📝 笔记摘要：ffmpeg 转码与剪辑实战，容器、编码、滤镜与画质

ffmpeg 真正开始干活的命令，参数都能归到五步流水线的某一步上：拆包、解码、滤镜、编码、封装。这一篇按这条线走，把日常最高频的几类活儿拆开——怎么把音视频拆成裸流再装回去、怎么切原始数据、怎么裁剪合并、怎么在图片和视频之间来回转、滤镜到底怎么用、画质参数怎么调。

每一条命令都标了「为什么这么写」。参数记不住的时候，知道它管哪一步，比背命令本身管用。

ffmpeg 系列　共 3 篇，这是第 2 篇
　　01　ffmpeg 基础　安装与工作原理
　　02-ffmpeg 转码与剪辑实战　容器、编码、滤镜与画质　← 本篇
　　03　ffmpeg 录制与直播　录屏、摄像头与推流

1. 格式分解与复用

「格式分解与复用」这件事，拆开就是三个词：容器、编码、码流。

容器 container　mp4、mkv、flv、ts、m3u8
　　决定文件怎么排布：几个轨道、每轨多长、字幕挂哪、索引怎么存
　　容器本身不决定画质，它更像一个信封
编码 codec　H.264、H.265、VP9、AV1、AAC、MP3
　　决定画面怎么被压缩、压得多狠
　　码流 elementary stream　真正的那串 0 和 1
　　抽出来单独存就是 .h264、.aac 这种裸流

1.1 拆：把轨道抽成裸流

# 抽视频轨
ffmpeg -i in.mp4 -map 0:v -c copy video.h264

# 抽音频轨
ffmpeg -i in.mp4 -map 0:a -c copy audio.aac

-map 0:v 里的 0 是第一个输入
　　v 选视频轨、a 选音频轨、s 选字幕轨
　　不加 -map 时 ffmpeg 会自动挑一条「最佳」轨道
　　多轨文件里自动挑经常挑错，要精确控制就得显式写 -map
　　-map 0:a? 末尾的 ? 表示「有就选，没有也继续」
-c copy 是拆包不拆编码
　　码流原样抽出来，一个字节都没变
　　所以画质零损失，过程也几乎不花时间
裸流没有索引
　　它不知道该按什么节奏播，也没法拖进度条
　　要能 seek，得先补 Annex B 头
　　-bsf:v h264_mp4toannexb　把 MP4 的长度前缀格式转成裸流格式

1.2 装：把裸流塞回容器

ffmpeg -f h264 -i video.h264 -f aac -i audio.aac -c copy out.mp4

这就是「复用」的完整含义：拆出来存档，以后要什么容器现套，不用重新压一遍。

-f h264 是告诉 ffmpeg 这个文件是什么格式
　　裸流没有扩展名能认，必须手动指定 demuxer
　　不指定的话 ffmpeg 只能瞎猜，猜错就报错
-c copy 依然不能省
　　不写它就会把裸流重新编码一遍——白拆了
这个玩法的实际价值
　　一份素材，多种投放格式：母版拆成裸流存着，上传要 mp4 套一个、直播要 flv 套一个、归档要 ts 套一个
　　批量转码省时间：同一条视频要发三个平台，拆一次套三次，比转三遍快得多
　　代价是裸流没有索引，不能直接拖进度条

1.3 换容器：只要一行

# mkv 转 mp4，画质分毫不动
ffmpeg -i in.mkv -c copy -movflags +faststart out.mp4

-movflags +faststart 要加上
　　它把 mp4 的索引（moov atom）提到文件头
　　不加上也能播，但网页上要等整个文件下完才开始播
　　加了之后能边下边播，这是发到网站上的必要动作
换容器不会让文件变小
　　码流一个字节没动，装进什么容器都那么大
　　想变小就得换编码，那是另一条命令
换容器也不会让画质变好
　　画质是编码决定的，容器只是个信封

