编码与格式 / 系统课时
容器格式结构
容器格式结构
本课解决“编码数据如何被组织成可播放文件或直播流”的问题。你将从容器内部结构出发,分清 MP4、FLV、MPEG-TS 与 Matroska 的组织方式,并能根据点播、直播、弱网传输和多轨需求选择合适格式。
学习目标
- 分清容器格式与音视频编码格式的职责
- 理解四种常见容器的核心组织单元和索引方式
- 能根据播放场景、容错需求和轨道复杂度选择容器
容器格式解决什么问题
编码器输出的是 H.264、H.265、AAC 等压缩数据,但播放器还需要知道每段数据属于哪条轨道、从什么时间开始、如何定位关键帧以及附带哪些元数据。容器负责把这些信息组织在一起,本身通常不改变音视频内容。
因此,同一段 H.264 视频和 AAC 音频可以封装进 MP4、MPEG-TS 或 Matroska。更换容器但不重新编码称为转封装;更换编码格式才属于转码。
四种容器的组织方式

MP4:盒子层级与样本索引
MP4 由一组 Box 组成。ftyp 声明兼容品牌,mdat 保存媒体数据,moov 保存轨道、时间尺度、样本位置和关键帧索引。普通下载场景常把 moov 写在文件尾;需要边下边播时,可将其移动到前部形成 Fast Start 文件。
FLV:按时间顺序排列标签
FLV 由文件头和连续 Tag 构成,常见 Tag 类型包括 Audio、Video 与 Script。每个 Tag 带有时间戳,适合顺序写入和低延迟分发。传统 RTMP 推流传递的音视频消息与 FLV Tag 结构高度对应,因此 FLV 常见于旧式直播链路。
MPEG-TS:固定长度传输包
MPEG-TS 把数据切成固定 188 字节的 TS Packet。不同节目和轨道通过 PID 区分,PAT 与 PMT 描述节目到轨道的映射。固定包长和周期性同步信息便于接收端在丢包后重新对齐,所以它常用于广播、HLS 分片和不稳定网络传输。
Matroska:可扩展的 EBML 层级
Matroska 使用 EBML 组织层级元素,核心结构包括 Segment、Tracks、Cluster 和 Cues。Cluster 保存按时间聚合的媒体块,Cues 提供跳转索引。它对多音轨、多字幕、章节和附件支持较强,常见扩展名是 .mkv;WebM 则是受约束的 Matroska 子集。
如何选择容器
| 主要场景 | 更常见的选择 | 关键原因 |
|---|---|---|
| 通用点播与移动端播放 | MP4 | 兼容性高,索引成熟,便于随机访问 |
| 传统 RTMP 直播链路 | FLV | 顺序标签结构与 RTMP 消息模型接近 |
| 广播、HLS 与弱网传输 | MPEG-TS | 固定包长,丢包后较容易恢复同步 |
| 多轨、多字幕和归档 | Matroska | 结构灵活,轨道与附件能力丰富 |
选择容器时还要同时确认编码兼容性。例如 MP4 常搭配 H.264/H.265 与 AAC,但并非所有编码都能被所有播放器接受;“容器支持”不等于“目标设备一定能播放”。
易混淆点
容器扩展名只是线索,不是绝对保证。文件可能使用错误后缀,也可能缺少关键索引。播放器能否拖动进度条,往往取决于索引是否完整,而不只是媒体数据是否存在。
MPEG-TS 强调连续传输和恢复同步,MP4 强调完整文件与随机访问;Matroska 强调可扩展轨道结构。它们解决的问题不同,不应只按“哪个更新”来比较优劣。