4、容器格式探秘：封装格式原理、常见格式对比（MP4/MKV/TS/FLV）、muxer与demuxer参数
说到封装格式，我经常被问到：「编码和封装到底有啥区别？」
打个比方你就明白了。编码是「怎么把肉做成牛排」——H.264、AAC 这些是烹饪方法。封装是「用什么盘子端上来」——MP4、MKV 就是不同的盘子。你煎了块顶级和牛，结果拿个漏勺端上来，那也白搭。
这一章，我们就来聊聊这些「盘子」的讲究。
4.1 封装格式的核心原理
封装格式，说白了就是一套打包规则。它把视频流、音频流、字幕、元数据（metadata）这些东西，按特定结构塞进一个文件里。
一个典型的封装文件包含三个部分：
- 容器头（Header）：文件类型、时长、编码信息、索引表。
- 媒体数据（Media Data）：实际的视频帧、音频采样，按时间顺序排列。
- 元数据（Metadata）：封面、章节信息、标签（Title、Artist 等）。
为什么需要封装？因为播放器需要知道「第 10 秒的视频数据在哪」。没有索引表，播放器就得从头扫到尾，那拖动进度条就成噩梦了。
核心要点：封装格式决定了文件的兼容性、功能丰富度和流式传输能力。选错容器，轻则播放器不认，重则直播卡顿。
下面这张图，是我画的一个封装结构示意，帮你直观理解数据是怎么组织的：
4.2 常见格式对比：MP4 / MKV / TS / FLV
我这些年经手过的项目，基本就这四种格式打转。每个都有它的脾气。
| 特性 | MP4 | MKV | TS | FLV |
|---|---|---|---|---|
| 全称 | MPEG-4 Part 14 | Matroska | MPEG Transport Stream | Flash Video |
| 兼容性 | 极高（浏览器、手机、电视） | 中高（需播放器支持） | 中（广电、直播设备） | 中（Flash 已淘汰） |
| 流式传输 | 支持（需 moov 前置） | 不支持原生流式 | 原生支持（直播标准） | 支持（RTMP 协议） |
| 字幕支持 | 有限（仅 timed text） | 极强（ASS/SSA/SRT 等） | 有限（DVB 字幕） | 不支持 |
| 多音轨 | 支持 | 支持 | 支持 | 有限 |
| 容错性 | 低（损坏后难恢复） | 中（可部分恢复） | 极高（丢包仍可播放） | 低 |
| 典型场景 | 点播、移动端、Web | 高清收藏、多轨封装 | 数字电视、HLS 切片 | 老旧直播、RTMP 推流 |
我的经验：如果你做的是 Web 点播，无脑选 MP4。但记得把 moov box 挪到文件头，不然用户得等整个文件下载完才能播放。用 -movflags +faststart 就能搞定。
4.3 深入理解 MP4：moov box 与 faststart
MP4 的结构基于「box」的概念。每个 box 有类型、大小、数据。最关键的是 moov box——它存着整个视频的索引表。
默认情况下，FFmpeg 把 moov 放在文件末尾。这意味着播放器必须下载完整个文件，才能知道「第 5 分钟的视频块在哪」。你想想看，一个 2GB 的电影，用户得等多久？
解决方案就是 -movflags +faststart：
ffmpeg -i input.mp4 -c copy -movflags +faststart output.mp4这个参数把 moov box 挪到文件开头。播放器拿到前几 KB 就能开始拖动了。
注意：如果你用 -c copy 做流式拷贝，记得先确认源文件的 moov 位置。我曾经遇到一个项目，直播录制的 MP4 没有 moov，结果播放器直接崩溃。后来加了个 -movflags +faststart 重新 remux 才解决。
4.4 MKV：为什么它适合做收藏格式
MKV 是开源社区的心头好。它的设计哲学就是「什么都能装」。H.264、H.265、VP9、AV1，甚至 VC-1 都能塞进去。音频更是通吃：AAC、MP3、FLAC、DTS、TrueHD。
我个人习惯用 MKV 做蓝光备份。因为蓝光原盘通常有多条音轨（英语 DTS-HD、日语 AAC、评论音轨），MKV 能完美保留，还能带上 ASS 特效字幕。
一个典型的 MKV 封装命令：
ffmpeg -i video.h264 -i audio.flac -i subtitles.ass \
-c copy -map 0 -map 1 -map 2 \
output.mkv这里 -map 是流映射，0 是视频，1 是音频，2 是字幕。不加 map 的话，FFmpeg 会按默认规则选流，容易丢东西。
避坑指南：MKV 虽然强大，但浏览器原生不支持。如果你做 Web 播放，别用 MKV。我见过有人把 MKV 直接丢到 <video> 标签里，结果 Chrome 直接报错。
4.5 TS：直播场景的硬通货
TS（Transport Stream）是广电行业的老兵。它的设计目标是在有损信道（比如卫星信号、有线电视）上稳定传输数据。所以 TS 的包很小——188 字节一个包，每个包都有同步头。
为什么直播用 TS？因为容错。如果网络丢了一个包，TS 流不会整个崩溃，后面的包还能继续解析。MP4 就不行，丢一个 moov 就全废了。
