编码与格式 / 系统课时
枚举设备支持的像素与音频格式
枚举设备支持的像素与音频格式
摄像头能否输出 1080p、30fps,麦克风能否提供 48kHz 音频,不能仅凭设备名称判断。本课分别在 Windows、macOS 和 Linux 上枚举采集设备,查询像素格式、分辨率、帧率与音频参数,并通过实际采集验证设备是否支持目标组合。
学习目标
- 识别 DirectShow、AVFoundation、V4L2 和常见音频采集接口的适用平台。
- 使用系统工具和 FFmpeg 查询设备名称、视频格式及音频参数。
- 区分设备原生能力、采集时协商的参数与软件转换后的格式。
先确认采集接口与设备能力
不同操作系统使用不同的设备访问接口,FFmpeg 则通过输入设备模块封装这些接口。执行命令前,先确认当前系统和 FFmpeg 构建是否支持相应模块。
| 系统 | 视频采集接口 | 常见音频接口 | 常用查询工具 |
|---|---|---|---|
| Windows | DirectShow(dshow) | DirectShow、WASAPI | FFmpeg、设备管理器 |
| macOS | AVFoundation | AVFoundation、Core Audio | FFmpeg、系统信息 |
| Linux | V4L2 | ALSA、PulseAudio、PipeWire | v4l2-ctl、arecord、pactl、FFmpeg |
先执行以下命令,确认 FFmpeg 已安装,并检查当前编译版本包含哪些输入设备模块。
ffmpeg -version
ffmpeg -devices
ffmpeg -pix_fmts
ffmpeg -sample_fmts预期结果:ffmpeg -version 显示版本与构建信息;ffmpeg -devices 的输入设备列表中可找到当前平台对应的 dshow、avfoundation、v4l2 或 pulse 等模块;后两条命令分别列出 FFmpeg 能识别的像素格式与音频采样格式。
注意:-pix_fmts 和 -sample_fmts 显示的是 FFmpeg 的软件格式能力,不代表摄像头或麦克风逐项支持这些格式。某个模块是否出现也取决于 FFmpeg 的编译选项。
查询时重点记录以下参数:
| 参数 | 示例 | 含义 |
|---|---|---|
| 视频像素格式 | yuyv422、nv12 | 原始像素存储方式 |
| 压缩视频格式 | mjpeg、h264 | 设备输出的压缩码流格式 |
| 分辨率 | 1920×1080 | 单帧宽度与高度 |
| 帧率 | 30 fps | 每秒采集帧数 |
| 音频采样率 | 48000 Hz | 每秒音频采样数 |
| 声道数 | 1、2 | 单声道、双声道 |
| 音频采样格式 | s16、flt | 软件使用的整数或浮点采样表示 |
例如,摄像头支持 mjpeg 的 1920×1080、30fps,不意味着它也支持 yuyv422 的相同组合。音频设备报告 48kHz 也不一定意味着它支持所有声道数和采样位深。
Windows:查询 DirectShow 设备与格式
适用于包含 DirectShow 输入模块的 Windows 版 FFmpeg。先在 Windows 设置的“蓝牙和其他设备 → 摄像头”及“系统 → 声音 → 输入”中确认设备已经被系统识别;不同 Windows 版本的设置入口可能不同。
打开 PowerShell,执行:
ffmpeg -hide_banner -list_devices true -f dshow -i dummy预期结果:FFmpeg 在日志中列出 DirectShow 视频与音频设备,例如 Integrated Camera 和 Microphone (USB Audio Device)。命令最后可能出现无法打开 dummy 输入的错误,这不代表枚举失败,因为 dummy 只是用于触发查询的占位输入名。
将下面的摄像头名称替换为上一条命令实际报告的名称,保留双引号:
ffmpeg -hide_banner -list_options true -f dshow -i 'video=Integrated Camera'预期结果:日志中通常能看到视频设备的支持格式、最小和最大分辨率、对应帧率范围等信息。例如某一模式可能报告 pixel_format=yuyv422,另一模式报告 vcodec=mjpeg。具体数值以实际设备为准。
再查询麦克风:
ffmpeg -hide_banner -list_options true -f dshow -i 'audio=Microphone (USB Audio Device)'预期结果:若驱动提供相应信息,日志会列出音频设备可用的采样率、位深和声道数等组合。不同驱动的输出可能是离散模式,也可能是参数范围。
如果名称中包含引号或特殊字符,优先复制枚举结果中的 Alternative name,并按 PowerShell 字符串规则引用。DirectShow 的 sample_size 是音频采样位深参数,不要与 FFmpeg 内部的 sample_fmt 混为一谈。
macOS:通过 AVFoundation 枚举设备
macOS 使用 AVFoundation 访问摄像头和麦克风。先在“系统设置 → 隐私与安全性 → 摄像头 / 麦克风”确认终端应用具有所需权限;首次实际打开设备时,系统可能弹出授权请求。
在终端执行:
ffmpeg -hide_banner -f avfoundation -list_devices true -i ''预期结果:日志分别列出 AVFoundation video devices 和 audio devices,每个设备通常附带索引。设备序号因电脑、连接状态和系统版本而异,不应写死到跨机器配置中。
AVFoundation 使用 视频索引:音频索引 选择输入,例如索引 0 是摄像头、1 是麦克风时,可以使用 0:1;单独选择视频可使用 0:none。这些索引只是示例,必须以实际枚举结果为准。
与 DirectShow 不同,AVFoundation 输入设备没有通用的 -list_options true 格式枚举选项。可先由系统报告硬件信息,再实际尝试目标采集参数。
system_profiler SPCameraDataType SPAudioDataType预期结果:系统信息中显示能够识别的摄像头和音频设备,以及系统提供的部分硬件属性。该命令通常不会给出完整的像素格式、分辨率与帧率组合表。
