编码与格式 / 系统课时

处理时间戳起点与轨道时长偏移

处理时间戳起点与轨道时长偏移

同一个媒体文件中,视频可能从 0 秒开始,音频却从 0.08 秒开始,甚至出现负时间戳。只看容器总时长,很难发现这种差异。本课使用 FFprobe 检查轨道起点、持续时间和数据包时间戳,再通过 FFmpeg 演示时间轴归零及偏移修正,并验证封装后的播放结果。

学习目标

  • 区分容器与轨道的起始时间、持续时间,以及 PTS、DTS 的作用。
  • 使用 FFprobe 定位负时间戳、音视频起点偏移和时长不一致。
  • 根据实际问题选择时间戳修正方式,并验证同步与文件尾部完整性。

理解媒体时间轴的三个关键量

媒体容器中的音视频通常具有各自的时间基和时间戳。容器显示的开始时间与总时长,不代表每条轨道都在相同时间开始或结束。

需要区分三个量:

  • start_time:轨道或容器报告的起始呈现时间,单位为秒。它不一定等于第一包的 DTS,也不保证所有容器都提供。
  • duration:对应轨道或容器报告的持续时间。容器时长不能直接当作每条轨道的有效内容长度。
  • time_base:时间戳的计量单位。例如 1/90000 表示一个时间戳单位是 1/90000 秒。

视频还要区分 PTS(呈现时间戳)与 DTS(解码时间戳)。包含 B 帧时,解码顺序可能与显示顺序不同,因此 DTS 可以早于 PTS。负 DTS 不等于观众会看到负时间的画面,也不一定表示文件损坏。

假设一段视频的时间轴如下:

项目 视频轨道 音频轨道
起始时间 0.000 s 0.080 s
持续时间 10.000 s 9.920 s
结束位置 10.000 s 10.000 s

两条轨道的结束位置一致,但音频晚开始 80 ms。如果播放器按时间戳同步,开头约 80 ms 没有对应的音频内容。直接删除时间戳或分别将两条轨道归零,可能反而改变原有同步关系。

视频与音频轨道的起点偏移时间轴

使用 FFprobe 检查实际起点与时长

以下命令适用于安装了 FFmpeg 和 FFprobe 的常见 6.x、7.x、8.x 版本环境。先用 ffprobe -version 确认程序可用,再准备待检查的 input.mp4。

使用终端查看容器及各条流的信息:

bash
ffprobe -v error -show_entries format=start_time,duration:stream=index,codec_type,time_base,start_pts,start_time,duration_ts,duration -of json input.mp4

预期结果:命令成功时输出 JSON,具体字段与数值依赖媒体文件。下面是便于理解的示例,不代表所有 MP4 都具有这些字段:

json
{
  "streams": [
    {
      "index": 0,
      "codec_type": "video",
      "time_base": "1/1000",
      "start_pts": 0,
      "start_time": "0.000000",
      "duration_ts": 10000,
      "duration": "10.000000"
    },
    {
      "index": 1,
      "codec_type": "audio",
      "time_base": "1/1000",
      "start_pts": 80,
      "start_time": "0.080000",
      "duration_ts": 9920,
      "duration": "9.920000"
    }
  ],
  "format": {
    "start_time": "0.000000",
    "duration": "10.000000"
  }
}

实际检查时重点计算两个差值:轨道起点差为音频 start_time 减视频 start_time;每条轨道的粗略结束位置为其 start_time 加 duration。在示例中,起点差为 0.080 秒,两条轨道的结束位置都是 10 秒。

但这些值属于流或容器的报告信息,可能受容器索引、编辑列表和时长估算影响。要确认真正的数据包时间顺序,还需继续检查包级时间戳。

定位负时间戳与非单调时间戳

FFprobe 的 -show_packets 可以显示每个压缩数据包的 PTS、DTS 与持续时间。先分别查看音视频,避免只检查视频而漏掉音频偏移。

bash
ffprobe -v error -select_streams v:0 -show_packets -show_entries packet=pts_time,dts_time,duration_time,flags -of csv=p=0 input.mp4

预期结果:每行对应一个视频包,实际行数和时间戳取决于文件。例如,存在 B 帧重排的视频可能显示:

text
0.000000,-0.080000,0.040000,K_
0.120000,-0.040000,0.040000,__
0.040000,0.000000,0.040000,__
0.080000,0.040000,0.040000,__

