Talk is Cheap
Show me Your Code
省流：按照以下步骤，从 tmap 中取出二进制元数据，之后解析。HEIF 和 AVIF 的容器格式是一样的，可以通用。
- 环境：准备
MP4Box。 - 找到
tmap，并取出。 - 按 ISO 21496-1 解析。
# 1. 安装 MP4Box，用 brew 或其他包管理器
brew install gpac
# 2. 找到 `tmap`
MP4Box -info example.heic
# 3. 上一句的输出里，找到 `tmap` 的 ID
MP4Box -dump-item [ID] example.heic
# 4. 用 Python 或别的办法解析
uv run parse_binary_payload.py
这个脚本，可以从 GitHub 获得，需要在 main 中替换一下路径。
测试了以下几个例子：
- iPhone 拍的 HEIC
- iPhone 的 HDR HEIC 屏幕截图
libavif制作的 AVIF Gainmap- Lightroom 导出的 AVIF Gainmap（导出时选最大兼容）
Show me Your Prompt
思路来自 ISO 21496-1 中 C.3 六连问的第四个：
(d) How is the gain map metadata binary payload stored?
意思就是不管什么格式的图像，都需要存储二进制的 gainmap metadata。
于是向 AI 提问如下（感觉放标准文件的原文不太好，请读者自行查找标准文件）。
[ISO 21496-1 的附录 C.2, C.3]
调研 HEIC，AVIF 这两种图像格式是如何存储 C.3 中所述的信息的。
与 AI 共舞
到这里，你已经看完了和标题有关系的部分，接下来是如何与 AI 协作的部分，随便记录一下说不定什么时候就会被淘汰掉的思路。
综述和搜索
如果你像我一样对 HEIF 和 AVIF 的内部结构几乎一无所知，第一步是让 AI 去搜集一下信息，充当以前搜索引擎的工作，这里用到了以下模型。
- Gemini 3.1 Pro（网页对话）
- Grok 4.2 Beta （API）
- Qwen DeepResearch（网页对话）
- GPT 5.4 Pro（网页对话）
这一步我习惯派出很多个 AI 去做，搜索结果更全一些，而且放着不用岂不是亏了。这几个模型里除了 Gemini 3.1 Pro 没什么多轮能力，主要利用其自身的世界知识，剩下几个都带有搜索和多步执行。Grok 的 API 似乎有问题，问个 Hello 扣了我 16w token 的钱，GPT 5.4 Pro 非常非常慢，回答的语气很令人讨厌，Qwen 主要是看搜索后的参考文献，不过太新的东西他一般搜不出什么。
方案制定
上面这些信息回来之后，就已经大致解决了，几个模型都返回了从 tmap 里找等类似的答案。把各种信息都丢给 Gemini，让它出了一个清单，如何一步步的解析出想要的东西，每一步执行什么终端命令等。
执行
方案定好之后，找个 Codex 等 CLI 类的，能执行命令的工具，把上一步的清单执行一下，理想情况下，就能获得最终结果了，这一步用的是 GLM-5。
在这里有个小插曲，tmap 里不光有二进制的元数据，除了哈苏实现的 HEIF 以外，别的都在最开头的地方有一个额外的版本号，占用一个字节，而且我给它的示例图片里的 gainmapmax 数值上等于 alt headroom，gainmapmin 等于 base headroom，导致里面能解析出一些相同的数，GLM-5 没能意识到这两点，一直在尝试切片和不同的顺序来解码，等我发现的时候已经消耗了 300w token 了，早知道用个聪明点的模型。
审核与再次搜索
由于 GLM-5 上一步执行的不太成功，把它的一些输出又丢给别的模型进行第二轮搜索，这里用的是 Grok 4.2 beta（网页对话）。Grok 从 libheif 的一个 PR 里发现了这个额外的版本号字节问题。
整理代码
到这里就做完了，让 Copilot 整理了一下代码，多找几个测试图看看能不能顺利解析。用 Copilot 是因为他不要钱，而且最近砍掉了模型选择，只能用自动模型，所以基本只能干点这种杂活。
力大砖飞 大道至简
上面叽里咕噜说了一大堆，说不定下次有哪个能联网的 AI 产品被问到相似的问题时，就直接搜到这里来给出回答了。
从 Cloudflare 提供的数据来看，每天访问本博客的机器人远远多于人类，其中大部分都是各种大模型公司的爬虫，比搜索引擎的爬虫多十倍不止。
再畅想一下，再过个半年一年的，等把这些东西都塞进训练数据里，基础模型直接就能解决这样的问题了吧。