编解码入门：为什么一部 4K 电影只要 5GB？
第 2 章 · VOD 流媒体技术全解（2/12）
本章你会理解：视频编码到底是什么、为什么能压缩几十倍、H.264 / H.265 / AV1 / VP9 到底谁更好、怎么用 ffmpeg 压一段视频。
预计阅读时间：25 分钟
2.1先算个账：不压缩的视频有多大
回忆上一章算过的：
一段 1080p、30fps、YUV 4:2:0、8-bit 的未压缩视频：
每秒大小 = 1920 x 1080 x 1.5（YUV 4:2:0 是 RGB 的一半） x 30 / 1024² ≈ 89 MB/秒
所以：
- 1 分钟视频 ≈ 5.3 GB
- 90 分钟电影 ≈ 480 GB
- 4K 电影（4 倍像素、30fps） ≈ 1.9 TB
Netflix 真实的 4K 电影文件一般 5-15 GB。也就是说——
编码把视频压缩到了原始大小的 1% 以下。
这不是魔法，是几十年的数学成果。我们来看它怎么做到的。
2.2编码与解码：两个对称的过程
- 编码（Encode）：把大文件压成小文件 → 慢，要消耗大量 CPU/GPU
- 解码（Decode）：把小文件还原成画面 → 快，手机芯片一般都有专门硬件
编码器（Encoder） 和 解码器（Decoder） 合称 Codec（编解码器）。
为什么编码比解码慢那么多？
编码要"尝试所有可能性找最佳压缩方案"，解码只要"按压缩方案的说明还原"。
这就像快递打包一件异形物品——打包的人要精心折叠省空间，开箱的人撕开胶带就行。
2.3视频压缩的两把斧
压缩视频主要靠两种方式：
斧 1：帧内压缩（Intra-frame）
把一张图片本身压缩。原理和 JPEG 基本一样：
- 人眼对低频信息（大面积色块）敏感、对高频信息（细节噪点）不敏感
- 用 DCT（离散余弦变换） 把图片从像素域转到频率域
- 把不重要的高频系数扔掉或用少的 bit 存
类比：就像你记电话号码"13912345678"时，前面"139"是运营商前缀（重要），后面数字随机（可以精确记忆）。一张图片里大面积的蓝天也类似——主色调很重要，每朵云的边缘细节可以概括。
这种压缩对每一帧独立进行，得到的帧就是 I 帧。
斧 2：帧间压缩（Inter-frame）
利用"相邻帧之间几乎一样"这个特点，只存差异。
具体做法叫 运动估计（Motion Estimation）+ 运动补偿（Motion Compensation）：
1. 把画面切成小方块（宏块 Macroblock，典型 16x16 或 8x8 像素）
2. 对每一个方块，在前一帧里搜索"最像它的"位置
3. 只记录运动向量（向左/右/上/下偏了多少像素）+ 残差（细微差异）
类比：摄像师拍摇头镜头，画面整体向右平移 → 编码器发现所有方块都向右移 20 像素，只要记录一次"20 像素"而不是重新存每个方块。
帧间压缩效率远远高于帧内压缩，视频比 JPEG 图片序列小几十倍就是这个原因。
2.4编码的其他技巧（不用细记，了解即可）
现代编码器还会：
| 技巧 | 做什么 | 效果 |
|---|---|---|
| 变换（Transform） | DCT / Integer Transform 把像素变成频率系数 | 方便后续量化 |
| 量化（Quantization） | 把频率系数除以一个整数、四舍五入 | 画质主要损失点、也是压缩主力 |
| 熵编码（Entropy Coding） | CABAC / CAVLC：用更少的 bit 存常见符号 | 无损压缩最后一步 |
| 环路滤波（In-loop Filter） | 去除块效应（Blocking Artifact） | 画面更平滑 |
| SAO / ALF（H.265+） | 自适应采样偏移 | 减少锐利边缘的伪影 |
| Multi-reference | P/B 帧可参考多张历史帧 | 更准的预测 → 更小的残差 |
这些你在实际工程中只要通过参数开关就可以，不需要自己实现。
2.5五大主流编码一览
从老到新：
H.264 / AVC（2003）：全球通用的"老黄金标准"
- 全名：H.264 / MPEG-4 Part 10 / Advanced Video Coding (AVC)
- 谁定的：ITU-T + ISO/IEC MPEG 联合
- 兼容性：几乎所有能播视频的设备都支持
- 压缩效率：基准（我们用它作为比较基线）
- 专利：付费（MPEG LA 专利池），但已成行业默认
- 适合：兼容性第一、算力受限的场景
H.264 已经 20 多年了，依然是 YouTube、Facebook、Zoom 的首选兜底编码。
H.265 / HEVC（2013）：压得更狠，但授权让人头大
- 全名：H.265 / MPEG-H Part 2 / High Efficiency Video Coding (HEVC)
- 压缩效率：相同画质下比 H.264 省约 37% 码率（高分辨率场景研究数据）
- 专利：混乱且昂贵——三个专利池（MPEG LA、HEVC Advance、Velos Media）+ 很多未池化专利
