04-概念总览：容器、编码、流、时间基、像素格式¶

这章解决一个初学者最容易卡住的问题：你明明会敲命令，但不知道自己在改什么。

把 FFmpeg 的世界拆成 5 个核心概念，你就能把 80% 的命令行与排错串起来：

容器（container）
编码（codec）
流（stream）
时间（timestamp / timebase）
像素与颜色（pixel format / color）

1. 容器 vs 编码：不要把 mp4 当成 H.264¶

1.1 容器是什么¶

容器可以理解为“文件的包装盒”，它定义：

里面可以装哪些流（视频/音频/字幕/章节/封面图…）
索引、元数据、时间线怎么组织

常见容器：

MP4（.mp4）
Matroska（.mkv）
MPEG-TS（.ts）
FLV（.flv）

1.2 编码是什么¶

编码是“流内容的压缩/表示方式”：

视频编码：H.264/AVC、H.265/HEVC、VP9、AV1…
音频编码：AAC、MP3、Opus…
字幕编码：SRT、ASS、WebVTT…

同一个容器可以装不同编码；同一个编码也能放进不同容器。

1.3 转封装 vs 转码¶

转封装（remux）：只换包装盒，不改内容 → 快、无损
典型命令：-c copy
转码（transcode）：重新编码内容 → 慢、有损（但可改变码率/分辨率/格式）
典型命令：-c:v libx264 / -c:a aac

你要先问自己：我到底要不要改“内容编码”？
如果不需要，就优先转封装。

2. 流（Stream）：一份文件里可能有很多条“轨道”¶

一个媒体文件（容器）里可能同时有：

多路视频（不同角度/不同码率）
多路音频（中英双语）
多路字幕（软字幕）
附加数据（章节、封面图、metadata）

FFmpeg 处理时，最重要的能力之一是：选择你要处理的那条流。

2.1 stream index 与 stream specifier¶

你会看到类似：

Stream #0:0（输入文件 0 的第 0 条流）
Stream #0:1（输入文件 0 的第 1 条流）

选择视频通常用：

-map 0:v:0（第一个输入的第一个视频流）

选择音频通常用：

-map 0:a:0（第一个音频流）
-map 0:a:m:language:eng（语言标签为 eng 的音频流）

2.2 map 的工程意义¶

初学者常见“我明明只想要视频，怎么出来还有音频/字幕”的根因是：

没显式 -map，FFmpeg 用默认策略自动挑流

工程口径：一旦涉及多音轨/多字幕/多输入，尽量显式写 -map。

3. 时间戳：PTS/DTS 到底是啥¶

3.1 PTS 与 DTS 的直觉¶

PTS（presentation timestamp）：这帧应该在什么时候“展示”
DTS（decoding timestamp）：这帧应该在什么时候“解码”

有 B 帧时，解码顺序与展示顺序可能不同，于是 PTS/DTS 会不一样。

3.2 time_base：时间戳不是秒¶

很多字段（尤其是 libav 里）存的不是秒，而是“tick”：

tick 的单位由 time_base 决定（一个分数 num/den）

把 pts 转成秒的通用公式：

seconds = pts * time_base

初学者最容易踩的坑：

把 pts=90000 当成 90000 秒
实际它可能是 time_base=1/90000，那就是 1 秒

3.3 CFR / VFR¶

CFR（constant frame rate）：固定帧率
VFR（variable frame rate）：可变帧率

很多“剪切后音画不同步”“抽帧不均匀”都和 VFR 有关。你要做的是：

先用 ffprobe 判断是否 VFR
需要统一时再转成 CFR

4. 像素格式与颜色：yuv420p / yuv444p / rgba 都是什么¶

4.1 pixel format：数据怎么存¶

常见视频像素格式：

yuv420p：最通用、兼容性最好（H.264/H.265 常见）
yuv422p / yuv444p：色度信息更多，体积更大
nv12：硬件解码/编码常见格式（半平面）

常见图像/渲染像素格式：

rgba / bgra

当你在命令里看到：

-pix_fmt yuv420p

它通常是在解决“设备/播放器兼容性问题”。

4.2 色度采样：4:2:0 是什么¶

直觉：

亮度（Y）更重要，人眼更敏感
色度（U/V）可以更低分辨率存储

yuv420p 典型就是：色度分辨率是亮度的一半再一半。

4.3 色彩空间/色彩范围（只要先记住这一句）¶

初学阶段记住一句工程口径就够：

像素格式（怎么存） 和 色彩空间（怎么解释颜色） 是两码事

如果你遇到“颜色发灰/偏色”，你需要进一步看：

color_primaries / color_trc / colorspace
color_range（full / limited）

这些字段都能用 ffprobe 查出来。

5. 编码质量与体积：CRF/码率/GOP/关键帧¶

5.1 码率（bitrate）¶

码率直觉：

越高通常越清晰，也越大
不同内容复杂度同码率的质量差很多

5.2 CRF（Constant Rate Factor）¶

对 x264/x265 来说，CRF 是最常用的“质量旋钮”：

数值越小越清晰，体积越大
常见起点：x264 用 18~23，x265 用 20~28（仅作直觉，不是标准答案）

5.3 GOP 与关键帧¶

GOP（Group Of Pictures）里包含：

I 帧（关键帧）：能独立解码
P/B 帧：依赖前后帧预测

工程影响：

剪辑/快进：关键帧更密集更好 seek，但体积更大
直播/推流：通常要控制 keyframe 间隔（比如 2 秒一个关键帧）

6. FFmpeg 命令行：最小心智模型¶

一个你能一直复用的思路：

输入：-i ...
选择流：-map ...
处理（两类）：
过滤器：-vf ... / -af ...（改变“内容”）
编码器参数：-c:v ... -crf ... -b:v ...（改变“压缩方式”）
输出容器：out.mp4 / out.mkv / out.ts

很多命令行“看起来很长”，本质就是 2/3 两步参数多。

7. 初学者常见误区（你可以用这张表自查）¶

把 mp4 当编码：mp4 是容器，不是 H.264
不知道文件里有多音轨：没看 ffprobe，也没用 -map
一上来就 -c copy：无损很诱人，但遇到剪切/拼接/同步会很痛苦
把 pts 当秒：一定要结合 time_base 看
只看分辨率不看像素格式：兼容性问题多半出在 -pix_fmt yuv420p