FFmpeg 转码参数与流程解析

人工智能与计算机学院新媒体中心 陈牧函

这是 FFmpeg多媒体处理工具的基本流程，主要使用的工具是“小丸工具箱”，核心作用是对 MP4 文件进行音频提取转码 + 视频重新编码的批量处理，底层依赖 FFmpeg的编解码核心与格式封装能力实现多媒体流转换。

一、核心作用

1.音频提取与格式转换：从 MP4 文件中分离 AAC 音频流，先转成 PCM 编码的 WAV 格式，再优化编码为 AAC 格式的 m4a 文件。

2.视频重新编码：将 MP4 中原有的 HEVC（高效视频编码）格式视频流，通过 x264 编码器转码为 AVC（H.264）格式，同时控制码率、帧率等参数。

3.过程监控与参数输出：实时记录转码进度（帧处理数量、完成百分比）、码率稳定性、预计剩余时间和输出文件大小，确保处理过程可追溯。

二、底层原理

1. 多媒体流解析与分离

• FFmpeg 通过libavformat库识别输入 MP4 文件的容器格式，解析出视频流（HEVC，hvc1 编码）和音频流（AAC，mp4a 编码）
• 基于Stream mapping机制，单独提取音频流（Stream #0:1）进行后续处理，视频流（Stream #0:0）则进入编码流程，实现音视频独立处理。

2. 编解码核心工作流程

• 解码阶段：音频流（AAC）通过libavcodec的原生解码器解码为无压缩的 PCM 数据（Int16 格式），视频流（HEVC）通过 HEVC 解码器解码为原始像素数据（yuv420p 格式）。
• 编码阶段：PCM 音频通过pcm_s16le编码器转码为 WAV，再通过 AAC 编码器优化为 m4a；视频原始数据通过 x264 编码器（High profile，level 4.0）重新编码为 AVC 格式，支持帧率（30fps）和码率控制。

3. 格式封装与优化

• 输出文件通过libavformat封装为目标格式（WAV、m4a、MP4），写入元数据（创建时间、编码器信息）。
• 音频转码后通过AudioConverterRef进行优化，确保输出音频的兼容性和播放质量。

4. 过程控制与资源调度

• 因未编译线程支持，采用线程模拟机制处理编解码任务，避免资源冲突。
• 实时计算并输出处理进度（帧数量、完成百分比）、码率（如 1411kbits/s）、预计剩余时间，基于输入文件总时长和已处理时长动态调整。

三、关键技术依赖

• 核心库：libavutil（工具函数）、libavcodec（编解码）、libavformat（格式处理）、libswscale（视频缩放）等FFmpeg 核心组件。
• 编码器：x264（AVC 视频编码）、AAC 编码器（音频编码）、pcm_s16le（PCM 编码）。
• 参数控制：固定帧率（30fps）、码率策略（strategy=2）、分辨率（1280x720）、采样率（44100Hz）等，确保输出文件的一致性。