编码与格式 / 知识点
视频格式与编码速查手册
格式与容器
MP4、MOV、MKV、WebM 属于容器,H.264、HEVC、VP9、AV1 属于编码格式;容器负责组织轨道与元数据,编码器负责压缩音视频内容。
容器格式与编码格式区别
这个条目解决最常见的混淆:MP4、MOV、MKV、WebM 是“怎么装”,H.264、HEVC、VP9、AV1 是“怎么压”。判断一个视频能否播放时,不能只看 .mp4 或 .webm 后缀,还要继续检查内部视频轨、音频轨及其编码参数。
怎么区分
| 层级 | 负责什么 | 常见例子 |
|---|---|---|
| 容器 Container | 组织视频轨、音频轨、字幕、时间戳和元数据 | MP4、MOV、MKV、WebM |
| 视频编码 Codec | 压缩和解压视频画面 | H.264/AVC、H.265/HEVC、VP9、AV1 |
| 音频编码 Codec | 压缩和解压声音 | AAC、Opus |
| 文件扩展名 | 提示外层文件类型 | .mp4、.mov、.mkv、.webm |

怎么判读
看到 video.mp4 时,只能确认它使用 MP4 容器,不能直接断言视频一定是 H.264。MP4 可以承载不同的视频和音频编码;反过来,同一种视频编码也可能进入不同容器。
播放器成功播放至少依赖三层能力:能解析容器、能解码视频轨、能解码音频轨。即使扩展名正确,只要内部 Codec、Profile、Level、位深或像素格式超出终端能力,仍可能失败。
建议动作
实际项目建议按“目标终端 → 视频编码 → 音频编码 → 容器”做组合决策,而不是凭后缀选格式。面向通用 Web 和 App 时,MP4 + H.264 + AAC 常被用作高兼容基线;需要更高压缩效率时,再评估 HEVC、VP9、AV1 以及对应的终端支持。
通用性很强的视频容器,常用于 Web、App 和点播分发;可以承载 H.264、HEVC、AAC 等多种编码,文件扩展名不能单独代表内部编码。
MP4
MP4 是通用性很强的媒体容器,适合 Web、App、点播文件以及流媒体分片。它的优势是生态成熟,但 MP4 本身不等于 H.264,也不保证任意设备都能播放其中的任意编码组合。
主要组成
| 关注点 | 含义 |
|---|---|
| 视频轨 | 保存压缩后的视频样本及其时间信息 |
| 音频轨 | 保存 AAC 等音频编码数据 |
moov |
描述轨道、采样表、时长等播放元数据 |
mdat |
保存实际媒体数据 |
| 时间戳 | 决定样本的解码、展示和同步 |
MP4 可以承载 H.264、HEVC、AV1 等不同视频编码,具体可用性取决于终端、系统和播放器能力。只看 .mp4 后缀无法判断内部视频是否能被当前设备硬件解码。
什么时候优先选
普通 Web/App 点播、课程视频、下载播放以及需要较高终端兼容性的场景,MP4 通常是优先候选。如果只是完整文件并且不需要自适应码率,Progressive MP4 的部署复杂度也很低。
对于长视频、多清晰度或直播,MP4 仍可能作为 fragmented MP4 媒体分片的基础格式,但此时真正组织播放的是 HLS、DASH 等协议,而不是一个单独的 MP4 文件。
常见误用
不要把文件后缀从 .mkv 改成 .mp4 当作格式转换。真正的容器转换需要重新封装;如果内部 Codec 与目标容器兼容,可以只 Remux 而不重新编码,从而避免额外画质损失。
常见于 Apple 生态、拍摄与后期制作流程,结构与 MP4 有亲缘关系;更适合作为制作或交换容器,线上分发仍需结合终端兼容性判断。
MOV
MOV 是 QuickTime File Format 家族中的容器,常见于 Apple 生态、相机录制、剪辑软件和后期制作流程。它更适合作为采集、制作和交换容器理解,而不是默认的互联网分发格式。
适用范围
| 场景 | 判读 |
