ffmpeg功能和相关命令说实话写一百期都写不完但这个系列第三篇我想换个讲法不堆参数不复制官方文档而是把我自己从入门到落地这些年在项目里真正用过的功能、敲过的命令、踩过的坑一次聊透。既然你已经看到第三篇前两篇的音视频基础应该消化得差不多了封装格式、编码标准、YUV、PCM这些概念有了底子。那这一篇就直接围绕实战展开——怎么快速摸清一个视频的底细、怎么做格式转换和转码、怎么裁剪拼接、怎么抽帧做GIF、怎么加水印、怎么推流切片、怎么用硬件加速以及遇到音画不同步、文件变大这类问题怎么排查。这篇适合刚入门但想马上上手干活的开发者也适合用过ffmpeg但只会复制粘贴几个命令、遇到点变化就懵的半吊子还适合想系统梳理一遍的命令党。看完你至少能自己写出一套不依赖网上零散博客的完整命令方案。1. 先搞懂ffmpeg到底是干什么的很多初学者一上来就背命令今天记一个转码参数明天抄一个裁剪参数后天发现换个输入文件就报错。根本原因是没有理解ffmpeg的抽象模型一条命令的本质是在描述一次数据流动过程——读入、解码、处理、编码、输出。1.1 三大可执行文件的分工ffmpeg这个工具套件里最常用的其实是三个独立的命令ffprobe、ffplay、ffmpeg。它们分工完全不同很多人只盯着ffmpeg这个主命令忽略另外两个遇到问题不知道用ffprobe查用ffplay测试。ffprobe是侦察兵专门用来读取媒体文件的结构信息比如编码格式、分辨率、帧率、码率、时长、音频声道数。它不会去解码完整视频所以速度飞快是排查问题第一件要动用的工具。ffplay是播放器而且是一个极简调试播放器。它不追求用户体验最大的价值是能用极快的速度验证当前文件能不能正常解码播放、滤镜效果长什么样、音画是否同步。你在命令行里写完一长串滤镜不落地生成文件直接用ffplay预览会节省大量时间。ffmpeg本体才是处理工具负责转码、封装转换、滤镜处理、拼接、推流这些实际工作。它的核心抽象就是输入文件-i经过一系列滤镜filter处理后用指定的编码器重新编码或直接复制流然后封装成指定的容器格式输出。这个分工意识比记住任何具体参数都重要。你连一个视频是什么编码都不清楚就拿着参数乱试跟蒙着眼睛猜路没什么区别。1.2 一条命令背后发生了什么看一条最简单的命令ffmpeg -i input.mkv output.mp4注意这条命令其实不仅仅是在“改后缀”。ffmpeg会尝试把input.mkv里的视频流和音频流重新解码再用输出文件的扩展名推断目标编码格式重新编码后封装成mp4。默认情况下视频会选一个mp4容器兼容的编码比如H.264音频会选AAC这一通操作下来耗时很长而且画质可能已经损失过一轮。如果只是想改封装格式不重新编码正确姿势是加-c copyffmpeg -i input.mkv -c copy output.mp4-c copy的意思是流拷贝直接把原始压缩数据从mkv容器里取出来塞进mp4容器不经过解码和编码速度极快画质零损失。但有个前提目标容器必须支持原编码格式比如你非要把H.265的视频流-c copy塞进老旧的avi容器或者低版本mp4就可能得到一份播放器根本不认的文件。所以理解ffmpeg的流水线模型非常关键解封装、解码、滤镜处理、编码、封装每一层都可以单独控制。你真正需要理解的是什么时候该动解码什么时候可以直接copy这直接关系到一个任务耗时几秒还是几分钟。2. 信息查询与格式转换的实用姿势2.1 用ffprobe摸清视频底细拿到一个视频第一步永远是先查信息。ffprobe -v error -show_format -show_streams input.mp4-v error只显示错误级别的日志避免一堆无关信息刷屏。-show_format输出封装层信息比如时长、总码率、文件大小。-show_streams输出所有流的详细信息包括视频流的编码器、分辨率、像素格式、帧率音频流的编码器、采样率、声道数。输出有点乱项目里更常用的是指定JSON格式方便脚本解析ffprobe -v error -print_format json -show_format -show_streams input.mp4比如你想在自动化脚本里取视频时长可以配合文本处理工具拿走ffprobe -v error -show_entries formatduration -of defaultnoprint_wrappers1:nokey1 input.mp4这条命令把输出格式-of设成纯文本不包装、不显示键名只输出一个数字直接放进shell变量。