1. FFmpeg初识：从命令行到多媒体瑞士军刀

我第一次接触FFmpeg，是在一个视频转码项目里。甲方丢过来一堆各种格式的素材，要求统一输出成MP4。当时我还在用笨办法——找格式转换软件，一个一个点。直到同事甩过来一行命令：ffmpeg -i input.mov output.mp4。嗯，就这一下，我彻底被征服了。

FFmpeg是什么？说白了，它是一个开源的多媒体处理框架。能解封装、能编解码、能滤镜处理、能流式传输。你想想看，一个命令行工具，能干转码、剪辑、拼接、加水印、调色、变速、截图……几乎所有跟音视频沾边的事，它都能干。

1.1 发展史：从个人项目到行业标准

FFmpeg的故事，得从2000年说起。创始人Fabrice Bellard——对，就是那个写QEMU、算圆周率到小数点后2.7万亿位的天才——他当时在做视频编解码相关的工作，发现市面上没有好用的开源方案。于是，他动手写了一个。

项目名字FFmpeg，其实是“Fast Forward Moving Picture Experts Group”的缩写。MPEG是视频编码标准组织，前面加个“Fast Forward”，意思就是“我要比你们快”。

我记得早期版本功能还很简陋，但胜在干净、高效。后来Michael Niedermayer接手维护，逐步加入了libavcodec、libavformat这些核心库。2004年左右，FFmpeg已经成为Linux平台上视频处理的事实标准。

再往后，项目经历了分叉（Libav事件）、社区重组，但主干一直没断。到今天，FFmpeg的代码量超过百万行，支持几乎所有你能想到的音视频格式。YouTube、VLC、Blender、OBS……这些耳熟能详的软件，底层都在用FFmpeg。

1.2 核心组件：拆开看看里面有什么

FFmpeg不是一个单体程序。它由多个库组成，每个库负责一个独立的功能域。我习惯把它们分成三层：

• 封装层（libavformat）：负责音视频文件的封装与解封装。比如把H.264视频流和AAC音频流打包成MP4容器，或者从MKV里把各轨道拆出来。
• 编解码层（libavcodec）：核心中的核心。负责压缩和解压缩音视频数据。H.264、HEVC、VP9、AAC、MP3……所有编解码器都在这里。
• 工具层：包括libavutil（工具函数）、libswscale（图像缩放/色彩空间转换）、libswresample（音频重采样）、libavfilter（滤镜引擎）。

下面这张图，是我自己整理的核心组件关系：

每个库的职责很清晰。我举个例子：你要把一个MOV文件转成MP4。FFmpeg的工作流程是这样的：

1. libavformat 打开MOV文件，读取封装信息，找到视频流和音频流。
2. libavcodec 解码视频流（比如ProRes）和音频流（比如PCM）。
3. libswscale 把解码后的图像数据从一种色彩空间转到另一种（比如从yuv422p到yuv420p）。
4. libavcodec 再用目标编码器（比如H.264）重新压缩视频。
5. libavformat 把压缩后的数据封装成MP4容器。

整个过程，滤镜引擎可以插在解码之后、编码之前，做各种处理。

1.3 典型应用场景：它能干什么

FFmpeg的应用场景，我归纳成三大类：

场景	典型需求	FFmpeg命令示例
转码	格式转换、分辨率缩放、码率控制	ffmpeg -i input.avi -c:v libx264 -b:v 2M output.mp4
流媒体	直播推流、HLS切片、RTMP转发	ffmpeg -i input.mp4 -f flv rtmp://server/live/stream
剪辑	截取片段、拼接视频、添加字幕	ffmpeg -i input.mp4 -ss 00:01:00 -t 30 output.mp4

咱们展开说说。

转码：最基础也最常用

转码不只是换格式。你想想看，一个4K视频要放到手机上播放，分辨率得降；一个蓝光原盘要上传到网站，码率得压。这些全是转码的活。

我做过一个批量转码脚本，每天处理上千条视频。核心就一行命令：

ffmpeg -i input.mkv \
  -c:v libx264 -preset medium -crf 23 \
  -c:a aac -b:a 128k \
  -vf "scale=1920:1080" \
  output.mp4

这里-crf 23是质量参数，数值越小质量越高。我个人习惯用23，平衡画质和体积。

流媒体：实时传输的硬仗

流媒体场景下，FFmpeg通常作为推流端或转码服务器。比如直播场景：摄像头采集的画面，经过FFmpeg编码成H.264，再封装成FLV格式，推送到RTMP服务器。

我记得有一次做线上演唱会直播，现场网络不稳定。我用了FFmpeg的-re参数模拟实时读取，配合-g设置关键帧间隔，保证客户端能快速切换清晰度。

ffmpeg -re -i live_source.ts \
  -c:v libx264 -g 60 -b:v 3M \
  -f flv rtmp://push.example.com/live/stream

剪辑：不打开编辑器的快速处理

很多人不知道，FFmpeg能做很多剪辑软件的活。截取片段、拼接视频、添加水印、调整速度……而且速度极快，因为不涉及重新编码（如果参数匹配的话）。

比如截取视频中从1分钟开始、持续30秒的片段：

ffmpeg -ss 00:01:00 -i input.mp4 -t 30 -c copy output.mp4

注意这里的-c copy，意思是直接复制原始数据流，不重新编码。速度飞快，而且画质无损。

再比如给视频加文字水印：

ffmpeg -i input.mp4 \
  -vf "drawtext=text='FFmpeg教程':fontsize=48:fontcolor=white:x=100:y=100" \
  output.mp4

这个drawtext滤镜，我在给企业做视频批处理时经常用。批量给几百个视频打上公司Logo和日期，一行脚本搞定。

1.4 为什么选择FFmpeg

市面上不是没有其他工具。但FFmpeg有几个不可替代的优势：

• 开源免费：商业软件动辄几千美金，FFmpeg完全免费，而且代码开放。
• 格式支持最全：我数过，支持的封装格式超过200种，编解码器超过300种。你几乎找不到它处理不了的格式。
• 跨平台：Windows、macOS、Linux、Android、iOS……全平台可用。
• 社区活跃：遇到问题，Stack Overflow上一搜一大把答案。GitHub上issue响应也很快。
• 可编程：除了命令行，还能通过C API、Python绑定、Node.js绑定等方式集成到自己的程序里。