|---|---|
| 相机或屏幕录制源文件 | 常见 |
| 视频剪辑与后期交换 | 很常见 |
| 高质量中间文件 | 适合,取决于内部 Codec |
| 通用 Web 直接分发 | 通常先评估 MP4、WebM 或流媒体方案 |
MOV 可以承载高质量视频、音频、时间信息以及制作流程需要的元数据,因此经常和 ProRes 等制作型编码一起出现。但 MOV 不等于 ProRes,它只是容器,内部也可以使用其他编码。
怎么判断要不要转 MP4
如果 MOV 里的音视频 Codec 已经符合目标 MP4 容器和终端要求,可能只需要重新封装,不必重新压缩。这样处理速度快,也不会因为再次有损编码而降低画质。
如果内部是面向制作的高码率 Codec,而目标是移动端点播,则通常不仅要换容器,还需要重新编码为更适合分发的格式,并重新设计分辨率、帧率、码率和音频参数。
常见误用
不要因为 MOV 文件体积大就归因于“MOV 格式太大”。文件大小主要由内部音视频编码、码率、分辨率、帧率和时长决定,容器自身开销通常不是主要矛盾。
Matroska 容器支持多视频轨、多音轨、字幕和丰富元数据,适合本地媒体与归档;浏览器和移动端原生播放能力通常不如 MP4 统一。
MKV
MKV 通常指 Matroska 容器,特点是轨道和元数据组织能力灵活,适合本地媒体、归档、多音轨、多字幕和复杂媒体集合。它的主要优势在容纳能力,而不是某种特定压缩算法。
能力速查
| 能力 | 典型用途 |
|---|---|
| 多视频轨 | 保存不同版本或角度 |
| 多音轨 | 多语言、评论音轨 |
| 多字幕轨 | 内挂字幕与多语言字幕 |
| 章节与附件 | 本地媒体管理、归档 |
| 多种 Codec | H.264、HEVC、VP9、AV1 等均可能出现 |
MKV 在本地播放器和媒体收藏中非常常见。但做 Web 或移动端原生播放时,兼容能力通常没有 MP4 那么统一,需要明确验证目标播放器。
怎么做工程选择
如果内容主要用于下载、本地播放或归档,而且需要多音轨、多字幕,MKV 很合适。若目标是浏览器内嵌播放、移动端广泛分发或 CDN 点播,通常会评估是否重新封装为 MP4、WebM,或者进入 HLS/DASH 分发链路。
容器转换不必然意味着重新编码。如果目标容器允许原来的音视频 Codec,可优先 Remux;只有编码不兼容或确实需要改变画质、码率时才做 Transcode。
常见误用
MKV 大并不是因为 MKV 本身“压缩差”。 同样码率的视频放在 MKV 和 MP4 中,主体体积仍由编码后的音视频数据决定,容器差异通常只占很小部分。
面向 Web 媒体场景的开放容器,常与 VP9、AV1、Opus 组合使用;是否采用应同时检查目标浏览器、设备与硬件解码能力。
WebM
WebM 是面向 Web 媒体场景设计的开放容器,和 Matroska 有技术渊源,但约束更明确。常见组合是 VP8、VP9、AV1 视频与 Vorbis、Opus 音频,适合希望采用开放媒体技术栈的 Web 场景。
常见组合
| 轨道 | 常见编码 |
|---|---|
| 视频 | VP8、VP9、AV1 |
| 音频 | Vorbis、Opus |
| 常见 MIME | video/webm、audio/webm |
WebM 只是容器,因此“WebM 比 MP4 清晰”这类比较没有意义。画质和文件体积主要取决于内部 Codec、编码参数与源素材。
什么时候考虑 WebM
浏览器视频、开放格式路线、VP9/AV1 分发,以及和 Opus 组合的媒体内容都可以考虑 WebM。采用前仍应验证目标浏览器、系统版本和硬件解码能力,尤其是高分辨率、高位深或 AV1 场景。
如果业务追求更广终端覆盖,可以同时准备不同媒体源:现代终端优先高效率组合,不满足能力时回退到更兼容的方案。
常见误用