实际项目里我有个习惯先ffprobe查清楚输入文件的真实参数再决定输出参数怎么定。比如源文件是4K 60帧的H.265视频目标平台只支持1080p 30帧的H.264那就要做分辨率缩放和帧率转换如果源文件本来就是H.264的mp4你只是想减小体积那直接用CRF模式重新编码一遍就够了不需要动分辨率和帧率。2.2 封装和编码千万别搞混格式转换是搜索频率最高的需求但很多人把“改封装”和“转码”混为一谈。常见场景一手里只有mkv播放器不支持想转mp4。如果检查过编码格式是H.264和AAC直接ffmpeg -i input.mkv -c copy output.mp4几秒钟搞定画质音质完全不变。mkv和mp4都是常见容器H.264/AAC这两种编码两个容器都很好容纳前提是字幕流可能需要单独处理。常见场景二拿到的视频是某个老播放器不认的编码必须转码。比如输入是H.265的mp4老设备不支持要转成H.264ffmpeg -i input.mp4 -c:v libx264 -preset medium -crf 23 -c:a aac -b:a 128k output.mp4这里-c:v libx264指定了视频用H.264软件编码器-c:a aac指定音频用AAC编码器。如果只是-c copyH.265的视频流还是H.265老设备照样打不开。用一句话记住容器是盒子编码是零件。改封装就是把零件换到新盒子里转码是把零件回炉重造。2.3 用CRF控制画质的转码命令用ffmpeg做H.264或H.265转码我最常用的是CRF模式而不是指定平均码率。ffmpeg -i input.mp4 -c:v libx264 -preset medium -crf 23 -pix_fmt yuv420p -c:a aac -b:a 128k output.mp4CRF叫恒定质量因子范围一般是0到51数值越小画质越好文件越大。23是x264的默认值18到28是日常最常用的区间视觉上无损的素材处理我习惯用17到18网络传输长期存储用23到26预览或者临时文件可以用28到30。CRF模式的思想是优先保证每一帧的画质稳定根据画面复杂度动态分配码率。画面复杂的场景用更多码率静态画面用更少码率。这跟指定固定码率-b:v有本质区别——固定码率会在大动态场景下出现马赛克在静态场景下又浪费带宽。如果需求是“压到某个体积以内”CRF就管不了那么精确了。这时候要上两遍编码Two-Pass第一遍收集整个视频的复杂度统计信息第二遍按照目标码率分配每一帧。命令得执行两次ffmpeg -i input.mp4 -c:v libx264 -preset medium -b:v 1000k -pass 1 -an -f null /dev/null ffmpeg -i input.mp4 -c:v libx264 -preset medium -b:v 1000k -pass 2 -c:a aac -b:a 128k output.mp4注意第一遍输出到系统空设备不保留视频只收集统计日志Windows下空设备是NULLinux和macOS是/dev/null。第二遍才真正输出目标文件。两遍编码耗时大约是单遍编码的1.6到2倍适合追求精确体积、且视频是一次性处理的场景。转码的时候有个容易被忽略的参数-pix_fmt yuv420p。很多源视频是yuv444或者yuv422采样直接编码出来的文件播放器兼容性差强制转成yuv420是保证绝大多数播放器都能正常出画面的稳妥做法。3. 裁剪、拼接与音视频分离实战3.1 裁剪命令里的关键陷阱-ss到底放哪儿裁剪视频是最容易踩坑的操作之一。需求看起来简单截取某一段。命令也有现成的ffmpeg -i input.mp4 -ss 00:01:00 -t 10 -c copy output.mp4意思是从第60秒开始截10秒流拷贝直接输出。这个命令最大的问题是它不一定能精确地在第60秒这一帧上开始。因为视频压缩的关键帧机制H.264这类编码每隔一段距离才有一个关键帧I帧从关键帧到第60秒之间的若干帧如果没有经过解码重建是没有办法单独作为一个视频流的起点的。-c copy模式下ffmpeg只能从离第60秒最近的前一个关键帧开始打包所以你截出来的文件起始画面可能早了零点几秒甚至好几秒。