FFmpeg
概述
FFmpeg 是媒体处理的瑞士军刀。它几乎可以处理所有现存的音频和视频格式、编解码器和容器。本技能涵盖格式转换、编解码转码、裁剪、拼接、滤镜、压缩、缩略图提取、字幕嵌入、音频标准化、GIF 制作、水印添加,以及与 yt-dlp 和 gallery-dl 等工具的流水线集成。
使用说明
第 1 步:安装
# Ubuntu/Debian
sudo apt install -y ffmpeg
# macOS
brew install ffmpeg
# 验证安装
ffmpeg -version
ffprobe -version # 媒体信息工具,随 ffmpeg 一起安装
第 2 步:格式转换
最常见的任务——在容器格式和编解码器之间进行转换。
# WebM → MP4(重新编码为 H.264 + AAC 以获得通用兼容性)
ffmpeg -i input.webm -c:v libx264 -c:a aac -movflags +faststart output.mp4
# WebM → MP4(如果已经是 H.264/AAC 则流复制 —— 即时完成,无质量损失)
ffmpeg -i input.webm -c copy output.mp4
# MKV → MP4(流复制,无需重新编码)
ffmpeg -i input.mkv -c copy output.mp4
# AVI → MP4
ffmpeg -i input.avi -c:v libx264 -crf 23 -c:a aac -b:a 128k output.mp4
# MOV → MP4(Apple ProRes 转 H.264)
ffmpeg -i input.mov -c:v libx264 -crf 18 -preset slow -c:a aac output.mp4
# 任意格式 → 带网络优化快速启动的 MP4
ffmpeg -i input.* -c:v libx264 -crf 23 -preset medium -c:a aac -movflags +faststart output.mp4
CRF(恒定速率因子): 控制质量。值越低,质量越好,文件越大。
- 18:视觉无损
- 23:默认值,良好的平衡
- 28:文件较小,有一定质量损失
- 51:最差质量
第 3 步:音频操作
# 从视频中提取音频
ffmpeg -i video.mp4 -vn -c:a copy audio.aac # 复制编解码器(快速)
ffmpeg -i video.mp4 -vn -c:a libmp3lame -q:a 2 audio.mp3 # 转换为 MP3
ffmpeg -i video.mp4 -vn -c:a flac audio.flac # 无损 FLAC
# 音频格式间转换
ffmpeg -i input.wav -c:a libmp3lame -b:a 320k output.mp3
ffmpeg -i input.mp3 -c:a libopus -b:a 128k output.opus
ffmpeg -i input.flac -c:a aac -b:a 256k output.m4a
# 音频音量标准化
ffmpeg -i input.mp3 -af loudnorm=I=-16:LRA=11:TP=-1.5 output.mp3
# 更改采样率
ffmpeg -i input.wav -ar 44100 output.wav
# 将音频合并到视频
ffmpeg -i video.mp4 -i audio.mp3 -c:v copy -c:a aac -map 0:v:0 -map 1:a:0 output.mp4
第 4 步:裁剪、剪切和拼接
# 从时间戳开始裁剪指定时长
ffmpeg -i input.mp4 -ss 00:01:30 -t 00:00:45 -c copy clip.mp4 # 从 1:30 开始截取 45 秒
# 从开始裁剪到结束时间戳
ffmpeg -i input.mp4 -ss 00:05:00 -to 00:10:00 -c copy clip.mp4 # 5:00 到 10:00
# 前 30 秒
ffmpeg -i input.mp4 -t 30 -c copy first30.mp4
# 拼接文件(先创建文件列表)
cat > filelist.txt << 'EOF'
file 'clip1.mp4'
file 'clip2.mp4'
file 'clip3.mp4'
EOF
ffmpeg -f concat -safe 0 -i filelist.txt -c copy output.mp4
# 带重新编码的拼接(当编解码器不同时)
ffmpeg -f concat -safe 0 -i filelist.txt -c:v libx264 -c:a aac output.mp4
第 5 步:分辨率和压缩
# 缩放到 1080p(保持宽高比)
ffmpeg -i input.mp4 -vf "scale=-2:1080" -c:v libx264 -crf 23 -c:a copy output.mp4
# 缩放到 720p
ffmpeg -i input.mp4 -vf "scale=-2:720" -c:v libx264 -crf 23 -c:a copy output.mp4
# 缩放到指定宽度(高度自动)
ffmpeg -i input.mp4 -vf "scale=1280:-2" output.mp4
# 激进压缩(更小的文件)
ffmpeg -i input.mp4 -c:v libx264 -crf 28 -preset faster -c:a aac -b:a 96k small.mp4
# 针对目标文件大小的双遍编码
ffmpeg -i input.mp4 -c:v libx264 -b:v 1M -pass 1 -an -f null /dev/null
ffmpeg -i input.mp4 -c:v libx264 -b:v 1M -pass 2 -c:a aac -b:a 128k output.mp4
# 更改帧率
ffmpeg -i input.mp4 -r 30 output.mp4
第 6 步:缩略图和截图
# 在时间戳处截取单张截图
ffmpeg -i input.mp4 -ss 00:01:30 -frames:v 1 thumb.jpg
# 每 10 秒截取一张截图
ffmpeg -i input.mp4 -vf "fps=1/10" thumbs/frame_%04d.jpg
# 缩略图网格(4x4 联系表)
ffmpeg -i input.mp4 -vf "select='not(mod(n,300))',scale=320:-1,tile=4x4" -frames:v 1 grid.jpg
# 提取第一帧
ffmpeg -i input.mp4 -frames:v 1 first_frame.png
第 7 步:字幕
# 将字幕烧录到视频中(硬编码)
ffmpeg -i input.mp4 -vf "subtitles=subs.srt" output.mp4