不要把“WebM”与“VP9”当成同义词。VP9 是视频编码,WebM 是容器;同样地,WebM 也不只承载 VP9。
视频编码
兼容性与硬件支持都很成熟,仍是通用视频分发的重要选择;在普通 Web、App、点播和直播场景中,通常优先作为兼容基线。
H.264 / AVC
H.264 与 AVC 指同一套视频编码标准,特点是兼容性成熟、硬件解码普及、编码工具丰富。需要为 Web、App、点播或直播建立一个高兼容基线时,它通常仍是优先候选。
怎么判读
| 维度 | 结论 |
|---|---|
| 压缩效率 | 明显优于更早的视频编码,但通常低于 HEVC、AV1 等新一代方案 |
| 解码支持 | 非常成熟,软硬件生态广 |
| 编码成本 | 相对可控,实时编码成熟 |
| 常见容器 | MP4、MOV、MKV、MPEG-TS 等 |
| 常见分发 | Progressive MP4、HLS、直播推流与点播 |
H.264 并不是一个单一“质量档位”。同样使用 H.264,Profile、Level、QP/CRF、码率、GOP、参考帧、分辨率和帧率都会影响输出结果和设备兼容性。
什么时候优先选
目标设备跨度大、业务需要稳定硬件解码、实时转码成本敏感,或者你暂时无法维护多编码版本时,H.264 是最稳妥的起点。普通 720p/1080p 视频尤其常见。
如果业务主要是 4K、高码率长视频,或者 CDN 带宽成本已经明显高于转码成本,可以评估 HEVC 或 AV1,并保留 H.264 回退版本。
常见误用
不要把“H.264 文件”当成一种容器文件。H.264 本质上是编码码流,通常还需要封装到 MP4、TS、MKV 等容器中才能方便存储、传输和播放。
相比 H.264 通常能以更低码率获得相近主观质量,尤其适合高分辨率视频;代价是编码复杂度、授权与终端兼容条件更复杂。
H.265 / HEVC
H.265 与 HEVC 指同一套视频编码标准。它通过更灵活的块划分、预测和滤波工具提升压缩效率,常用于 4K、HDR、长视频和带宽敏感场景,但落地成本通常高于 H.264。
怎么比较
| 维度 | H.264 | HEVC |
|---|---|---|
| 兼容性 | 更广 | 依赖设备、系统和授权环境 |
| 相近质量所需码率 | 较高 | 通常更低 |
| 编码复杂度 | 较低 | 较高 |
| 4K/HDR 场景 | 可用 | 更常见 |
| 硬件解码 | 成熟 | 新设备更普遍,老设备需核验 |
压缩收益不是固定百分比。内容复杂度、编码器实现、Preset、码率控制和目标质量都会改变实际收益,因此不能把“HEVC 一定省一半”当成通用规则。
什么时候值得用
高分辨率内容、播放时长长、流量成本高,且主要用户设备具备 HEVC 解码能力时,HEVC 往往有明显价值。对于移动端私有 App,也可以基于受控设备范围做更积极的采用。
需要注意
HEVC 的工程成本不只来自编码速度,还包括终端兼容、授权、浏览器支持、容器组合和硬件能力。公开 Web 分发时,最好预先设计兼容回退,而不是只保留 HEVC 一个版本。
Google 推动的开放视频编码,常用于 Web 视频和 WebM;压缩效率通常优于 H.264,但项目采用前仍需确认目标平台的软件与硬件解码支持。
VP9
VP9 是 Google 推动的开放视频编码,常见于 Web 视频和 WebM 容器。它通常能以低于 H.264 的码率获得相近主观质量,但终端硬件解码覆盖和实时编码成本需要单独评估。
主要特征
| 维度 | 判读 |
|---|---|
| 开放生态 | 适合开放 Web 媒体路线 |
| 常见容器 | WebM,也可出现在其他支持的容器中 |
| 压缩效率 | 通常优于 H.264,实际取决于编码配置 |
| 编码成本 | 一般高于 H.264 |
| 硬件支持 | 现代设备较常见,老设备需要核验 |
VP9 常用于大规模点播,因为离线转码可以接受更高编码成本,再通过更低码率降低长期带宽消耗。
