamParser 解析帧，以 pts × timecode_scale.count() / 1000000 转毫秒时间戳，并按 FRAME_FLAG_CODEC_PRIVATE_DATA 提取 SPS/PPS 初始化解码器。
直接解析 Kinesis Video Streams 的原始数据流报文（即从 GetMedia 或 GetMediaForFragmentList 返回的字节流）不是“解析 JSON 响应”那种层级的操作——你拿到的是一个合法但结构紧凑的 Matroska（MKV）容器流，里面混着 H.264/H.265 帧、时间戳、TrackEntry、Cluster 等二进制块。C++ 里没有开箱即用的“Kinesis 报文解析器”，必须靠 MKV 解析 + 帧提取 + 时间码对齐三步协同完成。
为什么不能直接用 libavformat 解析 GetMedia 返回流
Amazon Kinesis Video Streams 的 GetMedia 响应体是 **带 chunked-encoding 的 HTTP 流式响应**，头部含 x-amzn-fragment-length、x-amzn-fragment-timecode 等自定义 header，且实际 payload 是连续拼接的 MKV Cluster（不是完整 MKV 文件）。libavformat 默认期望一个 seekable、有完整 EBML Header + Segment 的文件，直接喂它会卡在 avformat_open_input 阶段，报错类似：
Invalid data found when processing input
或静默失败（nb_streams == 0）。关键原因有三个：
-
avformat_open_input尝试读取前 8KB 做 probe，但 Kinesis 流首帧 Cluster 可能延迟到达，导致 probe 超时或误判 - Kinesis 不保证每个 Cluster 都带完整的
SimpleBlock头部字段（如 missingTimecode字段时复用上一帧），而 FFmpeg 对缺失字段容忍度低 - 服务端可能在 Cluster 内部做 fragment boundary 对齐，导致
av_read_frame返回不完整帧或跨 Cluster 的 AVPacket
正确做法：用 matroska_parser.h + 自定义 FrameReader
Kinesis C++ Producer SDK 本身带了一套轻量级 MKV 解析逻辑（位于 src/common/src/StreamParser.cpp 和 include/com/amazonaws/kinesis/video/common/StreamParser.h），它不依赖 FFmpeg，专为流式场景设计。你应该复用这部分，而不是重造轮子。核心步骤是：
立即学习“C++免费学习笔记（深入）”；
- 继承
StreamParser，重写handleFrame回调，在这里拿到原始Frame结构体（含frameFlags、duration、pts、dts、flags） - 用
StreamDefinition中的timecode_scale（默认 1ms）把pts转成毫秒级时间戳：timestampMs = pts * timecode_scale.count() / 1000000 - 注意区分
frameFlags & FRAME_FLAG_KEY_FRAME—— Kinesis 的 I 帧不一定等于 MKV 的SimpleBlockflag=0x80，要以这个位为准 - 不要假设帧顺序和 Cluster 顺序严格一致；Kinesis 允许服务端 re-order，
pts才是唯一可信的时间依据
常见坑：timecode_scale 和 fragment_duration 的单位混淆
timecode_scale 是 MKV 规范里的标度因子（单位纳秒），但它在 Kinesis SDK 中被封装为 duration<uint64_t, milli> 类型，默认值是 1ms，即 1000000ns。而 fragment_duration 是秒级 uint64_t（比如设为 2 表示“约 2 秒一个 fragment”）。这两者数值上容易看岔：
- 如果你手动解析 EBML Header，看到
TimecodeScale = 1000000，这是对的，对应 1ms - 但如果你在
StreamDefinition里把timecode_scale设成1（以为是 1ms），实际会被解释为 1 纳秒 → 导致所有pts放大 100 万倍 → 时间戳爆炸 - 同理，
fragment_duration = 2是 2 秒，不是 2 毫秒；它只影响服务端 fragment 切分策略，不影响客户端解析逻辑
最稳妥的方式是完全信任 SDK 提供的 Frame.pts 和 StreamDefinition.timecode_scale 成员，不做单位换算猜测。
硬解 H.264 帧时如何处理 AUD 和 SPS/PPS
Kinesis 流中每个关键帧（I-frame）前必带 SPS/PPS，但它们不是独立 packet，而是作为 MKV Block 的一部分嵌在 Cluster 里。SDK 的 Frame 结构体已做预处理：若 frameFlags & FRAME_FLAG_CODEC_PRIVATE_DATA 为真，则该帧数据开头就是 Annex-B 格式的 SPS+PPS（含 0x00000001 起始码），后续帧则只有 NALU 数据。你需要：
- 首次收到带
FRAME_FLAG_CODEC_PRIVATE_DATA的帧时，用h264_get_sps_pps_from_annexb（或 OpenH264 的OBSOLETE_DECODE_FIRST_NAL）提取参数集并初始化解码器 - 后续帧直接送入解码器，但注意：Kinesis 不保证每个帧都是完整 NALU；有些帧末尾可能被截断（尤其网络抖动时），需检查
Frame.size是否匹配预期 NALU 长度 - AUD（Access Unit Delimiter）NALU（0x09）在 Kinesis 流中通常存在，但可安全跳过；它不携带图像数据，仅用于边界对齐
绕过这层处理、直接把整个 Frame.frameData 当作裸 H.264 送进 FFmpeg avcodec_send_packet，大概率触发 Invalid data found when processing input。
