编码与格式 / 系统课时
媒体流与轨道
媒体流与轨道
一个 MP4、MKV 或 MOV 文件并不等于“一段视频”,它通常是一个容器,内部可以同时保存视频、音频、字幕和附件等多条媒体流。本课将用 FFmpeg 构造一个含双音轨的文件,并学会读取流索引、使用 -map 精确选择目标流。
学习目标
- 区分媒体文件、容器、流与轨道之间的关系。
- 看懂 FFmpeg 输出中的全局流索引和类型内索引。
- 使用
ffprobe检查流信息,并用-map选择需要的流。
文件、容器与流的层级
媒体文件是磁盘上的数据载体,MP4、MKV、MOV 等格式负责组织内部内容,因此常被称为容器。容器中的每一路连续媒体数据称为流,例如 H.264 视频流、AAC 音频流或字幕流。
“轨道”更多出现在播放器和封装格式的语境中,例如“中文音轨”“英文音轨”。在 FFmpeg 命令里,实际选择对象通常仍是流。一个双语视频常见的结构是:一条视频流、两条音频流,播放器再把两条音频流展示成可切换的音轨。

FFmpeg 在日志中使用 #输入序号:流序号 标识全局流,例如 #0:1 表示第 1 个输入文件中的第 2 条流。序号从 0 开始,因此不能把 #0:1 理解成“第一条流”。
两种索引规则
全局流索引按容器中的实际排列顺序编号。假设文件依次包含视频、中文音频和英文音频,那么它们通常是 #0:0、#0:1、#0:2。
类型内索引只在同类流中计数。0:v:0 表示第 1 个输入的第 1 条视频流,0:a:0 表示第 1 条音频流,0:a:1 表示第 2 条音频流。类型内索引比全局索引更适合编写稳定命令,因为新增字幕流时,音频的全局位置可能变化,但 a:0 和 a:1 的含义仍然清楚。
常用流类型如下:
| 写法 | 含义 |
|---|---|
v |
视频流 |
a |
音频流 |
s |
字幕流 |
d |
数据流 |
t |
附件流 |
构造并检查双音轨文件
下面的命令生成一个 5 秒蓝色视频,并加入 440 Hz 与 660 Hz 两条 AAC 音频流。-map 明确规定输出文件中保留哪些输入流以及它们的排列顺序。
ffmpeg \
-f lavfi -i "color=c=blue:s=640x360:r=25:d=5" \
-f lavfi -i "sine=frequency=440:sample_rate=48000:duration=5" \
-f lavfi -i "sine=frequency=660:sample_rate=48000:duration=5" \
-map 0:v:0 -map 1:a:0 -map 2:a:0 \
-c:v libx264 -pix_fmt yuv420p \
-c:a aac \
-metadata:s:a:0 language=chi \
-metadata:s:a:0 title="中文音轨" \
-metadata:s:a:1 language=eng \
-metadata:s:a:1 title="English Track" \
-shortest multi-stream.mkv预期结果:
生成 multi-stream.mkv。
文件包含 1 条 H.264 视频流和 2 条 AAC 音频流,时长约 5 秒。使用 ffprobe 只输出流索引、编码类型、编码器名称和音频元数据:
ffprobe -v error \
-show_entries stream=index,codec_type,codec_name:stream_tags=language,title \
-of compact=p=0:nk=0 \
multi-stream.mkv预期输出:
index=0|codec_name=h264|codec_type=video
index=1|codec_name=aac|codec_type=audio|tag:language=chi|tag:title=中文音轨
index=2|codec_name=aac|codec_type=audio|tag:language=eng|tag:title=English Track不同 FFmpeg 版本可能调整字段显示顺序,但三条流的索引、类型和标签应保持一致。
用 -map 精确选择流
如果只想保留视频和英文音轨,可以指定视频 0:v:0 与第二条音频 0:a:1。-c copy 表示不重新编码,只重新封装,因此速度快且不会产生画质损失。
ffmpeg -i multi-stream.mkv \
-map 0:v:0 -map 0:a:1 \
-c copy english-version.mkv预期结果:
生成 english-version.mkv。
输出文件包含 1 条视频流和 1 条英文音频流,不包含中文音频流。省略 -map 时,FFmpeg 会按默认规则自动选择部分流,但默认选择不等于“全部保留”。处理多音轨、多字幕或多机位文件时,应显式写出 -map,避免输出内容随封装顺序变化。
常见误区
#0:1是全局流索引,0:a:1是音频类型内索引,两者不是同一种编号。-map 0表示选择第 1 个输入中的全部流,可能把封面、附件或不需要的字幕一起复制。- 语言和标题属于流元数据,不决定流的真实内容;选择前仍应试听或检查来源。
- 不同容器对字幕、附件和编码格式的支持不同,复制流时可能出现“容器不支持该编码”的错误。