- 硬解：iPhone 7+（2016）、安卓 6+ 主流新机、大部分 4K 电视
- 适合：苹果生态、4K 流媒体、对存储/带宽成本敏感的场景
HEVC 授权乱象是它在 Web 端推行缓慢的根本原因。Chrome、Firefox 都曾经拒绝支持。
VP9（2013）：Google 的免费替代
- 全名：VP9，不是字母缩写
- 谁做的：Google（买了 On2 Technologies 后自研）
- 压缩效率：接近 H.265
- 专利：免版税
- 主要用途：YouTube、Google Meet
- 硬解：安卓、Chromecast、部分智能电视；iOS 不原生支持
AV1（2018）：免版税下一代
- 全名：AOMedia Video 1
- 谁做的：AOMedia 联盟（Google、Netflix、Meta、Amazon、Cisco、微软、Intel、苹果等巨头）
- 压缩效率：比 H.264 省约 53%、比 H.265 再省约 25%（同研究数据集）
- 专利：免版税
- 硬解：iPhone 15 Pro+（2023）、Pixel 6+、骁龙 8 Gen 2+、Intel Arc、NVIDIA RTX 40 系；2024 后大量普及
- 编码速度：早期 SVT-AV1 等工程实现大幅改善；现在 CPU 编码成本约是 H.265 的 2-5 倍
Netflix、YouTube、TikTok、Meta 都在把 AV1 作为未来主流。
H.266 / VVC（2020）：最新一代，还没普及
- 压缩效率：比 H.264 省约 78%、比 AV1 再省约 25-30%
- 硬解：2024 起旗舰手机开始带，消费级设备覆盖率仍很低
- 适合：观望
对比表
| H.264 | H.265 | VP9 | AV1 | H.266 | |
|---|---|---|---|---|---|
| 年份 | 2003 | 2013 | 2013 | 2018 | 2020 |
| 压缩效率（vs H.264） | 基准 | +37% | ~+30% | +53% | +78% |
| 编码速度 | 最快 | 中 | 中 | 慢 | 极慢 |
| 解码负担 | 最轻 | 中 | 中 | 较重 | 重 |
| 兼容性 | 极高 | 高 | 中（Web） | 中且增长中 | 低 |
| 专利费 | 付费 | 高且乱 | 免 | 免 | 付费 |
37%、53%、78% 都不是"普适保证"！
这些数字来自特定测试集、特定分辨率、特定质量指标（如 BD-rate with VMAF/PSNR）。不同内容类型（动画 vs 实拍 vs 游戏录屏）下差距很大。不要拿来当产品宣传的绝对值。
数据来源：Topiwala, Kulupana, Krishnan, Performance Comparison of VVC, AV1, HEVC and AVC for High Resolutions (ResearchGate 2024)。
2.6实际项目怎么选编码？
一个实用的决策树：
实际常见组合（Bitrate Ladder + 编码组合）
一份常见的短剧 APP 编码策略：
| 档位 | 分辨率 | H.264 码率 | H.265 码率 | AV1 码率（旗舰机） |
|---|---|---|---|---|
| Low | 360p | 500 kbps | 350 kbps | 250 kbps |
| Mid | 540p | 900 kbps | 650 kbps | 480 kbps |
| Main | 720p | 1.5 Mbps | 1.0 Mbps | 750 kbps |
| High | 1080p | 3.5 Mbps | 2.2 Mbps | 1.6 Mbps |
2.7动手：用 ffmpeg 压一段视频
动手试一试：下面每个命令你都可以复制到终端试跑。
准备一个输入文件 input.mov。
① 最简：H.264 默认参数
- -i input.mov：输入
- -c:v libx264：视频编码用 x264（H.264 的开源实现）
- output.mp4：输出文件
② 用 CRF 控制质量
参数解释：
| 参数 | 含义 |
|---|---|
| -preset medium | 编码速度档位。可选 ultrafast/superfast/veryfast/faster/fast/medium/slow/slower/veryslow。越慢 = 压得越狠（同质量下文件更小） |
| -crf 23 | 质量目标，范围 0-51。数字越小画质越好、文件越大。日常 18-28 之间，23 是默认。 |
| -c:a aac -b:a 128k | 音频用 AAC、128 kbps |
CRF 速记：
- CRF 18：视觉无损（普通人看不出差异）
- CRF 23：高质量（推荐日常使用）
- CRF 28：能接受（明显可见的压缩痕迹）
③ 为流媒体做"关键帧对齐 + faststart"
做 VOD 发布时一定要加：
新增参数：
| 参数 | 为什么 |
|---|---|