什么时候考虑
如果主要播放环境是现代浏览器、Web TV 或有明确 VP9 硬件解码支持的设备,并且点播流量规模较大,VP9 是 H.264 之外的重要选择。
如果是低延迟直播、设备范围非常杂,或者必须保证老设备硬件解码,则需要先验证编码成本和解码覆盖,再决定是否作为主编码。
常见误用
不要把 WebM 和 VP9 绑定成同一个概念,也不要只看浏览器“能不能播”。移动设备如果只能软件解码高分辨率 VP9,可能带来明显功耗和性能压力。
面向现代网络视频的开放编码格式,压缩效率高,适合大规模点播和带宽敏感场景;编码耗时与终端解码能力是落地时的重要成本。
AV1
AV1 是由 AOMedia 推动的开放视频编码,目标是在网络视频场景获得更高压缩效率。它适合大规模点播、高分辨率和带宽敏感业务,但编码耗时与终端解码能力是部署时的核心成本。
怎么判读
| 维度 | AV1 特征 |
|---|---|
| 压缩效率 | 通常优于 H.264,并可优于 VP9/HEVC 的部分场景 |
| 编码复杂度 | 较高,软件编码尤其需要关注耗时 |
| 解码能力 | 新设备硬件支持持续增加,存量设备需验证 |
| 常见容器 | WebM、MP4/ISOBMFF 等 |
| 适合业务 | 大规模点播、高分辨率、长期带宽敏感内容 |
AV1 的优势通常更容易在“编码一次、播放很多次”的内容上回收成本,例如热门长视频。对于短生命周期内容或实时直播,转码时延和硬件编码资源可能成为更大的约束。
什么时候采用
先统计目标设备的 AV1 解码覆盖,再估算每 GB 流量节省与转码成本。如果热门内容的播放次数很高,可以只对高热内容生成 AV1 版本,而不是一次性把全部历史视频都重转。
常见误用
不要把“AV1 文件更小”理解成任意编码参数下都更小。质量目标、编码器、Preset、码控和源视频决定最终结果;不同 Codec 的 CRF 数值也不能直接比较。
AAC 兼容性成熟,常与 MP4、HLS 组合;Opus 在低码率语音和实时通信中表现突出,常见于 WebM、WebRTC 等开放媒体链路。
AAC 与 Opus
AAC 和 Opus 都是有损音频编码,但侧重点不同。视频点播和 MP4/HLS 生态中 AAC 兼容性更成熟;低码率语音、实时互动和 WebRTC 场景则经常优先考虑 Opus。
快速对比
| 维度 | AAC | Opus |
|---|---|---|
| 通用点播兼容 | 很成熟 | 需看容器与终端 |
| MP4/HLS | 常见 | 不是所有链路都统一支持 |
| WebM | 非典型组合 | 常见 |
| WebRTC | 可用性依实现 | 核心常用编码 |
| 低码率语音 | 良好 | 通常很有优势 |
| 音乐与普通视频 | 常见 | 同样可胜任 |
音频轨虽然通常比视频轨小得多,但在低码率视频、长时长课程和语音内容中,音频码率仍会明显影响总体积。
怎么选择
普通 Web/App 点播若以 MP4、HLS 和广泛兼容为优先,AAC 往往更省心。浏览器开放媒体、WebM、实时语音或互动场景,可以优先评估 Opus。
常见误用
不要只根据“音质好不好”选编码。容器能否承载、播放器能否解码、是否需要硬件能力、端到端协议是否接受该音频编码同样重要。
画面规格
通常指 1280×720 的 16:9 画面,适合作为移动端和带宽受限场景的中低清档位;实际清晰度仍取决于码率、编码器和源视频质量。
720p
720p 通常指 1280×720 的逐行扫描画面,常作为移动端、弱网或多清晰度梯度中的中低清档位。这里的 p 表示 progressive,并不代表某个固定码率或画质等级。
怎么判读
| 项目 | 常见值 |
|---|---|
| 分辨率 | 1280×720 |
| 宽高比 | 常见为 16:9 |
| 像素数量 | 约 92 万像素/帧 |
| 常见用途 | 移动端、弱网、多档点播 |