# 烧录带样式的 ASS/SSA 字幕
ffmpeg -i input.mp4 -vf "ass=subs.ass" output.mp4
# 添加字幕轨道(软字幕,用户可以切换)
ffmpeg -i input.mp4 -i subs.srt -c copy -c:s mov_text output.mp4
# 从视频中提取字幕
ffmpeg -i input.mkv -map 0:s:0 subs.srt
第 8 步:滤镜和特效
# 从视频片段创建 GIF
ffmpeg -i input.mp4 -ss 5 -t 3 -vf "fps=15,scale=480:-1:flags=lanczos" output.gif
# 使用调色板生成高质量 GIF
ffmpeg -i input.mp4 -ss 5 -t 3 -vf "fps=15,scale=480:-1:flags=lanczos,palettegen" palette.png
ffmpeg -i input.mp4 -i palette.png -ss 5 -t 3 -lavfi "fps=15,scale=480:-1:flags=lanczos[v];[v][1:v]paletteuse" output.gif
# 添加水印
ffmpeg -i input.mp4 -i watermark.png -filter_complex "overlay=W-w-10:H-h-10" output.mp4
# 加速 / 减速
ffmpeg -i input.mp4 -filter_complex "[0:v]setpts=0.5*PTS[v];[0:a]atempo=2.0[a]" -map "[v]" -map "[a]" fast.mp4
ffmpeg -i input.mp4 -filter_complex "[0:v]setpts=2.0*PTS[v];[0:a]atempo=0.5[a]" -map "[v]" -map "[a]" slow.mp4
# 旋转视频
ffmpeg -i input.mp4 -vf "transpose=1" rotated.mp4 # 顺时针 90°
ffmpeg -i input.mp4 -vf "transpose=2" rotated.mp4 # 逆时针 90°
# 裁剪视频(宽度:高度:x:y)
ffmpeg -i input.mp4 -vf "crop=1280:720:0:180" cropped.mp4
# 淡入/淡出
ffmpeg -i input.mp4 -vf "fade=in:0:30,fade=out:870:30" -af "afade=in:0:30,afade=out:870:30" output.mp4
第 9 步:媒体信息
# 完整的媒体信息
ffprobe -v quiet -print_format json -show_format -show_streams input.mp4
# 仅时长
ffprobe -v quiet -show_entries format=duration -of csv=p=0 input.mp4
# 分辨率
ffprobe -v quiet -select_streams v:0 -show_entries stream=width,height -of csv=p=0 input.mp4
# 编解码器信息
ffprobe -v quiet -select_streams v:0 -show_entries stream=codec_name -of csv=p=0 input.mp4
第 10 步:批量处理
# 将所有 WebM 文件转换为 MP4
for f in *.webm; do
ffmpeg -i "$f" -c:v libx264 -crf 23 -c:a aac "${f%.webm}.mp4"
done
# 压缩目录中的所有 MP4 文件
for f in *.mp4; do
ffmpeg -i "$f" -c:v libx264 -crf 28 -preset fast -c:a aac "compressed_${f}"
done
# 从所有视频中提取音频
for f in *.mp4; do
ffmpeg -i "$f" -vn -c:a libmp3lame -q:a 2 "${f%.mp4}.mp3"
done
示例
示例 1:将 yt-dlp 下载的 WebM 文件转换为 MP4
用户提示: “我用 yt-dlp 下载了视频,但都是 .webm 文件。把它们转换成 MP4 以便在我的 iPhone 上播放。”
Agent 将执行:
- 使用
ffprobe检查 WebM 文件包含的是 H.264+AAC(可流复制)还是 VP9+Opus(需要重新编码)。 - 对于 VP9/Opus 文件,运行:
for f in *.webm; do ffmpeg -i "$f" -c:v libx264 -crf 23 -preset medium -c:a aac -movflags +faststart "${f%.webm}.mp4"; done -movflags +faststart标志将元数据移动到文件开头,从而在移动设备和网页浏览器上实现即时播放。- 报告转换结果,包括转换前后的文件大小。
示例 2:从多个片段创建精彩集锦
用户提示: “我有 5 个会议视频片段。裁剪出最精彩的部分,并将它们合并成一个带淡入淡出过渡的视频。”
Agent 将执行:
- 使用
-ss和-to标志将每个片段裁剪到指定的时间戳。 - 将所有片段重新编码为匹配的编解码器/分辨率:
ffmpeg -i clip.mp4 -c:v libx264 -crf 23 -vf "scale=1920:1080:force_original_aspect_ratio=decrease,pad=1920:1080:-1:-1,fade=in:0:15,fade=out:st=DURATION:d=0.5" -c:a aac -ar 44100 segment_N.mp4 - 创建一个拼接文件列表并合并:
ffmpeg -f concat -safe 0 -i filelist.txt -c copy highlight_reel.mp4
指南
- 转换 yt-dlp 下载的文件(通常是 WebM/VP9+Opus)时,始终重新编码为 H.264+AAC 以获得最大设备兼容性。使用
-c:v libx264 -crf 23 -c:a aac -movflags +faststart。 - 尽可能使用流复制(
-c copy)以避免重新编码——它即时完成且无损。仅在更改编解码器、应用滤镜或源容器与目标容器不兼容时才重新编码。 - 为网络或移动播放创建 MP4 文件时,始终添加
-movflags +faststart;它会将 moov 原子移动到文件开头以实现即时流式播放。 - 在处理前使用
ffprobe了解输入格式,避免不必要的重新编码。 - 对于批量操作,始终先对单个文件测试命令,然后再对整个目录运行。
- 对于单遍编码,优先使用 CRF 模式而非比特率模式;它在不同内容类型上能产生一致的质量。