要精确到帧另外一种是ffmpeg -ss 00:01:00 -i input.mp4 -t 10 -c copy output.mp4注意-ss放在-i前面。这个位置的-ss被当成输入选项会用解码的方式先定位到目标时间点附近然后丢弃前面不需要的数据精确度更高而且seek速度也快。为什么这种情况-c copy仍然有效因为ffmpeg经过内部seek定位后再配合时间戳处理能达到比较精确的结果。但如果你截取的位置正好不是关键帧还是可能出现首帧是黑屏或者花屏的情况。真正的精确到帧方案是放弃-c copy走重编码ffmpeg -i input.mp4 -ss 00:01:00 -t 10 -c:v libx264 -crf 18 -c:a aac output.mp4重编码模式下ffmpeg会解码从关键帧开始的完整画面再在内部一帧一帧丢弃目标位置之前的帧最后从精确的那一帧开始编码没有花屏问题只是耗时更高。个人经验剪辑需求追求精确就重编码快速预览或者素材粗切就用-ss放在-i前配合-c copy。另外-t表示时长-to表示结束时间点两者容易混淆。-ss 00:01:00 -t 10是取1分00秒到1分10秒-ss 00:01:00 -to 00:01:10结果一样。3.2 无损拼接的注意事项把多个视频片段拼成一个视频网上搜到的方案里最常见的是concat协议ffmpeg -f concat -safe 0 -i list.txt -c copy output.mp4list.txt里写file part1.mp4 file part2.mp4 file part3.mp4-safe 0允许文件路径包含特殊字符-c copy直接流拷贝不做重编码。这个方法的前提相当苛刻被拼接的几个文件必须编码参数完全一致比如同为H.264、同为yuv420p、同为相同分辨率、相同帧率、相同音频参数。哪怕两个片段源来自同一个手机只要录制时自动切换过分辨率拼接点就会出现音画不同步或者画面卡顿。遇到拼接失败最常见的报错就是时间戳不对劲后面会细说。比concat协议更省事的是concat demuxer配合重编码ffmpeg -f concat -safe 0 -i list.txt -vf scale1920:1080,fps30 -c:v libx264 -crf 23 -c:a aac -b:a 128k output.mp4这会让所有片段统一经过缩放和帧率转换再编码兼容性拉满代价是耗时高。如果只是偶尔拼一两个视频强烈建议直接用这个方法省去排查参数不一致的烦恼。另一个更简单但很多人不知道的拼接方式如果片段本身就是同一个编码参数也可以把所有文件合成一个中间格式再转封装但我发现实际操作下来用concat协议加-c copy才是效率最高的前提是先ffprobe确认参数。3.3 提取音频与静音处理音视频分离是个高频操作。想从一个视频里抽出一轨音频存成mp3ffmpeg -i input.mp4 -vn -c:a libmp3lame -q:a 2 audio.mp3-vn禁用视频流-q:a 2是MP3编码器的质量等级范围0到9数值越小质量越高2大约相当于192到256kbps的码率。如果不想重编码音频只想把视频的音频流原封不动抠出来ffmpeg -i input.mp4 -vn -c:a copy audio.m4a注意输出后缀要和原始音频编码匹配源是AAC就存成m4a或aac源是AC3尽量存成ac3或ec3否则封装对不上。反过来给一段视频静音很简单ffmpeg -i input.mp4 -an -c:v copy output.mp4-an是禁用音频输出加上-c:v copy保证视频不重编码几秒钟就处理完一个几GB的大文件。同理-sn是去掉字幕流。还有一种场景视频没有音轨但你想在后台加一段BGM。可以用-stream_loop把音频无限循环再混流ffmpeg -i input.mp4 -stream_loop -1 -i bgm.mp3 -filter_complex [1:a]volume0.3[a] -map 0:v -map [a] -c:v copy -c:a aac -shortest output.mp4-stream_loop -1让音频无限循环-shortest让输出在最短流结束时停止音量控制放filter里调整。