封装格式基础：什么是封装格式？为什么需要封装？常见封装格式对比

大家好，我是你们这门课的老朋友。今天咱们正式开篇，聊聊封装格式。

很多人一上来就扎进编码参数、码率控制里，觉得封装就是个“容器”，没啥技术含量。我早年也这么想，直到有一次项目上线前发现视频在某个播放器上死活打不开——查了两天才发现是封装格式的兼容性问题。嗯，从那以后我再也不敢小看这个“盒子”了。

什么是封装格式？

说白了，封装格式就是一个“盒子”。

你拍了一段视频，摄像机输出的是一堆原始数据：视频流（H.264/H.265）、音频流（AAC/MP3）、字幕、时间戳、章节信息……这些数据不能散落一地吧？封装格式就是那个把它们按规则打包起来的容器。

我习惯用一个比喻：编码格式是砖头，封装格式是房子。砖头决定了墙的强度，但房子怎么盖、门窗怎么放、水电怎么走，那是封装格式的事。

为什么需要封装？

你想想看，如果没有封装格式，播放器拿到一段 H.264 裸流，它知道画面宽高比是多少吗？知道音频该在哪个时间点播放吗？知道有没有字幕吗？

统统不知道。

封装格式解决了三个核心问题：

1. 多路复用（Muxing）：把视频、音频、字幕等多条流合并到一个文件里，还能保持它们的时间同步。我遇到过最头疼的情况是音画不同步，查到最后发现是封装时时间戳写错了。
2. 索引与随机访问：封装格式会在文件头或文件尾建立索引表，告诉播放器“第 5 秒的画面在文件的哪个位置”。没有这个，你拖动进度条就得从头解码——想想就崩溃。
3. 元数据承载：标题、封面、章节、语言、编码参数……这些信息都靠封装格式来存。我经常用 ffprobe 看封装里的元数据，排查问题比看二进制快多了。

常见封装格式对比

市面上封装格式少说几十种，但真正常用的就那几个。我挑四个最典型的，咱们掰开揉碎看看。

特性	MP4	MKV	AVI	TS
全称	MPEG-4 Part 14	Matroska	Audio Video Interleave	MPEG Transport Stream
诞生时间	2001	2002	1992	1995
流支持	视频+音频+字幕（有限）	任意数量视频/音频/字幕	视频+音频（有限）	多节目多流
索引方式	moov box（文件头或尾）	Segment + Cues	idx1 块（文件尾）	无全局索引，依赖连续包
流式传输	支持（需 faststart）	支持有限	不支持	原生支持
容错性	中等	高	低	极高
典型场景	网络分发、移动设备	本地收藏、多字幕多音轨	老旧设备、Windows 兼容	广播电视、实时流

MP4

MP4 是目前最通用的封装格式。几乎所有浏览器、手机、电视盒子都支持。它的结构基于 ISO Base Media File Format（ISOBMFF），核心是 box 层级结构。

我个人的建议是：如果你不确定选什么封装，选 MP4 基本不会错。但要注意一点——MP4 的字幕支持很弱，内嵌字幕通常只能用 timed text，远不如 MKV 灵活。

MKV

MKV 是开源社区的骄傲。它基于 EBML（Extensible Binary Meta Language），结构灵活到令人发指。你想塞多少条音轨？随便。你想加字体文件？可以。你想把整个 DVD 菜单封装进去？也行。

我在做本地播放器兼容测试时，最喜欢用 MKV 做压力测试——因为它能承载各种奇葩编码组合。但 MKV 的流式支持比较弱，不适合做直播或渐进式下载。

AVI

AVI 是爷爷辈的格式了。1992 年由微软推出，结构简单到粗暴：一个 RIFF 头，后面交替存放视频帧和音频帧。

说实话，我现在看到 AVI 文件，第一反应是“这怕不是从老 DVD 里翻出来的”。它的索引放在文件尾，不支持 B 帧（或者说支持得很别扭），容错性也差。我建议：除非你是在维护老系统，否则别碰 AVI。

TS

TS（Transport Stream）是广播电视领域的标准。它的设计目标不是存储，而是传输。每个 TS 包固定 188 字节，包含时间戳、节目信息、数据负载。

TS 最大的优点是容错性——丢几个包不影响整体播放。我在做直播推流时，经常用 TS 作为传输格式，配合 HLS 切片，效果很稳定。但 TS 的文件体积偏大，不适合做本地存储。

封装格式的核心结构对比

为了让你更直观地理解这四种格式的内部结构，我画了一张对比图。

怎么选？我的经验法则

说了这么多，到底该用哪个？我总结了几条经验：

• 做网络分发、移动端兼容：选 MP4。记得加 -movflags +faststart。
• 做本地收藏、多音轨多字幕：选 MKV。灵活、开源、无专利限制。
• 做直播、广播电视：选 TS。容错性好，适合实时传输。
• 做老系统兼容：选 AVI。但说实话，能避就避。