下面尝试采集 1280×720、30fps 的视频,不生成文件:
ffmpeg -hide_banner -f avfoundation -framerate 30 -video_size 1280x720 -i '0:none' -t 3 -f null -预期结果:成功时日志显示输入视频流及采集处理进度,约 3 秒后结束。若设备不支持所选模式,AVFoundation 可能报告不支持的配置,并列出部分可用的设备格式。实际成功还要检查输入日志中的分辨率、帧率和像素格式。
Linux:用 V4L2 和音频工具查询具体模式
Linux 下,V4L2 提供摄像头的格式枚举能力,通常比只看 FFmpeg 输入日志更完整。先安装系统发行版提供的 v4l-utils;下列查询假定系统已安装 v4l2-ctl、arecord 和 pactl。
v4l2-ctl --list-devices
v4l2-ctl -d /dev/video0 --list-formats-ext预期结果:第一条列出摄像头名称及 /dev/video* 节点;第二条列出指定节点支持的 FourCC 格式、帧尺寸与帧间隔。例如 YUYV 对应未压缩的 YUV 4:2:2 格式,MJPG 对应 MJPEG 压缩视频。/dev/video0 只是常见示例,有些节点用于元数据而不是图像采集。
使用 FFmpeg 交叉验证:
ffmpeg -hide_banner -f v4l2 -list_formats all -i /dev/video0预期结果:FFmpeg 日志列出可枚举的压缩和非压缩视频格式,以及相关尺寸信息。设备可能以范围或离散值报告尺寸,完整帧率组合建议仍以 v4l2-ctl --list-formats-ext 的输出为主要依据。
接着查询 ALSA 硬件录音设备以及 PulseAudio 或兼容服务暴露的音频输入源:
arecord -l
pactl list short sources
pactl list sources预期结果:arecord -l 列出 ALSA 录音硬件卡及设备编号;pactl list short sources 显示输入源名称、当前采样格式、声道布局、采样率与状态;详细命令还可查看设备属性。
注意,名称含 .monitor 的源通常是音频输出监视源,并非物理麦克风。pactl 显示的当前音频格式通常是音频服务器采用的运行格式,不能直接当作麦克风支持格式的完整清单。
要进一步枚举 ALSA 硬件能力,可根据 arecord -l 返回的卡号和设备号查询:
arecord -D hw:0,0 --dump-hw-params -d 1 -f S16_LE -r 48000 -c 1 /dev/null预期结果:若 hw:0,0 是有效录音设备,会输出 FORMAT、CHANNELS、RATE 等硬件参数集合,并尝试录制 1 秒;如请求配置不受支持,录音可能失败,但硬件参数信息仍有助于定位不兼容之处。卡号与设备号须替换成实际结果,且设备不能被其他程序独占。
验证实际采集格式而不是只看枚举表
设备枚举报告的是驱动暴露的候选能力;实际运行还受接口、带宽、权限、驱动和其他软件占用影响。判断一组参数是否真正可用,需要执行短时间采集,并检查输入流日志。
以 Linux 上的 V4L2 摄像头为例,假设已经确认该设备支持 MJPEG、1280×720、30fps:
ffmpeg -hide_banner -f v4l2 -input_format mjpeg -video_size 1280x720 -framerate 30 -i /dev/video0 -t 3 -f null -预期结果:输入流日志应报告 Video: mjpeg、1280×720 和相应帧率,随后采集约 3 秒并正常结束。具体捕获帧数受设备启动时间和实际帧率影响,不能简单规定必须恰好 90 帧。
音频方面,若 FFmpeg 包含 pulse 输入模块且已配置好 PulseAudio 或兼容服务,可以录制 3 秒默认输入源:
ffmpeg -hide_banner -f pulse -sample_rate 48000 -channels 1 -i default -t 3 -c:a pcm_s16le capture.wav预期结果:当前目录生成约 3 秒的 WAV 文件,音频输出编码为 pcm_s16le。使用以下命令检查文件属性:
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,sample_fmt,sample_rate,channels -of default=noprint_wrappers=1 capture.wav预期输出示例:
codec_name=pcm_s16le
sample_fmt=s16
sample_rate=48000
channels=1这能证明输出文件采用了目标音频参数,却不能单独证明物理麦克风原生以这些参数输出。音频服务器可能已经完成重采样或声道转换。需要确认原生能力时,应结合 ALSA 硬件参数或对应平台的设备接口信息。
常见枚举失败与判定边界
| 现象 | 优先检查 | 处理方式 |
|---|---|---|
| Unknown input format | FFmpeg 构建缺少对应设备模块 | 运行 ffmpeg -devices,安装支持该模块的构建 |
| Device not found | 输入名称或设备节点错误 | 重新枚举并复制完整名称或节点 |
| Permission denied | 摄像头、麦克风或设备节点权限不足 | 检查系统隐私权限及 Linux 设备访问权限 |
| Device busy | 设备被其他程序占用 | 关闭视频会议、录屏或录音程序后重试 |
| Unsupported format | 分辨率、帧率、格式组合不受支持 | 按实际枚举结果选择完整参数组合 |
| 请求 48kHz 仍能录制 | 可能经过音频服务器重采样 | 区分输出参数与硬件原生采样率 |
实际接入采集通路时,建议为每台设备保存一份能力记录:操作系统、采集接口、设备名称或标识、视频格式、分辨率、帧率,以及音频采样率、声道数和采样表示。视频以完整的格式与分辨率、帧率组合为单位记录,音频区分硬件支持参数和服务器转换后的参数。
最后使用一次短时间采集确认目标参数。只有设备枚举结果和实际输入日志相互吻合,才能把该模式作为后续编码、推流或实时播放的可靠输入配置。