VCD 技术规范与标准演进（一）：VCD 白皮书标准、CD-XA 扇区与 MPEG-1 封装

当时，家庭影音领域正处于从模拟磁带向数字光盘过渡的阶段。当时消费级视频介质主要由模拟制式的 VHS（Video Home System）统治，其水平清晰度约为 240 线；高端专业市场则使用 30 厘米直径的 LaserDisc（LD），水平清晰度达 420 线，但制造成本高昂且机械结构复杂。

1982 年索尼与飞利浦推出 CD-DA（红皮书音频 CD），确立了 12 厘米光盘的物理制造标准与 16-bit / 44.1kHz 数字音频规范。随后的核心工程问题，在于如何在物理参数受限的标准 12 厘米 CD 介质上容纳运动视频。

1993 年，飞利浦、索尼、松下与 JVC 联合发布了 Video CD 白皮书标准（VCD 1.0），并在随后升级为 1.1 版本。本文解析该规范的底层物理结构、扇区载荷计算以及 MPEG-1 码流封装。

1. 飞利浦 Rainbow Books（彩虹书）规范体系

飞利浦与其合作厂商通过不同颜色的封面区分光盘存储格式，统称为 Rainbow Books：

白皮书的工程目标是将当时定稿的 MPEG-1 视音频流适配到单速（1x）CD-ROM 驱动器上，同时保证单张光盘具备约 74 分钟的连续回放时长。

2. CD-ROM XA Mode 2 Form 2 扇区结构与吞吐计算

标准 CD-ROM 数据盘（Yellow Book Mode 1）每个物理扇区总长为 2352 字节，内部包含了较为冗长的纠错码：

• 同步字段（Sync）：12 字节
• 头部字段（Header）：4 字节
• 用户数据（User Data）：2048 字节
• 检错码（EDC）：4 字节
• 填充字段（Intermediate）：8 字节
• P 校验与 Q 校验（Reed-Solomon ECC）：276 字节

在 1x 驱动器转速下，物理读取速率固定为每秒 75 扇区：

如果按 Mode 1 存放视频，1.2 Mbps 的带宽不足以在保证运动画质的同时容纳立体声音频。为此，VCD 白皮书引入了 CD-ROM XA（Extended Architecture）Mode 2 Form 2 扇区格式。

+---------------------------------------------------------------------------------------+
| Sync   | Header | Sub-header | User Data (Audio / Video Payload)   | EDC Checksum     |
| 12B    | 4B     | 8B         | 2324B                               | 4B               |
+---------------------------------------------------------------------------------------+
|<- - - - - - - - - - - - - - - - - Total: 2352 Bytes - - - - - - - - - - - - - - - - ->|

2.1 扇区字段解析

1. Sync（12 字节）：固定同步码，十六进制为 00 FF FF FF FF FF FF FF FF FF FF 00，供硬件时钟提取扇区边界；
2. Header（4 字节）：包含分（Minute）、秒（Second）、帧（Frame）的 BCD 格式时间码，以及扇区模式字节（Mode 2 标记为 0x02）；
3. Sub-header（8 字节）：包含文件号（File Number）、通道号（Channel Number）、子模式（Submode）与编码信息（Coding Information），各占 1 字节并重复一次以作冗余校验。

Submode 字节的位定义直接控制解复用器的硬件流路由：

4. User Data（2324 字节）：剥除 ECC 校验后，扇区净有效载荷扩大至 2324 字节；
5. EDC Checksum（4 字节）：基于 32 位多项式生成的 CRC 检错校验码。

2.2 物理带宽与容量推导

在 Form 2 格式下，单速驱动器的净数据吞吐量提升至：

在 74 分钟的标准光盘容量预算下，可寻址物理扇区总数约为 333,000 个（$74 \times 60 \times 75$）：

通过舍弃针对离散数字文件所必需的第二层 Reed-Solomon 纠错，VCD 在物理层释放了约 13.5% 的空间。连续视音频流对突发误码具备容忍度，偶发的单比特翻转仅会产生单宏块视觉噪点，不会导致整个解码流水线中断。

3. MPEG-1 视音频码流预算与 SIF 参数规格

Mode 2 Form 2 的物理净载荷上限为 1,394,400 bps。白皮书对 MPEG-1 视频与音频给出了严格约束；两条流和 MPEG 系统层包头、填充包共同占用这条物理通道。下面的数字适合作为码率预算理解，而不是每一个扇区都按固定比例分配的“带宽切片”：