1.4 顺手会用到的几条

# 只要音频，不要画面
ffmpeg -i in.mp4 -vn -c:a copy out.aac

# 换成新音轨，画面不动
ffmpeg -i video.mp4 -i new.mp3 -map 0:v -map 1:a -c copy out.mp4

# 转成 wav，音频不重编码
ffmpeg -i in.mp4 -vn -c:a pcm_s16le out.wav

2. 处理原始文件

裸流不是 ffmpeg 特有的东西，但它是最容易踩坑的一类输入——因为裸流没有头，所有信息都得靠命令行告诉 ffmpeg。

# 裸 YUV 视频：必须说清尺寸、帧率、像素格式
ffmpeg -f rawvideo -pix_fmt yuv420p -s 1920x1080 -r 30 -i raw.yuv -c:v libx264 out.mp4

# 裸 PCM 音频：必须说清采样率、声道数、采样格式
ffmpeg -f s16le -ar 44100 -ac 2 -i audio.pcm -c:a aac out.m4a

# WAV：格式能自识别，不用写这么细
ffmpeg -i in.wav -c:a libmp3lame out.mp3

为什么裸流必须写这么多参数
　　mp4 有容器头，里面记着分辨率、帧率、采样率，ffmpeg 读得出来
　　裸流就是一片像素，ffmpeg 只能靠你告诉它才能正确解释
　　参数写错不会报错，只会出花屏、变花、或者只有一个头的长度
　　尺寸写错的后果最直观：-s 1920x1080 写成 1280x720，画面会斜着切
-f s16le 里的 le 是小端
　　对应的大端是 -f s16be，搞反了音频会变成一片噪音
从容器导出成裸流
　　ffmpeg -i in.mp4 -f rawvideo -pix_fmt yuv420p out.yuv
　　没有 -c copy，rawvideo 是「原始」的意思，不是「复制」——它会真的解一遍再存
两路输入对不齐的时候加 -shortest
　　视频 10 秒、音频 15 秒，加了它输出按短的走
　　不加的话输出取最长的那头，多出来的那几秒是黑的或者没声音

3. 裁剪与合并

3.1 裁剪：-ss 放前放后是两件事

# 快切：跳到 00:01:30 再开始解
ffmpeg -ss 00:01:30 -i in.mp4 -t 10 -c copy out.mp4

# 准切：从头解到 00:01:30 再丢掉前面的
ffmpeg -i in.mp4 -ss 00:01:30 -t 10 -c copy out.mp4

-ss 在 -i 前面：输入端跳转
　　ffmpeg 直接跳到那个时间点附近开始解，快
　　但起点落在关键帧上——视频每隔几秒才有一个关键帧
　　结果可能是 00:01:27 开始而不是 00:01:30，前面多出来几秒
-ss 在 -i 后面：输出端跳转
　　从头解一遍，解到那个点再把前面的丢掉，帧精确，慢
　　配合 -c copy 时依然会带上多余的关键帧内容，因为关键帧没法从中间切开
要「精确到帧 + 不重编码」，基本做不到
　　GOP 就是一组的起点，中间切开必须重编一整组
　　务实的做法：
　　　要快 → 前置 -ss + -c copy，接受几秒误差
　　　要准 → 前置 -ss 定位到关键帧之前，再重编码裁准，这条最常用
裁完时间戳可能负数，加 -avoid_negative_ts make_zero
　　-avoid_negative_ts make_zero　把时间戳整体平移到从 0 开始
　　不加以 cue 结尾的 mp4 播出来开头是黑的，很多播放器会跳过前几秒

3.2 合并：两种做法，选一种

做法一：concat demuxer——把文件名写进一个列表文件。

# list.txt
file 'part1.mp4'
file 'part2.mp4'
file 'part3.mp4'

ffmpeg -f concat -safe 0 -i list.txt -c copy out.mp4

要求所有文件的编码参数完全一致
　　同样的编码、分辨率、帧率、像素格式、时间基
　　参数不一致就可能出花屏、音画不同步，或者直接报错
　　好处是不重编码，速度飞快
Windows 上有两条坑
　　路径里的反斜杠要写成正斜杠：file 'D:/videos/part1.mp4'
　　　反斜杠在列表文件语法里是转义符，写成 D:\videos\part1.mp4 会被吃掉
　　绝对路径要加 -safe 0，否则默认拒绝读取列表文件外面的路径
列表文件里不能有别的内容
　　不许加空行、不许加注释，多一个空行 ffmpeg 就会报错

做法二：concat filter——参数不一样也能合。

ffmpeg -i a.mp4 -i b.mp4 \
  -filter_complex "[0:v][0:a][1:v][1:a]concat=n=2:v=1:a=1[v][a]" \
  -map "[v]" -map "[a]" out.mp4

为什么能用 filter
　　因为 filter 可以先把两路都标准化再接——分辨率、采样率、帧率都能在接之前改齐
　　[0:v][0:a][1:v][1:a]　按顺序列出要接的轨道：a 的视频、a 的音频、b 的视频、b 的音频
　　concat=n=2:v=1:a=1　n=2 两段、v=1 视频轨、a=1 音频轨
　　[v][a]　给输出的两路起名字，用 -map 引出来
代价是它必须重编码
　　滤镜图里没有 -c copy 的位置
分辨率不一样要先统一
　　[1:v]scale=1280:720,setsar=1[v1]　改完还得起个新名字
　　setsar=1 别漏，像素宽高比不统一的话合并出来的画面会被拉扁