-map是手动指定最终输出哪些流这个习惯建议从开始就养成。4. 滤镜、抽帧与动图生成4.1 滤镜系统的核心心智模型ffmpeg的滤镜filter系统是它最强大的地方也最劝退初学者。本质就是一条流水线每一帧图像或每一段音频依次经过多个处理节点节点之间用逗号分隔形成一个滤镜链。最简单的缩放命令ffmpeg -i input.mp4 -vf scale1280:720 -c:v libx264 -crf 23 -c:a copy output.mp4-vf是视频滤镜链scale1280:720把画面缩放到720p。这里分辨率对角线如果不够整除建议加上-2让ffmpeg自动凑成偶数ffmpeg -i input.mp4 -vf scale1280:-2 -c:v libx264 -crf 23 -c:a copy output.mp4为什么要凑偶数因为大多数视频编码标准要求宽度和高度是偶数你随手写个scale1279:720后面编码器会直接报错要求对齐。多个滤镜组合用逗号连接比如缩放后调帧率ffmpeg -i input.mp4 -vf scale1280:-2,fps30 -c:v libx264 -crf 23 -c:a copy output.mp4这句话的意思非常直观先把每帧缩放到1280宽然后把输出帧率固定为30fps。fps滤镜会自动丢帧或重复帧保证最终文件是均匀的30帧。滤镜链不仅是画面处理音频也有滤镜链用-af控制。比如音量减半和降噪ffmpeg -i input.mp4 -af volume0.5,anlmdn -c:v copy -c:a aac output.mp4这里视频保持流拷贝完全不碰音频经过音量调整和降噪滤镜后重新编码互不干扰。这个分工思路在复杂任务里能极大节省时间。4.2 抽帧与GIF生成从视频里抽帧做封面、出缩略图、做数据集是图像算法工程师和老程序员都会高频碰到的需求。每秒抽一帧ffmpeg -i input.mp4 -vf fps1 frame_%03d.jpgfps1的意思是输出帧率1fps即每秒钟保留一帧。frame_%03d.jpg是输出文件名模板%03d代表三位数的序号从000、001、002这样递增。如果视频时长100秒会得到100张图片。抽取某几帧而不是全抽比如只要第10秒、第20秒、第30秒各一张ffmpeg -i input.mp4 -vf selecteq(n\,30)eq(n\,60)eq(n\,90) -vsync vfr frame_%03d.jpg这里select滤镜按照帧序号n选择第30、60、90帧-vsync vfr是设置可变帧率输出避免抽稀之后时间戳混乱。从视频生成GIF动图最常见的命令ffmpeg -i input.mp4 -vf fps10,scale480:-1 out.giffps10把帧率降到10fpsGIF大小会大幅缩小。GIF本身是8位色深颜色多的画面会有明显色带这是格式的先天缺陷跟ffmpeg无关。如果追求动图质量和体积的平衡建议先转成短视频再转GIF或者直接用webp动图播放器兼容性也很好ffmpeg -i input.mp4 -vf fps15,scale480:-1 out.webp4.3 水印、画中画与文字叠加给视频加水印是自媒体和素材处理项目里最常见的滤镜需求。图片水印ffmpeg -i input.mp4 -i logo.png -filter_complex [1:v]scale200:-1[logo];[0:v][logo]overlay20:20 -c:a copy output.mp4这一串稍微解释一下-i logo.png是第二个输入文件[1:v]表示第二个输入的视频流先经过scale缩放到宽度200结果命名为[logo]然后[0:v]第一个输入的视频流和[logo]通过overlay滤镜叠加位置是左上角偏移20像素。如果想让Logo在右上角显示并且留10像素边距ffmpeg -i input.mp4 -i logo.png -filter_complex [1:v]scale200:-1[logo];[0:v][logo]overlayW-w-10:10 -c:a copy output.mp4W和w分别指主视频宽度和Logo宽度W-w-10就是右边缘向左偏移10像素这个动态表达式非常实用。