1、封装格式基础：什么是封装格式、常见封装格式对比（MP4/TS/MKV/FLV）、封装与编码的关系
1.1 封装格式到底是什么？
先问个问题：你拿到一个 .mp4 文件，把它重命名为 .mkv，它还能正常播放吗？
大概率不能。为什么？因为封装格式不是简单的文件后缀，它是一套严格的容器规范。
我个人习惯把封装格式比作「快递箱」。视频编码（H.264、HEVC）是箱子里的货物，音频编码（AAC、MP3）是另一件货物，字幕、时间戳、章节信息是填充物和标签。封装格式就是那个箱子——它规定了货物怎么摆放、标签贴在哪、怎么保证运输途中不散架。
说白了，封装格式解决的是「如何把视频、音频、字幕、元数据打包成一个文件，并且让播放器能准确拆开」的问题。
核心定义：封装格式（Container Format）是一种文件结构规范，定义了如何将编码后的视频流、音频流、字幕流以及元数据（如时长、分辨率、语言）组织在一个文件中，并提供同步播放所需的索引和时间戳信息。
我在项目中遇到过不少新手，以为「封装就是编码」。其实差远了。编码决定画质和码率，封装决定兼容性和功能。你编码出再好的 H.265 视频，塞进一个过时的封装里，播放器不认识，照样白搭。
1.2 封装与编码的关系
这里必须理清一个关键概念：封装 ≠ 编码。
编码是压缩算法，把原始图像数据变成 H.264 或 HEVC 码流。封装是容器，把码流打包成文件。两者是独立的——同一个 H.264 视频流，可以放进 MP4，也可以放进 TS 或 MKV。
举个例子：
原始视频 → H.264 编码器 → 裸 H.264 码流（.h264）
裸 H.264 码流 + AAC 音频 → MP4 封装 → 最终文件（.mp4）
裸 H.264 码流 + AAC 音频 → TS 封装 → 最终文件（.ts）
裸 H.264 码流 + AAC 音频 → MKV 封装 → 最终文件（.mkv）你看，编码器输出的是同一份码流，封装器不同，出来的文件格式就不同。这就是封装与编码的解耦关系。
经验之谈：转码流程中，解封装（Demux）和封装（Mux）是两个独立步骤。解封装是从容器里提取裸码流，封装是把裸码流重新打包。我经常看到有人把「转码」和「重新封装」搞混——转码会改变编码格式，重新封装只换容器，不碰码流。
1.3 常见封装格式对比
做流媒体这行，天天跟封装格式打交道。下面这四种是我工作中最常碰到的。
| 特性 | MP4 | TS | MKV | FLV |
|---|---|---|---|---|
| 全称 | MPEG-4 Part 14 | MPEG Transport Stream | Matroska | Flash Video |
| 诞生时间 | 2001 | 1995 | 2002 | 2003 |
| 流式支持 | 支持（需分段） | 原生支持 | 不支持原生 | 支持 |
| 容错性 | 低（损坏难恢复） | 高（可分段播放） | 中（有恢复机制） | 低 |
| 字幕支持 | 有限（需特定规范） | 有限（DVB字幕） | 强大（SRT/ASS/PGS） | 不支持 |
| 多音轨 | 支持 | 支持 | 支持 | 不支持 |
| 元数据 | 有限 | 有限 | 丰富 | 极少 |
| 浏览器兼容 | 极好 | 差（需插件） | 差 | 已淘汰 |
| 主要场景 | 点播、移动端 | 直播、广电 | 本地存储、高清 | 早期直播 |
MP4
MP4 是目前最通用的封装格式。几乎所有浏览器、手机、电视都支持。它的结构基于 ISO Base Media File Format（ISOBMFF），用 box 结构组织数据。
但 MP4 有个硬伤：它的 moov box（元数据）通常放在文件头部或尾部。如果放在尾部，必须下载完整个文件才能开始播放。这就是为什么有些 MP4 在网页上要等很久才出画面——moov box 在文件末尾，播放器得先下载整个文件才能读到索引。
避坑指南：我曾经在点播平台上线前发现，用户播放 MP4 视频要缓冲 10 秒才出画面。排查后发现是编码器把 moov box 放在了文件末尾。解决方案是用 qt-faststart 或 FFmpeg 的 -movflags faststart 参数把 moov box 挪到文件头部。这个操作叫「moov 前置」，做点播的同学一定要记住。
TS
TS 是广电和直播领域的「老兵」。它设计之初就是为了应对不稳定的传输环境——数据包固定 188 字节，每个包都有同步头，即使丢了一部分，后面的包还能正常解析。
我做过一个直播项目，用 HLS 协议分发视频。HLS 的切片格式就是 TS。为什么？因为 TS 支持边下载边播放，而且容错性好。网络抖动丢几个包，播放器不会崩，最多花屏一下。
TS 的缺点也很明显：文件体积大（固定包结构导致开销高），元数据支持弱，不适合做本地存储。
MKV
MKV 是「全能型选手」。它基于 EBML（Extensible Binary Meta Language），结构灵活，几乎什么都能装——H.264、HEVC、VP9、FLAC、DTS、ASS 字幕、章节信息……
我个人非常喜欢 MKV 的字幕支持。ASS 字幕的特效（滚动、渐变、卡拉OK）在 MKV 里可以完美保留。MP4 就不行，它只支持 timed text 这种简陋的字幕格式。
但 MKV 不适合流媒体。它的索引结构复杂，播放器需要先解析整个文件才能定位到指定时间点。而且浏览器原生不支持 MKV，得靠 MSE 或 WebAssembly 才能播放。
FLV
FLV 是 Flash 时代的产物。当年直播平台几乎清一色用 FLV + RTMP。结构简单，头部 + body + tag 三段式，解析起来非常快。
现在 FLV 基本被淘汰了。浏览器不再支持 Flash，直播也转向了 HLS 和 WebRTC。不过有些老系统还在用 FLV，我去年还帮一个客户迁移过 FLV 直播流到 HLS。
注意：FLV 不支持 HEVC 编码（虽然有民间扩展，但非标准）。如果你要处理 4K 或 HDR 视频，别碰 FLV。另外 FLV 没有字幕轨道，多语言场景直接 pass。
1.4 封装格式的核心结构
不管哪种封装格式，核心结构都包含以下几部分：
- 文件头（Header）：标识文件类型、版本号、文件大小等基本信息。
- 索引（Index）：记录每个关键帧的位置和时间戳，用于快进快退。
- 媒体数据（Media Data）：视频、音频、字幕的裸码流，按时间顺序交错存放。
- 元数据（Metadata）：时长、分辨率、码率、语言、创建时间等描述信息。
- 同步信息（Sync Info）：时间戳（PTS/DTS）、帧率、采样率等，保证音画同步。
下面这张图展示了封装格式的通用结构：
1.5 封装格式的选择策略
工作中怎么选封装格式？我一般按场景来：
- 点播 + 浏览器：无脑选 MP4。兼容性最好，HLS 的 fMP4 也是基于 MP4 的。
- 直播 + HLS：TS 或 fMP4。TS 是老牌选择，fMP4 是趋势（苹果从 iOS 10 开始支持）。
- 本地存储 + 多字幕：MKV。尤其是做蓝光原盘或高清收藏，MKV 是首选。
- 老系统兼容：FLV。但建议尽快迁移，别在新项目里用。
一句话总结：封装格式是视频文件的「骨架」，编码是「血肉」。骨架决定了文件怎么被解析和播放，血肉决定了画质和码率。做转码流程，先搞清楚你的目标场景需要什么骨架，再谈怎么优化血肉。