2.1.1　拆分音视频模块

接下来，我们就对上面的直播客户端架构图进行逐步细化。细化的第一步就是拆分音视频模块。因为在实际开发中，音频与视频的处理是完全独立的，它们有各自的处理方式。如音频有独立的采集设备（声卡）、独立的播放设备（扬声器）、访问音频设备的系统API、多种音频编解码器（如Opus、AAC、iLBC）等；同样地，视频也有自己的采集设备（摄像头）、渲染设备（显示器）、各种视频编解码器（如H264、VP8）等。细化后的直播客户端架构如图2.2所示。

从图2.2中可以看到，细化后的架构中，音频的采集模块与视频的采集模块是分开的，而音频编解码模块与视频的编解码模块也是分开的。也就是说，音频采用了一条处理流程，视频则采用了另外一条处理流程，它们之间并不相交。在音视频处理中，我们一般称每一路音频或每一路视频为一条轨。

图2.2　拆分音视频的客户端架构

除此之外，我们还可以知道，自研音视频直播客户端要实现的模块远不止5个，至少应该包括音频采集、视频采集、音频编码/音频解码、视频编码/视频解码、网络传输、音频播放以及视频渲染这7个模块。

[1] 轨：取两条轨永远不相交的意思，也就是说，音频数据与视频数据是永远不会交叉存放到一起的。