📚 课程目录第2章多媒体流基础

2. 多媒体流基础

说到视频编码器选型，我见过太多团队一上来就追新——「AV1 压缩率最高，必须上！」结果编码耗时翻了几倍，播放端解码还卡成幻灯片。说白了，选编码器不是选跑车，是选合脚的鞋。

这一章咱们就掰开揉碎，把 H.264、H.265、AV1 这三兄弟的底裤扒干净。我会结合自己踩过的坑，告诉你什么场景该用什么，硬件编码和软件编码到底怎么取舍，以及参数调优到底调什么。

  核心观点：没有最好的编码器，只有最适合你业务场景的编码器。选型前先问自己三个问题——我的用户设备是什么？我的带宽成本是多少？我的实时性要求有多高？

2.1 编码效率对比：压缩率与计算代价

先看一组我实际压测过的数据。测试素材是 1080p 24fps 的《地球脉动》片段，目标码率 2Mbps，用 x264/x265/SVT-AV1 的 medium preset 做软件编码。

编码器	码率节省（相对 H.264）	编码速度（fps）	解码复杂度	硬件支持
H.264 (x264)	基准	120-150	低	几乎所有设备
H.265 (x265)	35-50%	30-50	中	2016年后设备
AV1 (SVT-AV1)	50-65%	5-15	高	2020年后旗舰机

看到没？AV1 压缩率确实漂亮，但编码速度是 H.264 的十分之一。我在做短视频平台时试过全量转 AV1，结果编码集群的 CPU 直接拉满，任务排队排到天荒地老。后来只对 Top 5% 的热门视频做 AV1 编码，其余用 H.265，成本降了 70%。

我的建议：别被压缩率的数字冲昏头。AV1 省下来的带宽成本，能不能覆盖编码集群的硬件投入？算清楚这笔账再动手。

2.2 硬件编码 vs 软件编码：取舍之道

这个问题我当年也纠结过。硬件编码快，但画质差；软件编码画质好，但慢得像蜗牛。到底怎么选？

先说说硬件编码。Intel QuickSync、NVIDIA NVENC、Apple VideoToolbox 这些，本质上是芯片上固化的专用电路。我测过 NVENC 的 H.265，在同等码率下比 x265 medium preset 的 VMAF 分低 3-5 分。但它的编码速度能到 300+ fps，延迟只有几毫秒。

软件编码呢？x265 的 placebo preset 能压出极致画质，但编码一帧要算半天。说白了，软件编码是用时间换质量，硬件编码是用质量换速度。

维度	硬件编码	软件编码
编码速度	极快（300+ fps）	慢（10-150 fps）
画质效率	中等	优秀
延迟	低（<10ms）	高（50-500ms）
灵活性	参数有限	完全可控
适用场景	直播、实时通信	点播、离线转码

避坑指南：我曾经在直播场景里用软件编码做 4K 推流，结果编码延迟飙到 300ms，主播和观众之间差了半句话。后来切回 NVENC 硬件编码，延迟降到 8ms，画质损失肉眼几乎看不出来。记住——直播场景，延迟是第一优先级。

2.3 编码参数调优实战

调参数这事儿，说白了就是找平衡点。我习惯从三个维度入手：码率控制、预设级别、GOP 结构。

2.3.1 码率控制模式

CBR、VBR、CRF 这三个概念，你肯定听过。但什么时候用哪个？

CBR（恒定码率）：码率稳定，适合直播推流。但场景切换时画质会崩。
VBR（可变码率）：码率波动，适合点播。2-pass VBR 能精准控制目标码率，画质也稳。
CRF（恒定质量）：固定画质，码率自动调整。适合离线归档，但码率不可控。

我个人习惯：直播用 CBR，点播用 2-pass VBR，归档用 CRF 18-22。

2.3.2 预设级别与速度控制

x264 和 x265 的 preset 从 ultrafast 到 placebo，速度差了上百倍。我做过一个测试：

# x265 不同 preset 的编码效率对比（1080p 源，目标码率 3Mbps）
ultrafast:  450 fps, VMAF 82.3
medium:     85 fps,  VMAF 88.7
slow:       35 fps,  VMAF 90.1
veryslow:   12 fps,  VMAF 91.2
placebo:    4 fps,   VMAF 91.5

