编码与格式 / 知识点
视频格式与编码速查手册
播放与流媒体
通过普通 HTTP 下载并逐步播放完整 MP4 文件,部署简单,适合轻量点播;要获得良好起播与拖动体验,还需正确组织元数据并支持 Range 请求。
Progressive MP4
Progressive MP4 指通过普通 HTTP 传输一个完整 MP4 文件,同时播放器在文件尚未全部下载时就开始播放。它部署简单,适合轻量点播,但良好的首播和拖动体验依赖 MP4 元数据组织与 HTTP Range 支持。
成立条件
| 条件 | 作用 |
|---|---|
moov 可在前部读取 |
尽早获得轨道与采样信息 |
| 服务器支持 Byte Range | 拖动时只请求目标区间 |
| 内部 Codec 终端可解码 | 保证音视频真正能播放 |
| HTTP 缓存配置合理 | 减少重复传输 |
快速验证 Range
将 <URL> 替换为实际视频地址:
curl -I -H "Range: bytes=0-1023" "<URL>"预期输出:
HTTP/... 206 Partial Content
Content-Range: bytes 0-1023/<TOTAL>不同 CDN 的响应头顺序和附加字段可能不同,关键是看到 206 Partial Content 和有效的 Content-Range。
什么时候使用
单清晰度、文件不特别长、无需实时自适应切换时,Progressive MP4 很省事。长视频、弱网、多清晰度或直播场景更适合 HLS/DASH,因为分片和 ABR 能提供更强的网络适应能力。
将播放所需的 moov 元数据放到文件前部,使播放器无需等待完整文件即可解析轨道并起播;适合直接通过 HTTP 分发 MP4 的场景。
MP4 Fast Start
MP4 Fast Start 的目标是把播放所需的 moov 元数据移动到媒体数据之前,让播放器尽早知道轨道和采样位置。它特别适合直接通过 HTTP/CDN 分发完整 MP4 的点播场景。
为什么有效
普通 MP4 的媒体数据通常位于 mdat,播放索引等信息位于 moov。如果 moov 在文件尾部,播放器可能要额外请求文件末尾后才能正确 Seek 和起播;Fast Start 将它移到前部,减少这个等待。
用 FFmpeg 处理
以下命令只重新组织 MP4,不重新编码音视频:
ffmpeg -v error -i input.mp4 -c copy -movflags +faststart output-faststart.mp4预期结果:
生成 output-faststart.mp4;若处理成功且没有错误,-v error 模式通常不输出普通进度日志。-c copy 表示 Stream Copy,因此不会因为再次有损编码降低画质。实际文件大小可能因容器结构变化略有不同。
什么时候需要
如果视频通过 Progressive MP4 播放,Fast Start 很值得开启。若内容已经通过 HLS/DASH 分片播放,则播放器依赖的是清单和分片结构,不应把 Fast Start 当成流媒体协议的替代品。
通过播放列表和媒体分片组织点播或直播内容,易于结合 CDN 和自适应码率;常见资源包括 m3u8、TS 或 fMP4 分片。
HLS
HLS 通过播放列表 + 媒体分片组织点播和直播。客户端先读取 .m3u8,再按列表请求 TS 或 fMP4 分片;如果提供多档清晰度,还可以根据网络和缓冲状态进行自适应切换。
文件角色
| 文件 | 作用 |
|---|---|
| Master Playlist | 列出多个码率/分辨率版本 |
| Media Playlist | 列出某个版本的媒体分片 |
| TS / fMP4 Segment | 承载实际音视频数据 |
| Init Segment | fMP4 场景提供初始化信息 |
#EXTM3U
#EXT-X-STREAM-INF:BANDWIDTH=1800000,RESOLUTION=1280x720
720p/index.m3u8
#EXT-X-STREAM-INF:BANDWIDTH=4200000,RESOLUTION=1920x1080
1080p/index.m3u8这是一段 Master Playlist 片段示例。播放器会根据自身策略选择其中一个 Variant,再继续读取对应 Media Playlist。

适用场景
长视频、多清晰度点播、直播和 CDN 分发都很适合 HLS。VOD 播放列表和分片通常可以较长缓存;直播播放列表会持续更新,缓存策略应区别对待。
基于清单与分段媒体实现自适应播放,思路与 HLS 类似;更适合开放标准路线,实际采用应结合目标终端、播放器和 DRM 体系判断。
MPEG-DASH