| -g 60 -keyint_min 60 | 每 60 帧一个 I 帧。30fps 就是 2 秒一个 GOP，方便切片。 |
| -sc_threshold 0 | 禁用场景切换自动插 I 帧；保证所有码率档位 I 帧位置一致。 |
| -movflags +faststart | 把 MP4 的"目录表"（moov box）放到文件开头，支持边下边播。 |
| -profile:v high -level 4.0 | 兼容性设置；Level 4.0 支持到 1080p30。 |
④ H.265 压同样一段
注意：
- H.265 的 CRF 要比 H.264 加大约 3-5 才得到相近画质（26 ≈ H.264 的 22）
- -tag:v hvc1 让 Apple 设备能正确识别。否则 iOS/Safari 可能拒绝播放。
⑤ 对比实验：量化压缩效果
假设原片 1 分钟 4K mov 大约 2 GB。你压出来：
| 命令 | 输出大小 | 相对 |
|---|---|---|
| 不压缩 YUV | ~2 GB（源） | 100% |
| H.264 CRF 23 | ~30 MB | 1.5% |
| H.264 CRF 18 | ~80 MB | 4% |
| H.265 CRF 26 | ~18 MB | 0.9% |
| AV1（SVT-AV1 preset 8） | ~12 MB | 0.6% |
压缩率高达 100-500 倍，但在手机屏幕上肉眼几乎看不出差别。
2.8Per-Title、Per-Shot 编码：Netflix 的黑科技
默认做法是"所有视频都用同一套码率阶梯"：所有电影都出 360p@500k / 720p@1500k / 1080p@4000k。但：
- 一部卡通片（大色块、少细节）在 1080p@1000k 就够好看
- 一部演唱会（闪烁灯光、快速运动）1080p@5000k 可能还有压缩痕迹
让每一部电影有自己的最优码率阶梯，就是 Per-Title Encoding（Netflix 2015 年提出）：
Per-Shot / Dynamic Optimizer（Netflix 2018）更狠：
把一部电影按"镜头"切开（场景检测），每个镜头都用自己最优的码率和编码参数。
Netflix 用 VMAF（他们自研的感知质量分数）作为优化目标，声称做到同质量再省 17% 码率。
这需要你做吗？
中小平台用云厂商的"智能转码模板"（阿里云 "窄带高清"、腾讯云 "极速高清"、AWS MediaConvert "QVBR"）就能享受大部分收益，不用自研。Netflix 那套是针对数亿订阅用户规模才值得。
2.9硬编码 vs 软编码
| 方式 | 说明 | 速度 | 画质 | 适合场景 |
|---|---|---|---|---|
| 软编码（CPU） | libx264/libx265/SVT-AV1 | 慢 | 最好 | VOD 离线转码、需要极致质量 |
| 硬编码（GPU/ASIC） | NVIDIA NVENC、Intel QSV、Apple VideoToolbox | 快 5-50 倍 | 略差 | 直播、实时转码、低延迟 |
VOD 优先用软编码：你不用赶时间，多花几小时压一次能永久省带宽。
直播必须硬编码：不能让 1 秒的直播花 10 秒去编码。
2.10VMAF、PSNR、SSIM：衡量"画质"的三把尺子
怎么知道压缩后的视频"好不好看"？不能全靠人眼。
| 指标 | 全称 | 原理 | 范围 | 和人眼相关性 |
|---|---|---|---|---|
| PSNR | Peak Signal-to-Noise Ratio | 像素级差异 | 0-∞ dB（越大越好） | 弱 |
| SSIM | Structural Similarity | 考虑亮度/对比度/结构 | 0-1（越大越好） | 中 |
| VMAF | Video Multi-Method Assessment Fusion | 机器学习融合多特征 | 0-100（越大越好） | 强 |
VMAF 是 Netflix 开源的，工业界公认与人眼感知相关性最高。经验值：
- VMAF ≥ 93：视觉无损
- VMAF ≈ 80：高质量
- VMAF ≈ 60：可接受
- VMAF ≤ 40：明显压缩痕迹
本章要点回顾
1. 视频能压缩到原始大小 1% 以下，靠两把斧：帧内压缩（压每张图）+ 帧间压缩（只存帧间差异）。
2. 编码慢、解码快；编码器 + 解码器 = Codec。
3. H.264 是通用兜底，H.265 省 37% 带宽但授权贵，AV1 免费且压缩更强但编码慢，VVC 是未来但还没普及。
4. 别照抄"H.265 比 H.264 省 50%" 这类绝对数据，实际效率随内容变化很大。
5. VOD 转码 4 件必做：CRF 控质量、GOP 对齐、faststart、关闭 scene-cut。
6. Per-title / per-shot 编码是高阶优化，云厂商的智能转码模板已覆盖大多数收益。
7. VMAF 是衡量画质的主流工业指标。
© 2026 Zmead · VOD 流媒体技术全解