720p 只说明输出像素尺寸。一个低码率、重复转码的 720p 可能比高质量 480p 更糊;反过来,给静态内容过高码率也未必带来可见收益。
什么时候使用
手机小屏、网络带宽受限、课程视频辅助档位,以及源视频本身只有 720p 左右时,720p 很实用。多清晰度系统通常还会同时提供更低或更高档位,让播放器按带宽切换。
常见误用
不要把 1280×720 的素材强行放大到 1080p 再认为“画质升级”。上采样只增加像素数量,不会恢复源素材中不存在的细节,还可能增加文件体积和编码成本。
通常指 1920×1080,是点播、课程和普通大屏播放的常用规格;不能只按分辨率决定码率,还要考虑帧率、纹理与运动复杂度。
1080p
1080p 通常指 1920×1080 的逐行扫描视频,是课程、普通点播、桌面播放和电视内容中的高频规格。它提供约 207 万像素/帧,但实际清晰度仍由源质量、帧率、编码器和码率共同决定。
快速判断
| 项目 | 常见值 |
|---|---|
| 分辨率 | 1920×1080 |
| 宽高比 | 常见为 16:9 |
| 像素数量 | 约 207 万像素/帧 |
| 常见用途 | 课程、Web/App 点播、普通大屏 |
1080p 30 FPS 与 1080p 60 FPS 的编码压力不同;体育、游戏录屏等高运动内容也通常比静态课程画面需要更多数据才能维持相近质量。
怎么选择
如果源视频本身达到 1080p、用户主要在手机横屏、桌面或电视观看,1080p 可以作为高清主档。弱网用户则应配合 720p 或更低档位,而不是强迫所有用户下载同一个高码率文件。
常见误用
“1080p”不是“高清质量保证”。低码率、错误的色度处理、过强降噪和多次有损转码都可能让 1080p 失去细节。
消费级视频中通常指 3840×2160,像素数量约为 1080p 的四倍;更适合结合 HEVC、AV1 等高效率编码与硬件解码能力使用。
4K UHD
消费级视频中的 4K UHD 通常指 3840×2160,像素数量约为 1080p 的四倍。它能保留更多空间细节,但同时显著增加采集、编码、存储、网络和解码压力。
先区分名称
| 名称 | 常见分辨率 | 主要场景 |
|---|---|---|
| 4K UHD | 3840×2160 | 电视、消费级视频、网络分发 |
| DCI 4K | 4096×2160 | 数字电影制作与放映 |
因此看到“4K”时最好继续确认实际宽高,而不要只依赖营销名称。
什么时候值得保留
源素材真实达到 4K、用户会在大屏观看、画面包含需要保留的细节,或者后续还需要裁切和后期处理时,4K 有明确价值。线上分发通常更适合搭配 HEVC、AV1 等高效率编码,并同时提供较低清晰度版本。
成本判断
4K 并不意味着码率必须机械地设为 1080p 的四倍,但在相同 Codec、相同帧率和相近主观质量下,通常需要更多码率。是否采用应同时评估硬件解码、带宽、CDN 成本和用户屏幕。
24 FPS 常见于影视感内容,30 FPS 适合多数普通视频,60 FPS 更适合高运动和交互录屏;更高帧率会增加采集、编码和传输压力。
24、30、60 FPS
FPS 表示每秒展示多少帧。24、30、60 FPS 的核心区别是时间采样密度:帧率越高,快速运动越平滑,但采集、编码、解码和网络压力通常也越大。
快速对照
| 帧率 | 常见场景 | 主要取舍 |
|---|---|---|
| 24 FPS | 影视、叙事内容 | 运动感更接近电影制作习惯 |
| 30 FPS | 课程、普通视频、直播 | 流畅度与成本平衡 |
| 60 FPS | 游戏、体育、高运动录屏 | 运动更平滑,但数据量和解码压力更高 |
实际媒体中还常见 23.976、29.97、59.94 等非整数帧率。做转码和音画同步时,应读取源视频的真实时间基和帧率,不要看到“约 30”就强行改成整数 30。
