FFmpeg — 几乎所有视频工具背后都藏着它

待复核

是什么

FFmpeg 是一个命令行多媒体处理工具箱。日常类比：它像一个”万能格式厨房”——你把任何格式的音视频原材料（MP4、MKV、WAV、FLAC……）扔进去，告诉它你想要什么口味（转码、剪辑、合并、加字幕、提取音频），它就帮你做好端出来。

具体来说，FFmpeg 包含三个核心组件：

ffmpeg — 命令行转码/处理主程序
ffprobe — 查看文件信息（分辨率、码率、编码格式等）
ffplay — 极简播放器，调试用

底层由三大库支撑：libavcodec（编解码）、libavformat（容器封装/解封装）、libavfilter（滤镜/特效处理）。几乎所有你用过的视频软件——VLC、OBS、剪映、YouTube 后端——底层都在调用这些库。

为什么重要

理解 FFmpeg 的价值在于：

它是事实标准：大量播放器、剪辑软件和内容平台的转码链路直接或间接调用它的库
格式支持最全：能读写几百种音视频格式，几乎没有它不认识的文件
完全免费开源：不需要买 Adobe 许可证就能做专业级的批量视频处理
命令行意味着可以脚本化：写一行命令就能批量处理 1000 个视频，GUI 工具做不到
面试/工作中常见：后端开发、运维、内容平台都会遇到”怎么转码""怎么提取关键帧”这类问题

核心要点

FFmpeg 的工作流程可以用一句话概括：解封装 → 解码 → 滤镜处理 → 编码 → 封装。

解封装（demux）：把容器（如 MP4）拆开，分离出视频流、音频流、字幕流。类比：把快递箱打开，取出里面的物品。
解码（decode）：把压缩的数据还原成原始像素/采样。H.264 压缩的视频变成一帧帧图片，AAC 压缩的音频变成波形数据。
滤镜（filter）：对原始数据做变换——缩放、裁剪、加水印、调色、变速。这一步可选，不需要处理就跳过。
编码（encode）：把处理后的原始数据重新压缩。可以选不同编码器（H.264、H.265、VP9、AV1）和质量参数。
封装（mux）：把压缩后的流重新装进容器。类比：把处理好的物品装进新盒子贴上标签。

关键概念区分：容器是盒子（MP4、MKV、WebM），编码是压缩方式（H.264、AAC）。同一个编码可以装在不同容器里。

实践案例

案例 1：视频转码（最常见操作）

# 把 input.mov 转成 H.264 编码的 MP4，码率 2Mbps
ffmpeg -i input.mov -c:v libx264 -b:v 2M -c:a aac output.mp4

参数解释：-i 输入文件，-c:v 视频编码器，-b:v 视频码率，-c:a 音频编码器。

案例 2：提取音频

# 从视频中提取音频，不重新编码（速度极快）
ffmpeg -i video.mp4 -vn -c:a copy audio.aac

-vn 表示不要视频流，-c:a copy 表示音频流直接复制不重新编码。

案例 3：批量截取缩略图

# 每隔 10 秒截一张图
ffmpeg -i input.mp4 -vf "fps=1/10" thumb_%04d.jpg

-vf 是视频滤镜，fps=1/10 表示每 10 秒取 1 帧。

案例 4：查看文件信息

ffprobe -v quiet -print_format json -show_streams input.mp4

输出 JSON 格式的流信息，适合脚本解析。你可以用 jq 配合提取特定字段，比如只看视频分辨率：

ffprobe -v quiet -print_format json -show_streams input.mp4 | jq '.streams[0].width, .streams[0].height'

案例 5：视频拼接

# 先创建文件列表
echo "file 'part1.mp4'" > list.txt
echo "file 'part2.mp4'" >> list.txt
# 用 concat 协议拼接
ffmpeg -f concat -safe 0 -i list.txt -c copy merged.mp4

-f concat 使用拼接模式，-c copy 避免重新编码。前提是所有片段的编码参数一致。

踩过的坑

不加 -c copy 就会重新编码：很多人只想改容器格式（比如 MKV 转 MP4），写了 ffmpeg -i a.mkv a.mp4，结果等了半小时。正确做法是 ffmpeg -i a.mkv -c copy a.mp4，直接复制流，秒完成。区别在于：不加 -c copy 默认走”解码→编码”全流程，加了就只走”解封装→封装”。
输出文件已存在会卡住等你按 y/n：在脚本里批量跑时程序会卡死。解决：加 -y 参数自动覆盖，或加 -n 跳过已存在的文件。
滤镜顺序影响结果：-vf "scale=1280:720,crop=640:480" 先缩放再裁剪，和 "crop=640:480,scale=1280:720" 先裁剪再缩放，出来的画面完全不同。FFmpeg 滤镜是从左到右串行执行的管道。
硬件加速参数位置错了没效果：-hwaccel cuda 必须放在 -i 前面才生效。放在后面 FFmpeg 会默默忽略，用 CPU 软解，你还纳闷为什么 GPU 利用率为零。

适用 vs 不适用场景

适用：

批量视频转码/格式转换（脚本化处理几百个文件）
从视频中提取音频、截图、生成 GIF
直播推流（FFmpeg 可以直接推 RTMP 到直播平台）
视频拼接、加水印、加字幕
服务端视频处理（内容平台上传后自动转码）

