2. 音视频基础概念：封装格式、编码格式、码率、帧率、分辨率
做流媒体开发，说白了就是在跟这几个参数打交道。我见过不少新手，一上来就急着调 FFmpeg 命令行，结果出来的文件要么播放器不认，要么画质惨不忍睹。原因很简单——没搞懂这些基础概念。
今天咱们就把这几个核心概念掰开揉碎。你理解了它们，后面学 FFmpeg 的封装、解析、转码，才会顺手。
2.1 封装格式：视频的“容器”
封装格式，你可以把它想象成一个“行李箱”。里面装着视频流、音频流、字幕、元数据。播放器打开文件时，先读这个行李箱的目录，找到对应的轨道，再解码播放。
我遇到过最典型的坑：有人把 .mp4 文件直接改成 .mkv，以为这样就能兼容某个老旧播放器。结果当然不行——改后缀不改变内部结构，播放器还是按 MP4 的规则去解析，自然报错。
2.1.1 常见封装格式对比
| 格式 | 全称 | 特点 | 典型场景 |
|---|---|---|---|
| MP4 | MPEG-4 Part 14 | 兼容性最好，流式播放支持好 | 网络视频、移动端、通用分发 |
| MKV | Matroska | 开源、灵活、支持多轨/章节/附件 | 高清电影、多音轨、字幕封装 |
| AVI | Audio Video Interleave | 老格式、无 B 帧支持、索引结构脆弱 | 老旧设备、Windows 兼容 |
| TS | MPEG-2 Transport Stream | 支持实时流、容错强、分段传输 | 数字电视、直播、HLS 切片 |
2.1.2 封装格式的内部结构
以 MP4 为例，它由一个个 Box（也叫 Atom）组成。核心的 Box 包括：
- ftyp：文件类型标识，告诉播放器“我是 MP4”
- moov：元数据区，存放时长、分辨率、轨道信息
- mdat：实际的音视频数据
我记得有一次做点播系统，用户上传的 MP4 文件播放时总是先黑屏几秒。排查后发现是 moov box 放在了文件末尾——播放器必须下载完整个文件才能读到元数据。解决方案很简单：用 FFmpeg 的 faststart 参数把 moov 移到文件头部。
ffmpeg -i input.mp4 -movflags faststart output.mp42.2 编码格式：视频的“压缩算法”
封装格式管的是“怎么装”，编码格式管的是“怎么压缩”。原始视频数据量巨大——一帧 1080p 的 RGB 图像大约 6MB，30fps 的话一秒就是 180MB。不压缩，谁也存不下、传不动。
2.2.1 H.264：目前最通用的视频编码
H.264（也叫 AVC）是当前兼容性最好的视频编码。从老旧的 MP4 播放器到最新的手机，几乎都支持。它的核心思路是：
- 帧内预测：利用同一帧内相邻像素的相似性压缩
- 帧间预测：利用前后帧的差异来压缩（P 帧、B 帧）
- 变换编码：把残差数据从像素域变换到频域，丢掉人眼不敏感的高频信息
关键概念：I 帧、P 帧、B 帧
- I 帧：关键帧，完整编码，不依赖其他帧。可以理解为“快照”。
- P 帧：向前参考帧，只记录与前一帧的差异。
- B 帧：双向参考帧，参考前后帧，压缩率最高但解码最复杂。
我曾经在直播项目中遇到过 B 帧导致的延迟问题。解码器需要等后面的帧到了才能解码 B 帧，这在低延迟场景下很致命。后来我强制设置了 -bf 0 禁用 B 帧，延迟从 3 秒降到了 500 毫秒。
2.2.2 AAC：音频编码的“默认选项”
AAC（Advanced Audio Coding）是 MP4 最常用的音频编码。相比 MP3，它在相同码率下音质更好。FFmpeg 中常用的 AAC 编码器有：
- libfdk_aac：质量最好，但需要单独编译
- aac：FFmpeg 内置编码器，兼容性好
- libmp3lame：MP3 编码器，兼容老旧设备
2.3 码率：决定文件大小和画质
码率（Bitrate）就是每秒传输的数据量，单位是 bps（bit per second）。码率越高，画质越好，文件也越大。
2.3.1 固定码率 vs 可变码率
| 类型 | 说明 | 适用场景 |
|---|---|---|
| CBR（固定码率） | 整个视频码率恒定 | 直播、网络带宽受限的场景 |
| VBR（可变码率） | 根据画面复杂度动态调整码率 | 本地存储、点播，画质优先 |
| CRF（恒定质量） | 设定质量等级，让编码器自动分配码率 | 个人收藏、后期处理 |
我个人习惯用 CRF 模式做本地转码。CRF 值范围是 0-51，值越小质量越高。一般 18-28 之间比较常用：
# CRF 23，画质和体积比较均衡
ffmpeg -i input.mp4 -crf 23 output.mp4
# CRF 18，接近无损，适合存档
ffmpeg -i input.mp4 -crf 18 output.mp42.4 帧率：视频的“流畅度”
帧率（Frame Rate）就是每秒显示多少帧画面，单位是 fps。常见的帧率有：
- 24fps：电影标准，有“胶片感”
- 25fps：PAL 制式电视标准
- 30fps：NTSC 制式电视标准，也是网络视频常用
- 60fps：高帧率，适合体育、游戏直播
帧率不是越高越好。人眼对 30fps 以上的流畅度提升感知有限，但码率会成倍增加。我做过一个测试：同样一段 1080p 视频，30fps 码率 5Mbps 画质很好，60fps 要 8Mbps 才能达到同等画质。
2.5 分辨率：视频的“清晰度”
分辨率就是视频的宽高像素数。常见的有：
| 名称 | 分辨率 | 宽高比 |
|---|---|---|
| SD（标清） | 720×576 | 4:3 |
| HD（高清） | 1280×720 | 16:9 |
| Full HD（全高清） | 1920×1080 | 16:9 |
| 4K UHD | 3840×2160 | 16:9 |
分辨率越高，细节越丰富，但码率需求也越大。4K 视频的码率通常是 1080p 的 4 倍左右。做转码时，我一般会根据目标带宽来降分辨率：
# 将 4K 视频降为 1080p
ffmpeg -i input_4k.mp4 -vf scale=1920:1080 output_1080p.mp42.6 知识体系总览
下面这张图把本章的核心概念串起来了。你可以看到：原始音视频数据经过编码压缩，再封装成容器格式，最终通过码率、帧率、分辨率这三个参数来平衡画质和文件大小。
2.7 小结
这一章的内容，说白了就是四个字：选对工具。
- 封装格式选 MP4 还是 MKV，看你的分发场景
- 编码格式选 H.264 还是 H.265，看你的兼容性要求
- 码率、帧率、分辨率这三个参数，永远在画质和体积之间做权衡
我刚开始做流媒体时，也踩过不少坑。比如用 AVI 封装 H.264，结果播放器不支持；或者把 4K 视频直接压成 1Mbps 的码率，画面全是马赛克。这些教训让我明白：基础概念不扎实，后面调 FFmpeg 参数就是瞎蒙。