• MPEG-1 视频流（Video）：固定为 1,152,000 bps（1152 kbps）；
• MPEG-1 Audio Layer II 音频流（Audio）：固定为 224,000 bps（224 kbps），44.1 kHz 立体声采样；
• 系统包开销与时间戳（System Header & SCR/PTS/DTS）：占用约 18,400 bps。

3.1 SIF 画面规格定义

MPEG-1（ISO/IEC 11172-2）采用标准交换格式（Standard Interchange Format，SIF），将电视广播信号的分辨率在水平和垂直方向分别缩减一半：

电视原始信号在编码前先做垂直去隔行与水平滤波降采样。YUV 4:2:0 平面格式下，每个像素平均只占用 1.5 字节未压缩数据。以 PAL 制式为例，未经压缩的原始视频数据率为：

通过离散余弦变换（DCT）、自适应量化与运动补偿，MPEG-1 编码器实现了约 26.4:1 的压缩比，将码流控制在 1152 kbps。

4. AVSEQ01.DAT 的 RIFF CD-XA 容器封装

光盘中的主视频文件存放于 MPEGAV/ 目录下，文件命名遵循 AVSEQ01.DAT、AVSEQ02.DAT 等规则。

在 ISO 9660 文件系统层面直接读取 .DAT 文件时，操作系统看到的文件并不是裸 .mpg 文件。它使用了一种 44 字节的伪 RIFF CD-XA 容器头封装：

#pragma pack(push, 1)
struct RiffCdxaHeader {
    char     riff_magic[4];   // "RIFF" (0x46464952)
    uint32_t riff_size;       // 文件总长度 - 8
    char     cdxa_magic[4];   // "CDXA" (0x41584443)
    char     fmt_magic[4];    // "fmt " (0x20746D66)
    uint32_t fmt_size;        // 固定为 0x00000010 (16 字节)
    uint8_t  raw_attributes[16]; // CD-XA 轨道属性描述
    char     data_magic[4];   // "data" (0x61746164)
    uint32_t data_size;       // 音视频数据载荷总长度
};
#pragma pack(pop)

这种封装具有明显的历史背景：在当时的 Windows 3.1 和 Windows 95 环境下，通用多媒体系统（MCI，Media Control Interface）并不允许普通应用程序直接向 ATAPI/SCSI 机芯下发低层扇区读取指令。通过在数据流起始处放置 44 字节的 RIFF....CDXAfmt 头部，微软与飞利浦为该文件赋予了合法的多媒体容器身份；系统底层的 CD-XA 驱动（如 mciavi.drv 或后来的 DirectShow 滤镜）据此识别出该文件映射的是物理 Mode 2 Form 2 扇区流，进而通知硬件以 2352 字节定长格式抓取扇区数据。

在 44 字节头之后，数据区排列着连续的 2352 字节物理扇区映像。每个扇区内：

• 偏移行 0x00..0x17：24 字节扇区头部（Sync + Header + Sub-header）；
• 偏移行 0x18..0x92B：2324 字节纯净 MPEG-1 System Pack 数据；
• 偏移行 0x92C..0x92F：4 字节 EDC 校验码。

4.1 原始光盘扇区与 AVSEQxx.DAT 文件封装的层次差异

在工程实现中，必须严格区分两个不同的数据层次：

1. 直接读取物理光盘或 raw image（如 BIN/CUE、物理机芯）： 此时播放器直接处理 CD-ROM XA Mode 2 Form 2 的 2352 字节原始物理扇区。每个扇区包含 24 字节同步与子头（Sync 12B + Header 4B + Sub-header 8B）、2324 字节 MPEG 净荷与 4 字节 EDC 校验。解复用器需要按 2352 字节定长步进并剥离头尾。
2. 操作系统通过 ISO 9660 文件系统访问 AVSEQxx.DAT： 操作系统暴露出的 .DAT 文件属于文件层抽象。通常它是在数据起始处放置了 44 字节的伪 RIFF CD-XA 容器头，用于向早期多媒体扩展声明轨道属性。而在某些虚拟光驱或转换工具中，它甚至可能已经被底层过滤为剥除扇区头的纯字节流。