怎么选择
内容变化缓慢的讲解、PPT、访谈通常不需要 60 FPS。游戏、体育和快速滚动画面如果源视频本身是 60 FPS,则保留高帧率更有意义。
常见误用
把 30 FPS 素材转成 60 FPS 并不会自动增加真实运动细节。普通重复帧只是增加数据量;只有使用插帧算法才能生成中间画面,但也可能引入伪影。
4:4:4 保留完整色度信息,4:2:2 常见于制作链路,4:2:0 是视频分发的高频选择;抽样越强,色彩细节越少但数据量越低。
4:4:4、4:2:2、4:2:0
这些数字表示色度抽样方式,不是“压缩质量分数”。视频通常把亮度和色度分开处理,因为人眼对亮度细节更敏感,因此可以减少色度采样来降低数据量。
怎么读
| 格式 | 色度保留 | 常见用途 |
|---|---|---|
| 4:4:4 | 水平和垂直方向都保留完整色度 | 后期、图形、文字边缘、高质量母版 |
| 4:2:2 | 水平方向减少色度采样 | 摄像、广播、制作链路 |
| 4:2:0 | 水平和垂直方向都减少色度采样 | Web、App、点播、直播分发 |

怎么判读
4:2:0 并不等于“画质差”。对自然照片和普通视频,它能明显减少色度数据,同时视觉损失往往较小,因此是消费级分发的常见选择。
但桌面文字录屏、细小彩色字体、色键抠像和后期合成对色度边缘更敏感,4:2:0 更容易出现彩边或边缘变软,此时 4:2:2 或 4:4:4 更有价值。
常见误用
不要把色度抽样和位深混为一谈。4:2:0 描述色度的空间采样密度,8-bit/10-bit 描述每个样本的数值精度,两者是不同维度。
码率与帧结构
视频体积主要由平均视频码率、音频码率和时长共同决定;同样分辨率的视频可以因编码效率、内容复杂度和码率策略而相差数倍。
码率与文件大小
视频文件大小最直接受平均视频码率、平均音频码率和时长影响。分辨率只是影响“需要多少码率才能维持目标质量”的因素之一,并不能单独计算体积。
快速估算
忽略容器等少量开销时,可以用:
如果码率使用 bit/s,时长使用秒,结果就是 Byte。工程中常用 Mbps、kbps 时要先统一单位。
例如视频平均码率约 5 Mbps、音频 128 kbps、时长 10 分钟,总平均码率约 5.128 Mbps,粗略体积约 385 MB。实际文件会因为容器开销、VBR 波动和统计方式产生小幅差异。
怎么判读
| 现象 | 优先检查 |
|---|---|
| 同分辨率文件差几倍 | 平均码率、Codec、帧率、内容复杂度 |
| 体积异常大 | 是否误用超高码率、无损/近无损参数 |
| 体积小但很糊 | 码率不足、CRF 太高、重复转码 |
| 静态画面仍很大 | 是否使用不合适的 CBR 或高目标码率 |
建议动作
先确定目标画质,再根据 Codec 和内容做编码测试。不要只按“1080p 固定多少 Mbps”机械配置,因为讲课 PPT、真人访谈、体育比赛和游戏画面的复杂度完全不同。
恒定码率以稳定输出带宽为目标,适合带宽预算明确或实时传输链路;它不保证每个画面的主观质量完全一致,复杂场景可能更容易受限。
CBR
CBR 的目标是让输出码率保持相对稳定,适合带宽预算明确、实时传输或下游系统要求峰值受控的场景。实际编码器通常还会结合缓冲模型,因此“CBR”不一定意味着每一秒都精确相同。
怎么判读
| 特征 | CBR 表现 |
|---|---|
| 带宽占用 | 更容易预测 |
| 简单画面 | 可能分配到比必要更多的数据 |
| 复杂画面 | 在码率受限时更容易出现质量下降 |
| 文件大小 | 在时长固定时较容易估算 |
| 典型场景 | 直播、受限链路、固定带宽输出 |
什么时候选
直播推流、专线传输、硬件编码器以及下游系统对最大码率有明确限制时,CBR 很常用。它的价值是可控性,不是“同体积下画质一定最好”。
离线点播如果目标是尽可能提高平均压缩效率,VBR 或 CRF 通常更灵活,因为编码器可以把更多数据留给复杂片段,把更少数据分给静态片段。