3.3 顺手再给两条

# 音频淡入淡出
ffmpeg -i in.mp4 -af "afade=t=in:st=0:d=2,afade=t=out:st=58:d=2" out.mp4

# 只取一段音频出来
ffmpeg -i in.mp4 -vn -ss 30 -t 60 -c:a copy out.aac

4. 图片视频互转

4.1 图片 → 视频

# 一张图做成 5 秒视频
ffmpeg -loop 1 -i pic.png -t 5 -r 30 -c:v libx264 -pix_fmt yuv420p out.mp4

# 一串图片合成视频（文件名必须是 img001.png img002.png 这种连续编号）
ffmpeg -framerate 30 -i img%03d.png -c:v libx264 -pix_fmt yuv420p out.mp4

-loop 1 在 -i 前面
　　让 ffmpeg 无限循环读这张图，不写它图片只会被读一帧，视频只有 1/30 秒
　　时长靠 -t 控制，或者用 -shortest 配音频
-r 30 定帧率
　　和后面的 -framerate 30 是一回事，只是作用的位置不同
-pix_fmt yuv420p 一定要写
　　否则编出来的是 yuv444p，多数播放器和手机放不了
　　这是「本地能播、发出去别人播不了」的头号原因

4.2 视频 → 图片

# 每秒抽一帧
ffmpeg -i in.mp4 -vf fps=1 out_%04d.png

# 只抽第一帧
ffmpeg -i in.mp4 -frames:v 1 cover.jpg

# 抽第 10 秒那一帧
ffmpeg -ss 10 -i in.mp4 -frames:v 1 shot.png

out_%04d.png 的 %04d 是编号占位
　　输出成 out_0001.png、out_0002.png……
　　不写编号 ffmpeg 会报错，因为它不知道该叫什么
-vf fps=1 是按时间抽帧
　　不是「每 1 帧抽 1 帧」，是「每秒抽 1 帧」
　　抽场景切换用 select='gt(scene,0.4)'，效果好得多
抽出来的图当封面，记得指定质量
　　-q:v 2　jpeg 质量，2 最高，5 差不多，10 明显糊

4.3 视频 → GIF

# 第一遍：生成调色板
ffmpeg -i in.mp4 -vf "fps=10,scale=480:-1:flags=lanczos,palettegen" palette.png

# 第二遍：用调色板套色
ffmpeg -i in.mp4 -i palette.png -lavfi "fps=10,scale=480:-1:flags=lanczos[x];[x][1:v]paletteuse" out.gif

为什么要两遍
　　GIF 只有 256 色，直接转出来的颜色会很难看
　　第一遍先统计出整段视频的通用调色板，第二遍所有帧共用这一套
　　颜色一下就干净了，文件还更小
尺寸要压
　　GIF 体积对分辨率极其敏感，480 宽是常见的折中
　　帧率也要压，10 帧就够，超过 15 体积涨得很快
　　flags=lanczos 是缩放算法，比默认锐一点，边缘不毛躁

5. 滤镜

滤镜夹在解码和编码中间，改的是原始帧。加水印、改分辨率、抽帧、混字幕都在这一步做。

最常见的一类：尺寸
　　scale=1280:-1　缩放，宽度固定 1280，高度按比例自动算（-1 就是「保持比例」）
　　crop=iw/2:ih/2　裁剪，取左上半（iw 输入宽、ih 输入高）
　　pad=1920:1080　补黑边，把画面统一成 16:9
　　transpose=1　旋转 90 度
最常用的一类：文字与图形
　　drawtext=fontfile=...:text='...'　写字、打水印
　　drawbox=x=0:y=0:w=100:h=50:color=black　画色块，遮住不该露的部分
　　overlay　把一张图叠上去，logo 和水印都靠它
做特效的一类：时间与节奏
　　fps=30　改帧率
　　setpts=PTS/2　改时间戳，做两倍快放
　　select='gt(scene,0.4)'　按条件抽帧，抽场景切换
　　trim=0:30　按时间裁段落
修画质的一类：颜色
　　eq=brightness=0.05:contrast=1.1　亮度、对比度、饱和度
　　unsharp=5:5:1.0　锐化
　　deblock　去色块，老片修复常用
　　format=yuv420p　统一像素格式

5.1 滤镜串起来用

# 逗号串起来，顺序有讲究
ffmpeg -i in.mp4 -vf "scale=1280:-1,crop=1280:720,eq=brightness=0.05" out.mp4

# 叠水印：水印在前，画面在后
ffmpeg -i in.mp4 -i logo.png -filter_complex "[1][0]overlay=W-w-20:20" out.mp4

滤镜顺序会改结果，不是随便串
　　先裁剪再缩放处理的数据量小、速度快；先缩放再裁剪裁出来的位置会偏
overlay 的输入顺序是「被叠加的在后」
　　[1][0] 是水印在前、画面在后；写反了会得到一条纯色画面
　　W-w-20:20　右上角，往左 20 像素、往下 20 像素
-vf 和 -af 是单流简写
　　-vf 视频滤镜、-af 音频滤镜
　　要同时处理多路就得用 -filter_complex
　　用方括号把每路输出命名，否则 ffmpeg 不知道哪条输出接哪条