看到没？从 slow 到 veryslow，编码时间翻了 3 倍，VMAF 只涨了 1 分。从 veryslow 到 placebo，时间再翻 3 倍，VMAF 只涨 0.3 分。所以我的经验是——点播场景用 slow 或 medium 就够了，再慢就是浪费电。

调优技巧：如果你用 x265，试试 --no-sao --no-strong-intra-smoothing 这两个参数。我在多个项目里验证过，能在几乎不损失画质的情况下提速 15-20%。

2.3.3 GOP 结构与 B 帧策略

GOP 大小直接影响编码效率和随机访问能力。我见过有人把 GOP 设成 250 帧，结果用户拖动进度条要等 5 秒才能出图。

直播场景：GOP 2-4 秒（48-96 帧），B 帧尽量少用，降低延迟。
点播场景：GOP 4-6 秒（96-144 帧），开 B 帧（3-5 个连续 B 帧），压缩率能提升 10-15%。
短视频场景：GOP 1-2 秒，方便快速起播和滑动播放。

嗯，这里要注意——B 帧虽然能省码率，但解码器需要缓存多帧，低端设备可能会卡。我在做海外市场时，发现很多东南亚用户的手机是三四年前的机型，解码 B 帧时掉帧严重。后来把 B 帧数从 5 降到 2，问题就解决了。

2.3.4 实战参数模板

下面是我常用的几个参数模板，直接拿去用：

# 直播 H.264 硬件编码（NVENC）
ffmpeg -i input.mp4 -c:v h264_nvenc \
  -preset p4 -tune ll -rc cbr \
  -b:v 2M -minrate 2M -maxrate 2M \
  -g 48 -bf 0 -profile:v high \
  -c:a aac -b:a 128k output.ts

# 点播 H.265 软件编码（x265）
ffmpeg -i input.mp4 -c:v libx265 \
  -preset slow -x265-params \
  "crf=22:no-sao=1:no-strong-intra-smoothing=1:bframes=5:keyint=120" \
  -c:a libfdk_aac -b:a 128k output.mp4

# 归档 AV1 软件编码（SVT-AV1）
ffmpeg -i input.mp4 -c:v libsvtav1 \
  -preset 6 -crf 30 -g 120 \
  -svtav1-params "enable-overlays=1:enable-tf=1" \
  -c:a libopus -b:a 96k output.mkv

  关键提醒：参数模板只是起点。每个视频内容不同，最优参数也不同。我习惯用 VMAF 做自动化调参——写个脚本遍历 preset、crf、bframes 的组合，选 VMAF 最高且码率达标的那组参数。别手动试，累死人。

2.4 选型决策清单

最后，给你一个我每次做编码器选型时都会过的清单：

用户设备分布：如果 80% 用户还在用 iPhone 8 之前的设备，别上 AV1。
带宽成本：CDN 带宽贵还是编码集群贵？算 ROI。
实时性要求：延迟容忍度是多少？超过 100ms 用户就骂娘？上硬件编码。
内容类型：游戏直播（高动态）和访谈节目（低动态）的参数完全不同。
编码预算：你愿意为每路流花多少编码时间？1x 实时？10x 实时？
解码兼容性：要不要考虑 WebRTC、HLS、DASH 等协议的解码限制？

我记得有一次帮一个教育平台做选型，他们坚持要用 AV1，说「技术要超前」。我让他们先跑个 A/B 测试——结果 AV1 编码的课程在老旧平板上花屏率高达 12%，而 H.264 只有 0.3%。最后他们乖乖切回 H.264，只在 App 端对旗舰机型提供 AV1 选项。

说白了，编码器选型不是技术竞赛，是工程决策。选对了，用户爽、成本低、运维省心。选错了，你就是在给运维团队和用户添堵。