MPEG-DASH 和 HLS 一样,通过清单 + 分段媒体实现自适应流媒体。它使用 MPD 描述可用的 Period、Adaptation Set、Representation 和分片信息,播放器据此选择合适的音视频版本。
核心对象
| 对象 | 含义 |
|---|---|
| MPD | 整个 DASH 演示的描述清单 |
| Adaptation Set | 一组可替换的音频、视频或字幕资源 |
| Representation | 某个具体码率、分辨率、Codec 版本 |
| Segment | 可独立请求的媒体分片 |
<AdaptationSet contentType="video">
<Representation id="720p" bandwidth="1800000" width="1280" height="720" />
<Representation id="1080p" bandwidth="4200000" width="1920" height="1080" />
</AdaptationSet>这是结构片段示例,用于说明一个视频 Adaptation Set 下可以提供多个 Representation。真实 MPD 还需要分片模板、初始化段等完整信息。
怎么选择
如果你的播放器、终端和 DRM 体系明确支持 DASH,它适合标准化的自适应点播和直播。Apple 生态中的原生分发通常更偏向 HLS,因此跨平台产品经常需要根据终端分别提供协议或使用兼容播放器层。
常见误用
不要把 DASH 与 Codec 绑定。DASH 是分发协议,底层视频仍可以使用不同编码。协议选型和 Codec 选型是两个独立层级。
播放器根据带宽、缓冲和设备状态在多个清晰度档位间切换;前提是服务端提前准备合理的分辨率与码率梯度,并保持时间轴对齐。
ABR 自适应码率
ABR 的目标是让播放器在不同网络和设备条件下,从多个清晰度/码率版本中动态选择最合适的一档。它解决的是“同一个视频如何适应变化中的带宽”,而不是单纯把视频切成多份。
必要条件
| 条件 | 原因 |
|---|---|
| 多个码率/分辨率版本 | 才有切换空间 |
| 时间轴一致 | 切换后仍播放同一时刻 |
| 关键帧边界尽量对齐 | 降低切换等待和解码不连续 |
| 分片长度合理 | 平衡延迟、请求数与缓存效率 |
| 带宽梯度有明显区分 | 避免相邻档位收益过小 |

怎么判读梯度
如果 720p 与 1080p 的码率几乎一样,或者 360p 仍然很高码率,ABR 就失去了意义。每一档都应该在画质、码率和设备分辨率之间形成真实差异。
播放器并不只看即时测速,还会结合缓冲区、历史吞吐、解码能力和切换稳定性,因此不能把 ABR 简化成“网速大于多少就切 1080p”。
建议动作
先用真实内容建立编码 Ladder,再通过播放指标观察首帧时间、卡顿率、平均码率和清晰度分布,持续调整档位,而不是一次性套固定表。
场景选择
优先考虑 MP4 + H.264 + AAC 作为高兼容基线;当带宽成本明显或高分辨率内容较多时,再评估 HEVC、AV1 与流媒体分发方案。
普通 Web 与 App 点播
普通 Web 与 App 点播优先解决的是兼容、首播速度和维护成本。在终端范围较广且没有特殊压缩目标时,MP4 + H.264 + AAC 是常见的高兼容基线。
推荐组合
| 层级 | 建议起点 |
|---|---|
| 容器 | MP4 |
| 视频编码 | H.264 / AVC |
| 音频编码 | AAC |
| 色度抽样 | 常见 4:2:0 |
| 播放方式 | 短视频可 Progressive MP4,长视频可 HLS/DASH |
这不是唯一正确答案,而是一个容易落地的默认组合。若用户设备较新、带宽成本明显,可以增加 HEVC 或 AV1 版本,并通过能力探测选择。
怎么判断是否需要流媒体
单个文件、视频较短、无需自动切清晰度时,Progressive MP4 足够简单。视频较长、存在弱网用户、需要 360p/720p/1080p 自动切换时,HLS 或 DASH 更合适。
需要验证
上线前至少测试目标浏览器和系统版本的容器解析、视频硬解、音频解码、Seek、后台前台切换和弱网行为。不要只在桌面 Chrome 播通一次就认为 App 端也安全。
优先控制分辨率、帧率和码率,再选择 H.264 或高效率编码;竖屏内容通常使用 9:16,避免无意义升帧和超过源质量的高分辨率转码。
移动短视频
移动短视频更关注首屏、滑动切换、流量和功耗。编码参数应先匹配真实显示尺寸和源素材,再决定 Codec;不能为了“看起来高清”盲目上 4K、60 FPS 或超高码率。
推荐判断
| 项目 | 建议 |
|---|---|
| 画幅 | 竖屏内容常见 9:16,但以实际产品 UI 为准 |