不适用：

需要实时预览的剪辑工作（用 DaVinci Resolve、Premiere 这类 GUI 工具）
复杂的动画/特效制作（用 After Effects、Blender）
需要时间线拖拽的非技术用户（推荐剪映、iMovie）
AI 视频生成/理解（FFmpeg 不做内容生成，只做格式处理）

历史小故事（可跳过）

FFmpeg 诞生于 2000 年，作者是法国程序员 Fabrice Bellard（此人还写了 QEMU 虚拟机和一个用来算圆周率世界纪录的程序）。名字里的 “FF” 是 “Fast Forward”（快进）的意思。

2011 年项目因为内部分歧分裂出 Libav 分支，社区撕了好几年。最终 FFmpeg 凭借更活跃的维护和更快的功能迭代赢回了用户，Libav 逐渐式微。这段历史提醒我们：开源项目的生命力来自持续贡献，而不是一次性的 fork。

如今 FFmpeg 仓库在 GitHub 上有约 5 万 star，累计贡献者超过千人，每周都有活跃提交。它的代码主要是 C 语言，追求极致性能——很多编解码器手写了 SIMD 汇编优化。

学到什么

命令行工具的威力在于可组合和可脚本化——一条命令能替代 GUI 里点几十下鼠标的操作，而且可以写进 CI/CD 流水线
容器和编码是两个独立维度——理解这个区分后，“为什么 MP4 文件有时候播不了”就有答案了（容器支持但播放器不支持里面的编码）
管道思维（pipeline）：输入 → 一系列变换 → 输出，这个模式在 Unix 哲学、数据处理、编译器里到处都是
开源基础设施的影响力：一个项目可以成为整个行业的地基，FFmpeg 证明了这一点

关联

whisper —— OpenAI 语音识别模型，常用 FFmpeg 预处理音频输入
open-sora —— 视频生成项目，生成后的视频需要 FFmpeg 做格式封装
coqui-tts —— 语音合成工具，输出音频常需 FFmpeg 转格式
faster-whisper —— CTranslate2 加速版 Whisper，输入音频需 FFmpeg 解码
docker —— 服务端部署 FFmpeg 转码服务的常见方式
airflow —— 可以编排批量 FFmpeg 转码任务的工作流引擎
halide —— 图像处理 DSL，和 FFmpeg 同属媒体处理基础设施但侧重点不同

反向链接

ant-media-server —— Ant Media Server — WebRTC / CMAF 直播服务
ardour —— Ardour — 把录音、剪辑、混音放进同一个工程
aubio —— Aubio — 用音频信号提取节奏与音高
audacity —— Audacity — 开源音频剪辑里的瑞士军刀
bigbluebutton —— BigBlueButton — 教育向开源 Web 会议平台（HTML5 + WebRTC + 白板）
blender —— Blender — 全流程 3D 创作套件
dash.js —— dash.js — Web DASH 播放器官方参考实现
dav1d —— dav1d — 纯 C 的超快 AV1 解码器
essentia —— Essentia — 音乐信息检索的 C++/Python 工具箱
fdk-aac —— FDK-AAC — Fraunhofer AAC 编解码库
ffmpeg-kit —— FFmpegKit — 把 FFmpeg 装进移动 App 的封装层
flac —— FLAC — 无损音频压缩事实标准
gimp —— GIMP — GNU 图像处理程序
gstreamer —— GStreamer — 用积木管线处理音视频
handbrake —— HandBrake — 把视频转码变成点两下鼠标的事
hls.js —— hls.js — 浏览器里的 HLS 播放库
imagemagick —— ImageMagick — 图像处理瑞士军刀
inkscape —— Inkscape — 矢量图形编辑器
janus-gateway —— Janus WebRTC Gateway — 轻量 WebRTC 服务器和插件底座
jellyfin —— Jellyfin — 自托管媒体服务器
kdenlive —— Kdenlive — KDE 非线性视频剪辑
krita —— Krita — 数字绘画专业编辑器
lame —— LAME — MP3 编码事实标准
libvpx —— libvpx — VP8/VP9 编解码器
minetest —— Minetest (Luanti) — 开源世界的 Minecraft
mlt —— MLT — 藏在 Kdenlive 和 Shotcut 背后的视频编辑引擎
nginx-rtmp-module —— nginx-rtmp-module — 把 NGINX 变成直播入口
nix —— Nix — 函数式声明式包管理与可重复构建
obs-studio —— OBS Studio — 直播推流软件事实标准
opencv —— OpenCV — 计算机视觉库
ovenmediaengine —— OvenMediaEngine — 亚秒级直播流媒体服务器
pillow —— Pillow — Python 图像处理
raylib —— raylib — 极简 C 游戏库
scrcpy —— scrcpy — Android 屏幕镜像 / 录制
shaka-packager —— Shaka Packager — 流媒体打包工具
shaka-player —— Shaka Player — Google 流媒体播放器
shotcut —— Shotcut — 零成本入门视频剪辑的开源选择
sox —— SoX — 命令行音频处理瑞士军刀
streamlink —— Streamlink — 把直播页变成可播的流
svt-av1 —— SVT-AV1 — Intel 主导的 AV1 编码器
video.js —— Video.js — Web 视频播放器框架
vips —— libvips — 流式低内存图像库
whisper —— Whisper — OpenAI 多语言 ASR
x264 —— x264 — H.264/AVC 编码器
x265 —— x265 — HEVC/H.265 编码器
yt-dlp —— yt-dlp — 统一多站点下载器 CLI