画中画PiP就是把一个小视频嵌在大视频里比如录屏课程里嵌入摄像头画面ffmpeg -i main.mp4 -i camera.mp4 -filter_complex [1:v]scale320:240[pi];[0:v][pi]overlayW-w-20:H-h-20 -c:a copy output.mp4摄像头画面缩放到320x240叠在主视频右下角原点坐标是左上角所以右下角就是W-w-20:H-h-20。文字叠加用drawtext滤镜ffmpeg -i input.mp4 -vf drawtexttextHELLO:fontsize48:fontcolorwhite:box1:boxcolorblack0.5:boxborderw10:x20:y20 -c:a copy output.mp4中文需要指定字体文件否则会变成方框乱码ffmpeg -i input.mp4 -vf drawtextfontfile/path/to/font.ttf:text你好:fontsize48:x(w-tw)/2:yh-th-50 -c:a copy output.mp4(w-tw)/2让文字水平居中h-th-50是底部往上50像素。drawtext的每帧渲染在大量文字和长视频场景会有性能压力建议先预览一小段再批量跑。5. 进阶指令直播推流、HLS切片与硬件加速5.1 用ffmpeg推RTMP流直播场景里ffmpeg经常作为推流工具把本地视频文件或者采集设备推到直播服务器。推流的基本姿势ffmpeg -re -i input.mp4 -c copy -f flv rtmp://your-server/live/streamkey-re的参数很关键表示按视频原始帧率节奏读取输入模拟实时播放。如果不加ffmpeg会以最快速度把文件推给服务器直播观众看到的就是几秒内播完全片的离奇现场。-f flv是强制输出格式RTMP协议要求封装格式必须是FLV。-c copy只用在你确认原视频直接兼容FLV封装且服务器能接受的情况下。真实推流项目里视频源常常需要统一转码成直播规格ffmpeg -re -i input.mp4 -c:v libx264 -preset veryfast -b:v 3000k -maxrate 3000k -bufsize 6000k -pix_fmt yuv420p -g 60 -c:a aac -b:a 128k -f flv rtmp://your-server/live/streamkey-g 60设置GOP关键帧间隔为60帧在30fps下就是每2秒一个关键帧。直播里关键帧间隔太久观众切流时会长时间黑屏间隔太短画质会被迫下降。-preset veryfast是为了降低编码延迟直播场景一般不用slow这种高耗时预设。推流设备如摄像头可以省略-re从设备直接采集实时画面-re反而会导致帧节奏异常。这个细节容易踩坑。5.2 HLS切片与点播场景点播平台最常见的分发格式是HLS把视频切成一段段小的ts或m4s文件配一个m3u8索引。ffmpeg做这个非常顺手ffmpeg -i input.mp4 -c:v libx264 -crf 23 -c:a aac -hls_time 10 -hls_list_size 0 -hls_segment_filename segment_%03d.ts playlist.m3u8-hls_time 10每一段切片的目标时长是10秒。注意是目标时长实际切分点会落在关键帧对齐的位置所以每段可能是9.8秒或10.5秒这是正常的。-hls_list_size 0表示m3u8索引里保留所有切片如果设置成别的数字索引文件会只保留最近几段用于直播场景。-hls_segment_filename指定切片文件名模板。如果原始视频编码参数已经符合HLS的要求也可以用-c copy直接切片ffmpeg -i input.mp4 -c copy -hls_time 10 -hls_list_size 0 playlist.m3u8速度极快但前提同样是源视频编码参数必须是H.264/AAC而且关键帧间隔要偶合切片时长否则切片点会偏离预期。5.3 硬件加速编码参数和硬解硬编分离处理高分辨率视频或长视频时CPU软件编码慢得让人崩溃。现在主流的GPU硬件编码器能把转码速度提升几倍甚至十几倍代价是同样码率下的画质略低于软件高质量预设。