HLS（HTTP Live Streaming）就是基于 TS 的。Apple 把 TS 切片成一个个小文件（.ts），然后用一个 m3u8 索引文件管理。FFmpeg 生成 HLS 的典型命令：
ffmpeg -i input.mp4 -c:v libx264 -c:a aac \
-f hls -hls_time 10 -hls_list_size 0 \
output.m3u8-hls_time 10 表示每个切片 10 秒。-hls_list_size 0 表示保留所有切片（不限制列表长度）。
小技巧：如果你做低延迟直播，可以把切片时长降到 2-3 秒。但切片越小，服务器压力越大。我一般取 4 秒作为平衡点。
4.6 FLV：老古董但还没死
FLV 是 Flash 时代的产物。按理说 Flash 都淘汰了，FLV 也该进坟墓。但 RTMP 协议还在用，而 RTMP 的默认封装就是 FLV。
为什么？因为 FLV 结构简单，头部固定，非常适合流式写入。你想想看，直播推流时，编码器一边编码一边把数据塞进 FLV，播放器一边接收一边解码。这种「边写边读」的能力，MP4 做不到（除非用 fragmented MP4）。
FFmpeg 推 RTMP 流时，默认就是 FLV 封装：
ffmpeg -i input.mp4 -c copy -f flv rtmp://server/live/stream注意 -f flv 必须指定。如果不加，FFmpeg 会尝试根据输出后缀推断格式，但 RTMP URL 没有后缀，所以得手动指定。
警告：FLV 不支持 HEVC（H.265）和 AAC 的某些高级配置。如果你推 HEVC 视频，FLV 会直接报错。这时候得用 fragmented MP4（fMP4）或者 TS 替代。
4.7 Muxer 与 Demuxer 参数详解
Muxer（复用器）负责把多个流合成一个容器。Demuxer（解复用器）负责从容器里拆出各个流。FFmpeg 里，muxer 和 demuxer 都有各自的参数。
4.7.1 常用 Muxer 参数
| 参数 | 适用格式 | 说明 |
|---|---|---|
-movflags +faststart |
MP4 | 将 moov box 移到文件头，支持流式播放 |
-movflags +frag_keyframe+empty_moov |
MP4 | 生成 fragmented MP4，适合直播录制 |
-hls_time |
HLS | 设置每个 TS 切片的时长（秒） |
-hls_list_size |
HLS | 限制 m3u8 索引中的切片数量（0 表示不限） |
-hls_segment_filename |
HLS | 自定义切片文件名模板 |
-metadata |
通用 | 添加元数据，如 -metadata title="My Video" |
-map_metadata |
通用 | 从源文件复制元数据到输出 |
4.7.2 常用 Demuxer 参数
| 参数 | 适用格式 | 说明 |
|---|---|---|
-ss |
通用 | 跳转到指定时间点开始解码（精确 seek 依赖关键帧） |
-t |
通用 | 限制解码时长 |
-to |
通用 | 解码到指定时间点结束 |
-analyzeduration |
通用 | 设置分析时长，用于探测流信息（默认 5 秒） |
-probesize |
通用 | 设置探测数据量（字节），影响流识别准确性 |
-correct_ts_overflow |
MP4/TS | 修正时间戳溢出（直播流常见问题） |
实战经验：有一次我处理一个损坏的 MP4 文件，用 -analyzeduration 100M -probesize 100M 强制 FFmpeg 多读一些数据，才把流信息完整探测出来。默认值太小，遇到大文件或损坏文件容易报错。
4.8 格式转换实战：MP4 转 MKV 保留多轨
假设你有一个 MP4 文件，里面有一条视频流、两条音频流（英语、日语）、一条字幕流。你想转成 MKV 保留所有轨道。
ffmpeg -i input.mp4 \
-map 0:v -c:v copy \
-map 0:a:0 -c:a:0 copy \
-map 0:a:1 -c:a:1 copy \
-map 0:s -c:s copy \
-metadata:s:a:0 language=eng \
-metadata:s:a:1 language=jpn \
-metadata:s:s:0 language=chi \
output.mkv这里 -map 0:a:0 表示「源文件的第 0 个输入的第 0 条音频流」。不加这个，FFmpeg 默认只选一条音频。
建议：转换前先用 ffprobe input.mp4 看看流信息。我每次都会先跑一下 ffprobe，确认轨道数量和编码格式，避免转出来发现少东西。
4.9 本章小结
封装格式这东西，选对了事半功倍，选错了处处踩坑。我的建议是：
- 点播分发：用 MP4，加
+faststart。 - 高清收藏：用 MKV，保留多轨和字幕。
- 直播推流：用 TS 或 fragmented MP4。
- RTMP 推流：用 FLV，但注意编码限制。