5.2 drawtext 的字体

# Windows：路径里的冒号要转义
ffmpeg -i in.mp4 -vf "drawtext=fontfile='C\:/Windows/Fonts/msyh.ttc':text='hello':x=20:y=20" out.mp4

# Linux
ffmpeg -i in.mp4 -vf "drawtext=fontfile=/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf:text='hello'" out.mp4

不写 fontfile 在 Windows 上大概率报「Cannot find a valid font」
　　Windows 版没有 fontconfig，不会自己去字体目录里找
　　必须给绝对路径
路径里的冒号要写成 \:
　　冒号是 ffmpeg 滤镜参数的分隔符，不转义的话它会把 C 当成一个参数名
　　Windows 路径里的反斜杠也建议改成正斜杠，省掉一层转义
滤镜参数里的引号和外层引号会打架
　　外层用双引号，里面的 text 用单引号，这是最省事的组合

💡 补充几个容易忽略的：
-c copy 会让滤镜彻底哑火
　　写了 -vf 它也不报错，只是画面毫无变化
　　要滤镜就必须去掉 -c copy，让编码器真的跑起来
滤镜名字先用 -filters 查
　　ffmpeg -hide_banner -filters　列全部可用滤镜
　　名字拼错不报错，它会当成未知滤镜然后告诉你找不到——但拼错一个相近的名字可能静默通过
-vf 里带逗号的参数要整体引号包住
　　多个滤镜用逗号分隔，参数值里自己带逗号（比如 drawtext 的 text）要用反斜杠转义
滤镜链调不动的时候，先单独测一个
　　一次串三个，出问题都不知道是哪一步，拆开一个个加
官方滤镜文档每条都列了可用选项
　　ffmpeg.org/ffmpeg-filters.html，比任何二手教程都准

6. 画质：-crf 和 -preset

# 体积优先
ffmpeg -i in.mp4 -c:v libx264 -crf 28 -preset veryfast -c:a aac -b:a 128k out.mp4

# 画质优先
ffmpeg -i in.mp4 -c:v libx264 -crf 18 -preset slow -c:a aac -b:a 192k out.mp4

-crf 是画质档位，不是码率
　　范围 0～51，越小越好
　　18　视觉无损，体积大
　　23　ffmpeg 默认值，够用
　　28　明显能看出压缩痕迹，体积小
　　用 CRF 的好处是体积会自己浮动——静止画面占得少，动态画面占得多，比固定码率画质稳定
-preset 是速度和质量的取舍
　　ultrafast → superfast → veryfast → faster → medium → slow → slower → veryslow
　　越慢，同画质下体积越小，代价是编码时间成倍增加
　　同一个 -crf 下，veryslow 能比 ultrafast 小 20% 以上
-crf 和 -b:v 是两种控制方式
　　写 -crf 就别写 -b:v，两个一起写会打架
　　要固定码率（比如直播推流）才用 -b:v 4M
硬件编码能快很多
　　-c:v h264_nvenc -preset p4 -cq 25　NVIDIA
　　-c:v h264_qsv -preset medium -global_quality 25　Intel 核显
　　-c:v h264_amf -quality quality -rc cqp -qp_i 25　AMD
　　-c:v h264_vaapi　Intel 核显的 VAAPI 路径
　　硬件编码同样画质下体积会大一些，但速度快一个数量级

🔥 一句话总结：ffmpeg 的命令就是往「拆包→解码→滤镜→编码→封装」五步里填参数，-map 0:v -c copy 拆裸流、-f h264 -i ... -c copy 装回去，拆出来再装回去就是「格式分解与复用」；裸流没有头，尺寸帧率采样率必须用命令行补齐；裁剪要分清 -ss 在 -i 前（快、可能带多余关键帧）还是在后（准、慢），精确到帧且不重编码基本做不到；合并用 concat demuxer（参数必须一致、Windows 路径要正斜杠 + -safe 0）或 concat filter（参数可不同但要重编码）；图片视频互转的成败关键是 -loop 1 和 -pix_fmt yuv420p；滤镜改的是原始帧，overlay 输入顺序是「被叠加的在后」、drawtext 在 Windows 必须给 fontfile 且冒号要转义；画质靠 -crf（越小越好，18 无损、23 默认、28 偏糊）加 -preset（越慢越小）两条调。