音频的帧的概念没有视频帧那么清晰，几乎所有视频编码格式都可以简单的认为一帧就是编码后的一副图像。
但音频帧跟编码格式相关，它是各个编码标准自己实现的。
如果以PCM（未经编码的音频数据）来说，它根本就不需要帧的概念，根据采样率和采样精度就可以播放了。比如采样率为44.1HZ，采样精度为16位的音频，你可以算出bitrate（比特率）是44100*16kbps，每秒的音频数据是固定的44100*16/8 字节。
amr帧比较简单，它规定每20ms的音频是一帧，每一帧音频都是独立的，有可能采用不同的编码算法，以及不同的编码参数。
mp3帧较为复杂一点，包含了更多的信息，比如采样率，比特率，等各种参数。具体如下：
音频数据帧个数由文件大小和帧长决定，每个FRAME的长度可能不固定，也可能固定，由位率bitrate决定，每个FRAME又分为帧头和数据实体两部分，帧头记录了mp3的位率，采样率，版本等信息，每个帧之间相互独立
我们首先区分两个术语：帧大小和帧长度。帧大小即每帧采样数表示一帧中采样的个数，这是恒定值。其值入下表所示 MPEG1 MPEG2 MPEG2.5 Layer1 384 384 384 Layer2 1152 1152 1152 Layer3 1152 576 576 【每帧采【每帧采样数表】 帧长度是压缩时每一帧的长度，包括帧头。它将填充的空位也计算在内。LayerI的一个空位长4字节，LayerII和LayerIII的空位是1字节。当读取MPEG文件时必须计算该值以便找到相邻的帧。 注意：因为有填充和比特率变换，帧长度可能变化。 从头中读取比特率，采样频率和填充， LyaerI使用公式： 帧长度（字节） = 每帧采样数 / 采样频率(HZ) * 比特率（bps）/ 8 +填充 * 4 LyerII和LyaerIII使用公式： 帧长度（字节）= 每帧采样数 / 采样频率(HZ) * 比特率（bps）/ 8 + 填充 例： LayerIII 比特率 128000，采样频率 44100，填充0 =〉帧大小 417字节 计算每帧的持续时间 之前看了一些文章都说mp3的一帧的持续时间是26ms，结果在实际程序的编写中发现无法正确按时间定位到帧，然后又查了一些文章才知道，所谓26ms一帧只是针对MPEG1 Layer III而且采样率为44.1KHz来说是对的，但mp3文件并不都是如此，其实这个时间也是可以通过计算来获得，下面给出计算公式 每帧持续时间(秒) = 每帧采样数 / 采样频率（HZ） 可以这么理解：每帧采用数就是要采取的总数，采样率就是采取的速度，相除就得到时间。 这样通过计算可知 MPEG1 Layer III 采样率为44.1KHz的一帧持续时间为26.12...不是整数，不过我们权且认为它就是26毫秒吧。 如果是MPEG2 Layer III 采样率为16KHz的话那一帧要持续36毫秒，这个相差还是蛮大的，所以还是应该通过计算来获的，当然可以按MPEG版本，层数和采样率来建一个表，这样直接查表就可以知道时间了。