| 分辨率 | 根据源素材和设备尺寸选择,常见 720p/1080p 级别 |
| 帧率 | 跟随源素材,普通内容常见 30 FPS |
| 编码 | H.264 兼容优先;新设备可评估 HEVC/AV1 |
| 码控 | 离线点播可优先 CRF/VBR,再控制峰值 |
短视频连续滑动时,同屏只展示一条,但播放器通常会预加载下一条,因此单文件体积、首分片大小和 CDN 命中率都会直接影响体验。
常见误用
把 30 FPS 源视频升到 60 FPS、把 720p 源视频上采样到 1080p,都不会凭空增加真实细节,却会提升编码和网络成本。
建议动作
为“人物口播、产品展示、高运动内容”各挑代表样本做参数 A/B 测试,比较首帧时间、平均流量和主观画质,再决定默认档位。
更适合准备多清晰度版本并使用 HLS 或 DASH 分发,通过 CDN 缓存媒体分片;高热内容可评估 HEVC 或 AV1 以降低长期带宽成本。
长视频点播
长视频播放时间长、网络状态变化多,单一 MP4 固定清晰度更容易出现“弱网卡顿、高速网络又浪费画质”的问题。因此通常更适合多清晰度 + HLS/DASH + CDN 的组合。
推荐结构
| 组件 | 作用 |
|---|---|
| 高质量源文件 | 作为所有转码版本的来源 |
| 多清晰度 Ladder | 覆盖不同网络和屏幕 |
| HLS/DASH | 组织分片与 ABR |
| CDN | 缓存热点分片,减少源站压力 |
| H.264/HEVC/AV1 | 根据终端与成本提供一到多种 Codec |
编码策略
所有清晰度应从同一高质量源文件独立生成,并让时间轴、关键帧和分片边界保持合理对齐。热门内容可以额外生成高效率 Codec,以降低长期 CDN 流量;冷门内容则未必值得承担额外转码成本。
缓存与更新
VOD 的媒体分片通常是不可变资源,适合长缓存;播放列表若发布后不再变化,也可以较长缓存。资源更新时优先使用版本化 URL,而不是反复覆盖同一路径后依赖全网刷新。
常见误用
不要把所有内容统一转成 4K、1080p、720p、480p 四档。源分辨率不足或用户设备很少使用某一档时,这些转码只会增加存储和计算成本。
直播更关注稳定码率、关键帧间隔和端到端延迟;常见方案包括 HLS、低延迟 HLS 或 WebRTC,应根据互动性、规模和延迟目标选择。
直播
直播编码更关注持续稳定、关键帧节奏和端到端延迟,不能直接照搬离线点播的 CRF 与长 GOP 方案。协议选择也取决于观众规模和互动要求。
协议怎么选
| 场景 | 常见方向 |
|---|---|
| 大规模普通直播 | HLS,CDN 生态成熟 |
| 需要更低延迟且仍走 HTTP/CDN | LL-HLS |
| 强互动、连麦、实时通信 | WebRTC |
| 企业内部受控链路 | 可按现有推拉流体系选择 |
HLS 的优势是分发规模和缓存能力,代价是传统模式延迟较高;LL-HLS 通过更细粒度传输降低延迟;WebRTC 更适合亚秒级互动,但服务器和网络架构也更复杂。
编码重点
直播通常需要受控码率、稳定关键帧间隔和与分片策略匹配的 GOP。码率太高会在网络抖动时迅速堆积;关键帧过少则会增加起播、切流和错误恢复时间。
怎么验证
不要只看主播端输出正常。应同时观察推流端编码、上行带宽、服务端转封装、CDN、播放器缓冲和端到端延迟,才能定位卡顿真正发生在哪一层。
高质量源视频负责保留后续再编码能力,转码产物负责具体终端播放;不建议只保留低码率成品,否则后续新增清晰度会发生再次有损编码。
源文件与转码产物
视频资源最好分成“高质量源文件”和“面向播放的派生版本”。源文件负责保留未来重新转码的可能,转码产物则为具体终端、清晰度、Codec 和协议服务。
推荐层级
| 资源 | 主要职责 |
|---|---|
| Source / Mezzanine | 保存高质量内容,作为唯一再编码来源 |
| Rendition | 360p、720p、1080p、4K 等播放档位 |
| Codec Variant | H.264、HEVC、AV1 等兼容或高效率版本 |
| Manifest | HLS/DASH 播放列表或 MPD |
| Segment | TS/fMP4 等具体媒体分片 |
| 辅助资源 | 字幕、封面、缩略图、预览图 |

为什么要保留源文件
如果只保存已经压成低码率的 720p 成品,将来新增 1080p 或 AV1 版本时只能从有损成品再次编码,无法恢复丢失的细节,而且重复有损压缩会继续累积失真。
源文件不一定等于相机原始 RAW。实际平台可以选一个质量足够高、规范统一的 Mezzanine 作为长期母版,在质量与存储成本之间取平衡。
生命周期建议
冷门源文件可以进入低频或归档存储,热门转码版本保留在标准存储和 CDN。派生版本理论上可重新生成,因此其生命周期可以比源文件更灵活。