因此，播放引擎在设计底层读取管道时，需要根据输入源是“原始物理扇区流”还是“已挂载文件系统的容器流”采取不同的分流策略。

此外，在解复用 MPEG-1 Program Stream 时还存在流标识（Stream ID）的细节差异：常规连续视频轨道（如 AVSEQxx.DAT）中的视频流 ID 固定为标准定义的 0xE0；但正如后续分析 VCD 2.0 静止画面时所见，/SEGMENT/ 中的独立静止画会采用 0xE1 或 0xE2。通用解码管道若只监听 0xE0，将无法正常显示这些画面，需要在解复用层实现统一的映射转换。

本文配套播放器目前走的是挂载文件流路径：它从已挂载卷或已解压目录读取 .DAT 文件，识别 RIFF / CDXA 头后按 2352 字节步进取出 2324 字节载荷；遇到已经是 Program Stream 的输入则直接透传。它没有把 BIN/CUE、ISO 或物理设备作为原始扇区输入，也没有在这一层重算 EDC。这是有意识的兼容性边界，不应与白皮书定义的完整物理读取流程混为一谈。

5. ENTRIES.VCD：物理入口点与时间码换算

VCD 1.0 仅支持单一视频流从头至尾线性播放。1993 年底发布的 VCD 1.1 规范在 VCD/ 目录下增加了 ENTRIES.VCD 文件，用于记录章节入口点。

ENTRIES.VCD 占用一个 2048 字节的数据扇区。白皮书规范定义的头部字节布局如下：

#[repr(C, packed)]
pub struct EntriesVcdHeader {
    pub id: [u8; 8],          // 固定为 "ENTRYVCD"
    pub version: u8,          // 0x01 表示 VCD 1.1, 0x02 表示 VCD 2.0
    pub system_profile: u8,   // 系统配置文件标记 (System Profile Tag，通常为 0x00)
    pub entry_count: u16,     // 已定义的有效入口点总数 (大端序，最大通常为 500)
}

#[repr(C, packed)]
pub struct EntryRecord {
    pub track_number: u8,    // 轨道号 (Track 2..99)
    pub minute_bcd: u8,      // 分钟 (BCD 编码)
    pub second_bcd: u8,      // 秒钟 (BCD 编码)
    pub frame_bcd: u8,       // 帧号 (BCD 编码, 0..74)
}

时间码使用 BCD（Binary-Coded Decimal）格式存储。例如时间码为 14 分 28 秒 52 帧，在文件中的三个字节存储为 0x14 0x28 0x52。

将 BCD 时间码换算为绝对扇区逻辑块地址（LBA）的计算公式如下：

fn bcd_to_u8(val: u8) -> u32 {
    ((val >> 4) * 10 + (val & 0x0F)) as u32
}

fn msf_to_lba(minute_bcd: u8, second_bcd: u8, frame_bcd: u8) -> Option<u32> {
    let m = bcd_to_u8(minute_bcd);
    let s = bcd_to_u8(second_bcd);
    let f = bcd_to_u8(frame_bcd);

    // 1 分钟 = 60 秒，1 秒 = 75 帧；绝对 MSF 的 00:02:00 对应 LBA 0。
    // 小于该值不是可换算的用户数据 LBA。
    ((m * 60 + s) * 75 + f).checked_sub(150)
}

这里的 mm:ss:ff 是光盘地址，换算为 LBA 时必须先确认它是包含 2 秒引导偏移的绝对 MSF。播放器当前保留并展示解析后的 MSF 和秒数，未把 ENTRIES.VCD 直接用于底层 LBA 寻道；上面的函数用于解释这两种地址体系的关系。

通过入口点对照表，播放机可以快速定位曲目或章节。一个 MPEG 音视频轨至少要有一个入口点，轨内还可以加入额外入口点，因而卡拉 OK 光盘也能把较长轨道拆成可直选的片段。

6. 小结与演进瓶颈

VCD 1.0 与 1.1 的整套系统定义紧凑：通过 CD-ROM XA Mode 2 Form 2 最大化扇区载荷，配合 MPEG-1 SIF 恒定码率压缩，在 1.4 Mbps 带宽内完成了视频回放。

然而，VCD 1.1 的交互能力受限：

1. 缺少屏幕选单机制，用户必须借助纸质印刷歌本输入曲目序号；
2. SIF 352 × 288 的分辨率在显示密集文本目录时边缘模糊；
3. 播放流程固定，不支持条件跳转或多级分支。

为了解决图形界面与交互逻辑的缺失，1995 年公布的 VCD 2.0 白皮书规范引入了 Playback Control（PBC）机制。下一篇文章将分析 LOT.VCD 与 PSD.VCD 的二进制结构及有限状态机调度。