这组数据是说明时间戳排序的示例:显示时间 PTS 不必按解码包顺序递增,但同一视频流的 DTS 应符合解码时间顺序要求。负 DTS 可由编码器重排产生,不能仅凭这一项判断封装错误。

音频可以用对应命令检查:

bash
ffprobe -v error -select_streams a:0 -show_packets -show_entries packet=pts_time,dts_time,duration_time -of csv=p=0 input.mp4

预期结果:如果音频第一个包从 0.080 秒开始,可能看到如下开头,后续数据包持续递增:

text
0.080000,0.080000,0.020000
0.100000,0.100000,0.020000
0.120000,0.120000,0.020000

采样率、编码帧长和封装格式不同,音频包时长也会不同,不能把 20 ms 当作通用值。

如果 FFmpeg 在重新封装时出现 Non-monotonous DTS 警告,应检查同一输出流的时间戳是否出现回退、重复,或者拼接片段是否使用了不连续的时间轴。不要把这类问题简单归结为存在负时间戳。

选择正确的时间戳修正方式

修正前先判断偏移是正常同步信息,还是采集、剪辑、拼接或封装产生的异常。

现象 优先处理方式 需要避免的操作
两轨固定偏移且播放同步 保留原始相对偏移 各自归零造成同步变化
需要统一从零开始的输出时间轴 重新编码并统一设置输出时间戳 误以为单纯改容器元数据就能补齐内容
只有音频整体晚约 80 ms 确认是内容延迟还是时间戳延迟后再调整 未验证就补静音或删除音频
尾部音视频长短不一致 检查真实样本范围与结束策略 只修改时长字段掩盖缺失内容

如果输入音视频原本同步,只是整个节目有一个非零时间戳起点,可以尝试重新编码并将输出呈现时间归零:

bash
ffmpeg -i input.mp4 -map 0:v:0 -map 0:a:0 -vf "setpts=PTS-STARTPTS" -af "asetpts=PTS-STARTPTS" -c:v libx264 -crf 20 -preset medium -c:a aac -b:a 192k normalized.mp4

预期结果:命令成功后生成 normalized.mp4。视频与音频各自以其首个输出时间戳为基准重新计时。该命令适合希望两条轨道分别从零开始且允许重编码的情况,不适用于必须保留原始 80 ms 相对偏移的素材。编码延迟、MP4 编辑列表和时间基换算可能使 FFprobe 报告的起点仍有细微差异。

对于要保留既有同步、只希望处理封装层负时间戳的情况,可以先尝试重新封装:

bash
ffmpeg -i input.mp4 -map 0 -c copy -avoid_negative_ts make_zero remuxed.mp4

预期结果:成功时生成 remuxed.mp4,FFmpeg 会根据所选模式尝试移动输出时间戳,使时间戳避免为负。它不会解码或生成缺失的音视频数据;实际移动效果受封装器、流和时间戳处理方式影响,不能保证所有轨道的 start_time 精确为零。

验证起点修正与尾部完整性

时间戳修正不能只以 FFmpeg 返回成功作为验收条件。对输出文件执行三个检查:

  1. 使用前面的 FFprobe 流信息命令,记录各轨道 start_time、duration 与计算得到的结束位置。
  2. 使用包级检查命令确认关键轨道没有异常回退,并检查首包与末包时间戳。包级结束位置可按最后呈现包的 PTS 加其持续时间估算,但 B 帧排序、音频跳过采样和编辑列表需要额外考虑。
  3. 使用播放器检查开头 1 秒及结尾 1 秒,确认没有明显唇音不同步、首帧黑屏、异常静音或提前截断。

还可以使用 FFmpeg 进行完整解码检查:

bash
ffmpeg -v error -i normalized.mp4 -f null -

预期结果:如果解码过程中没有检测到需要报告的错误,终端通常没有错误文本且进程正常退出。该命令验证解码过程,并不证明音画完全同步。

对 25 fps 视频而言,一帧约 40 ms;80 ms 相当于两帧,已经值得对齐画面动作与声音进行人工核验。对要求较高的口型同步场景,还应使用拍板声、闪光或明确的同步事件测量实际时间差,而不是只比较容器中的时长数字。

判断最终结果时,应同时看三项:轨道起点是否符合预期、音视频相对时间是否正确、实际内容是否完整。仅让 start_time 看起来变成零,不能证明封装与播放问题已经解决。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

处理时间戳起点与轨道时长偏移

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通