pyVideoTrans

Appearance

FFmpeg 入门指南：音视频处理的瑞士军刀 ​

FFmpeg 是一个功能强大的命令行工具，就像音视频处理界的瑞士军刀。它可以帮你完成各种任务，比如：

  • 转码： 将视频从一种格式转换成另一种格式。
  • 混流： 将多个音视频流合并成一个文件。
  • 添加字幕： 给视频加上字幕。
  • 剪辑： 剪切、合并视频片段。

本章将带你入门 FFmpeg，先从安装开始，然后介绍一些视频的基本概念。

1. 安装 FFmpeg（Windows 篇） ​

本节以 Windows 系统为例，介绍如何安装 FFmpeg。

  1. 下载 FFmpeg：

  2. 解压文件：

    • 下载完成后，将压缩包解压到你电脑的某个位置，例如 C:\FFmpeg。
    • 注意： 如果你之前安装过 FFmpeg，可以直接覆盖到旧版本的文件夹。

  3. 配置环境变量：

    • 将 FFmpeg 的安装路径添加到系统的 Path 环境变量中。 这样，你就可以在命令行中直接使用 ffmpeg 命令了。

    • 如何添加 Path 环境变量？

      1. 在 Windows 搜索栏中搜索 "环境变量"，选择 "编辑系统环境变量"。
      2. 点击 "环境变量" 按钮。
      3. 在 "系统变量" 中找到名为 "Path" 的变量，选中它，然后点击 "编辑"。
      4. 点击 "新建"，然后输入你的 FFmpeg 安装路径（例如 C:\FFmpeg）。
      5. 一路点击 "确定" 保存设置。

  4. 验证安装：

    • 打开命令提示符 (CMD)。
    • 输入 ffmpeg 命令，然后按回车。
    • 如果成功安装，你应该能看到 FFmpeg 的版本信息。
    shell
    ffmpeg
    • 问题： 如果 ffmpeg 命令调用了其他地方的 FFmpeg 版本，怎么办？
      • 解决： 将你刚安装的 FFmpeg 路径在 Path 环境变量列表中移动到更靠前的位置，这样 Windows 会优先找到这个版本。

2. 视频基础概念：新手扫盲 ​

在学习 FFmpeg 命令之前，我们先来了解一些视频文件的基本概念。 注意： 以下解释为了方便理解，可能不够严谨。

  • 流 (Stream)： 视频文件由不同的流组成，最常见的有：

    • 视频流： 包含视频画面信息。

    • 音频流： 包含声音信息。

    • 字幕流： 包含字幕文本信息（通常在 MKV 文件中）。

      • 注意： 有些视频的字幕是直接嵌入到视频流中的（内嵌字幕），这种情况下就没有单独的字幕流，也无法提取字幕文件。

    • 码率/比特率 (Bitrate)： 衡量视频/音频数据量的指标。码率越高，数据量越大，通常质量也越好。 例如，128kbps 的 MP3 音频听起来通常比 64kbps 的 MP3 音频更好。

    • 分流/混流 (Mux/Demux)：

      • 分流： 从视频文件中提取出视频流、音频流、字幕流等。
      • 混流： 将多个流合并到一个视频文件中。

    • 容器 (Container)： 可以简单理解为视频文件的扩展名，例如 MP4、MKV、AVI 等。

  • 编码/解码 (Encode/Decode)：

    • 编码： 将视频/音频按照某种格式或规范压缩并存储。
    • 解码： 将编码后的视频/音频按照相应的格式或规范还原出来。
    • 例子： H.264 是一种常见的视频编码规范，libx264 是一个常用的 H.264 编码器。

2.1 色深与色度采样：色彩的秘密 ​

  • 色深 (Bit Depth)：

    • 类似于图片中的颜色分级。
    • 8-bit 色深是最常见的，它将颜色分为 256 级（2的8次方）。
    • 现在 10-bit 色深逐渐普及，能表现更丰富的色彩。

  • 色度采样 (Chroma Sampling)：

    • 为了减小视频文件的大小，视频在录制或编码时，通常会记录每个像素的亮度信息，但只采样部分像素的颜色信息。

    • YCrCb： 一种常用的色彩空间，Y 表示亮度，Cr 和 Cb 表示颜色信息（红色和蓝色的偏移量）。

    • 表示方法： 通常使用 x:y:z 的格式来表示色度采样，例如 4:2:0。

      • 4:2:0： 在 4x2 的像素区域中，亮度信息全部记录，但只采样了 2 个像素的颜色信息，丢失了 75% 的颜色信息。
      • 4:2:2： 采样了 4x2 像素区域中 4 个像素的颜色信息，丢失了 50% 的颜色信息。
      • 4:4:4： 所有像素的颜色信息全部记录，没有颜色信息的损失。

    • 查看 FFmpeg 支持的像素格式：

      shell
      ffmpeg -pix_fmts

2.2 常见编码格式：视频界的 "方言" ​

FFmpeg 支持几乎所有主流的编码格式。

  • 常用的视频编码格式：

    • H.264： 上一代最流行的视频编码格式，由 libx264 编码器支持。
    • H.265 (HEVC)： H.264 的继任者，在相同画质下，文件体积可以比 H.264 小 50%。 由 libx265 编码器支持。
    • VP9： 谷歌开发的编码格式，主要用于 Youtube 平台。
    • AV1 (AOMedia Video 1)： 一种免版税的编码格式，基于 VP9 技术，压缩率很高。 由 libsvtav1 (以及 libaom-av1) 编码器支持。

    图片: AV1、x265、VP9 等主流编码器的平均压缩比。

  • 常用的音频编码格式：

    • MP3： 仍然是最流行的有损音频编码格式。 由 libmp3lame 编码器支持。
    • AAC： MP3 的继任者，常用于 MKV 视频文件的音频流。
      • aac： FFmpeg 原生提供的 AAC 编码器，适合低码率音频。
      • libfdk_aac： 用于制作高质量 AAC 音频。
    • AC3： 杜比数字格式。 编码器 ac3 (Dolby Digital) 或 eac3 (Dolby Digital Plus)。
    • FLAC： 常用的无损音频格式。 FFmpeg 有原生的 flac 编码器支持。
    • PCM： WAV 容器中最常见的音频编码格式。 FFmpeg 默认使用 pcm_s16le 编码器来处理 PCM 输出。