其实说白了，音视频开发，就是要掌握图像、音频、视频的基础知识，并且学会如何对它们进行采集、渲染、处理、传输等一系列的开发和应用。
采集：它解决的是，数据从哪里来的问题
渲染：它解决的是，数据怎么展现的问题
处理：它解决的是，数据怎么加工的问题
传输：它解决的是，数据怎么共享的问题
每一个门类，都可以深挖，衍生出一个又一个充满技术挑战的话题，比如：如何更高效地渲染画面、如何提高音视频的压缩比，如何优化弱网下的音视频数据传输等等。
其实，音视频开发的技术积累，也没有那么难，带着问题去 Google，带着任务去实践，一切都不是问题，我们就从上面说的 4 个方向，逐个探索一下，有哪些知识点，是要我们去了解和掌握的。
采集
采集，它解决的是，数据从哪里来的问题，那么，数据究竟从哪里来的呢 ？
其实无论在哪个平台，图像、视频最初都是来自摄像头，而音频最初都是来自麦克风，因此，做音视频采集，就要掌握如下的技术知识：
1. 系统的摄像头采集接口是什么，怎么用 ？
比如：Windows：DirectShow，Linux：V4L2，Android：Camera，iOS：AVCaptureSession 等
2. 系统的摄像头采集的参数怎么配置，都是什么含义 ？
比如：分辨率、帧率、预览方向、对焦、闪光灯 等
3. 系统的摄像头输出的图像/视频数据，是什么格式，不同格式有什么区别 ？
比如：图片：JPEG，视频数据：NV21，NV12，I420 等
4. 系统的麦克风采集接口是什么，怎么用 ？
比如：Windows：DirectShow，Linux：ALSA & OSS，Android：AudioRecord，iOS：Audio Unit 等
6. 系统的麦克风采集参数怎么配置，都是什么含义 ？
比如：采样率，通道号，位宽 等
8. 系统的麦克风输出的音频数据，是什么格式？
比如：PCM
渲染
渲染，它解决的是，数据怎么展现的问题，那么，数据究竟怎么展现呢 ？
其实无论在哪个平台，图像、视频最终都是要绘制到视图上面，而音频最终都是要输出到扬声器，因此，做音视频渲染，就要掌握如下的技术知识：
- 系统提供了哪些 API 可以绘制一张图片或者一帧 YUV 图像数据的 ？
比如：
Windows：DirectDraw, Direct3D, GDI，OpenGL 等
Linux： GDI， OpenGL 等
Android：ImageView，SurfaceView，TextureView，OpenGL 等
iOS： CoreGraphics，OpenGL 等
- 系统提供了哪些 API 可以播放一个 mp3 或者 pcm 数据 ？
比如：
Windows：DirectSound 等
Linux：ALSA & OSS 等
Android：AudioTrack 等
iOS： AudioQueue 等
处理
处理，它解决的是，数据怎么加工的问题，那么，数据究竟可以怎么加工呢 ？
首先，我们看看图像/音视频的数据可以做哪些加工 ？
其实无论在哪个平台，图像和音视频的加工，除了系统的 API，大多数都会依赖一些跨平台的第三方库的，通过掌握这些第三方库的原理和使用方法，基本上就可以满足日常音视频处理工作了，这些库包括但不限于：
1.图像处理：OpenGL，OpenCV，libyuv，ffmpeg 等
2.视频编解码：x264，OpenH264，ffmpeg 等
3.音频处理：speexdsp，ffmpeg 等
4.音频编解码：libfaac，opus，speex，ffmpeg 等
因此，学习和掌握这些第三方库的使用，非常有必要
传输
传输，它解决的是，数据怎么共享的问题，那么，数据究竟怎么共享呢 ？
共享，最重要的一点，就是协议。
我觉得互联网之所以能够如此蓬勃地发展，将整个世界都紧密联系在一起，其实是离不开 W3C 这个委员会的巨大贡献的，因为无论什么数据，要想在不同的国家、不同设备之间互联互通，离不开 “标准”，有了 “标准”，大家就能互相读懂对方。
因此，研究音视频传输，其实就是在研究协议，具体有哪些协议呢 ？
1.音视频在传输前，怎么打包的，如：FLV，ts，mpeg4 等
2.直播推流，有哪些常见的协议，如：RTMP，RTSP 等
3.直播拉流，有哪些常见的协议，如：RTMP，HLS，HDL，RTSP 等
4.基于 UDP 的协议有哪些？如：RTP/RTCP，QUIC 等
互联网环境下的音视频的传输，是一个非常有挑战和价值的方向，为了解决弱网下的传输延时、卡顿，提高用户体验，整个业界都在不断地进行着深入的探索和优化。