常见误用
不要只设置一个目标码率就认为得到了严格 CBR。不同编码器对 VBV、峰值码率和缓冲区的实现不同,实际输出仍应检查码率曲线和播放器要求。
可变码率会根据画面复杂度调整数据量,在目标平均码率下通常比固定码率更有效率;适合点播、离线转码和允许码率波动的场景。
VBR
VBR 会根据画面复杂度动态分配码率:简单片段少用数据,复杂运动和纹理片段多用数据。它适合点播和离线转码,目标是在给定平均码率或文件大小下取得更好的整体质量。
主要模式
| 模式 | 适合场景 |
|---|---|
| 单遍 VBR | 转码速度优先、无需严格命中文件大小 |
| 两遍 VBR | 需要更准确控制平均码率或最终体积 |
| 受限 VBR | 既允许波动,又限制峰值码率 |
两遍编码第一遍分析复杂度,第二遍据此分配码率,因此更适合“目标体积明确”的离线输出,但会增加转码时间。
怎么判读
如果一个视频前半段是静态 PPT、后半段是高速运动,VBR 可以自然地把码率从静态段转移到复杂段。相同平均码率下,这通常比机械维持固定码率更有效。
常见误用
VBR 不等于“码率无限波动”。真实分发仍可能需要最大码率、缓冲模型和 CDN 带宽约束。为 HLS/DASH 设计多档码率时,也不能只看整文件平均值,还要控制峰值。
CRF 以相对稳定的主观质量为目标,由编码器动态决定码率;适合离线压缩与点播转码,不同编码器的 CRF 数值不能直接横向等价。
CRF
CRF 是常见的恒定质量目标码率控制方式:编码器尽量维持相近的主观质量,并让实际码率随内容复杂度变化。它非常适合离线压缩和点播母文件生成,但不适合需要严格固定带宽的直播链路。
怎么读数值
以常见 x264/x265 编码器为例,CRF 数值越低,通常质量越高、文件越大;数值越高,压缩越强。两者虽然都有类似数值范围,但 同一个 CRF 数字不能跨编码器直接比较画质或体积,AV1 编码器的质量刻度也可能不同。
| 需求 | 动作 |
|---|---|
| 质量优先 | 从较低 CRF 开始测试 |
| 体积优先 | 逐步提高 CRF,并检查细节损失 |
| 需要固定文件大小 | 使用目标码率/两遍编码更直接 |
| 直播固定带宽 | 优先使用受控码率模式 |
怎么选
不要照搬网上的“万能 CRF”。先选 3~5 个有代表性的片段,覆盖静态文字、人物、暗部和高运动,再比较视觉质量、码率与编码耗时。找到满足业务质量阈值的最高 CRF,通常能获得更好的体积收益。
常见误用
CRF 解决的是“质量目标”,不是“最终一定多少 MB”。同样 CRF 下,简单课程视频可能很小,复杂游戏录像可能大很多。
I 帧可独立解码,P/B 帧利用参考画面降低码率;GOP 决定关键帧之间的组织方式,直接影响压缩率、拖动体验和直播延迟。
I、P、B 帧与 GOP
I、P、B 帧描述视频编码中的参考关系,GOP 则描述一组帧如何围绕关键访问点组织。它们直接影响压缩率、随机拖动、直播延迟和错误恢复,是编码与播放之间最重要的结构参数之一。
三类帧怎么理解
| 类型 | 典型参考方式 | 特点 |
|---|---|---|
| I 帧 | 不依赖其他画面预测自身内容 | 数据量通常较大 |
| P 帧 | 利用参考帧预测当前画面 | 压缩效率高 |
| B 帧 | 可利用两个方向的参考列表 | 通常进一步提高压缩效率 |
严格来说,不是所有 I 帧都天然等于安全随机访问点。H.264 中的 IDR、HEVC 中的 IDR/CRA 等随机访问结构更值得关注。

GOP 怎么影响体验
关键帧越频繁,随机拖动和错误恢复越容易,但 I 帧占用更多码率。GOP 过长虽然可能提高压缩率,却会增加 Seek 等待、直播切流和丢包恢复的难度。
做 HLS/DASH 多码率切换时,各档位的关键帧时间点应对齐,否则播放器切换清晰度时可能需要等待更久,甚至出现不连续。