N卡环境下用硬件解码配合硬件编码ffmpeg -hwaccel cuda -i input.mp4 -c:v h264_nvenc -preset p4 -cq 20 -c:a copy output.mp4-hwaccel cuda是解码阶段用显卡加速-c:v h264_nvenc是编码阶段用N卡的硬件编码器。-cq是NVENC的质量参数类似于软件编码里的CRF数值越小质量越好。Intel核显的常见方案ffmpeg -hwaccel qsv -i input.mp4 -c:v h264_qsv -global_quality 20 -c:a copy output.mp4AMD显卡通常用h264_amf这里就不展开品牌参数了。重点是意识到解码加速和编码加速是两条独立的链可以分开设置。甚至可以混搭用显卡硬编码用CPU软解码或者反过来。比如源视频是H.265显卡支持硬解那就ffmpeg -hwaccel cuda -c:v hevc_cuvid -i input.hevc -c:v h264_nvenc -cq 22 -c:a copy output.mp4不过不同平台的硬件解码器名称后缀不一样得看本机ffmpeg具体支持哪些。先执行ffmpeg -hwaccels和ffmpeg -encoders | grep nvenc确认环境。硬件编码器为了实时性默认会牺牲一点压缩率如果项目对文件体积极其敏感建议还是用软件编码器的preset slower跑离线转码。在线直播和预览场景硬件编码才是正解。6. 踩坑记录与排查技巧6.1 音画不同步的常见原因音画不同步是音视频处理里最玄学的问题。现象表现为画面越来越快、声音越来越慢或者反过来。大多数情况不是ffmpeg出bug而是你没有约束输出流的时间基准。常见原因之一源素材本身帧率不恒定播放器按照固定音频时钟推进导致画面逐渐漂移。解决方案是给视频输出链固定一个恒定帧率ffmpeg -i input.mp4 -vf fps25 -c:v libx264 -crf 23 -c:a aac -af aresampleasync1 output.mp4aresampleasync1的作用是让音频采样器在遇到音画时间差时自动插入或删除微小静音片段把音轨重新对齐到视频时间轴上。常见原因之二使用-c copy拼接的时间戳不一致的片段。片段里如果有B帧拼接后时间戳顺序错乱播放器就会音画不同步。解决办法是不用copy重新编码或者在拼接之前用-fflags genpts强制生成正确的时间戳。常见原因之三转码时滤镜链里加入了setpts调整播放速度。变加速播放时很多人只处理视频ffmpeg -i input.mp4 -vf setpts0.5*PTS -c:v libx264 output.mp4画面快进到2倍速但音频没动结果必然音画不同步。正确做法是视频、音频同时处理ffmpeg -i input.mp4 -vf setpts0.5*PTS -af atempo2.0 -c:v libx264 -c:a aac output.mp4atempo滤镜支持0.5到2.0的倍速超过这个范围需要串联两次ffmpeg -i input.mp4 -af atempo2.0,atempo1.5 -c:a aac output.mp4对应4倍速画面就用setpts0.25*PTS2x2等于4所以音频串两个atempo。6.2 转码后文件体积意想不到地变大明明转码了文件却比原文件还大这个问题我遇到过太多次。本质原因是你没有给编码器指定码率约束或者用的源是码率极低的文件。一个典型case源视频是演唱会直播录屏码率只有800kbps画面全是动态噪点。你用-c:v libx264 -crf 18去转编码器为了保住细节重新分配了高码率结果输出3倍于原文件。这不是bug是你用了一个对直播低码率源来说过于苛刻的质量要求。解决方法是权衡对低码率源用相对适中的CRF比如23到26或者干脆保持源码率附近用两遍编码设目标码率。另外提醒一下CRF模式是追求恒定质量不是追求文件体积。想控制体积就不要用CRF。还有一种情况是音频引起的源文件音频是96kbps的AAC你转成了320kbps的MP3或者源是单声道你转成立体声一个小时长视频音频体积差出去五六十MB很正常。处理视频时对音频参数多留个心眼。6.3 concat拼接报错与解决concat拼接最常见的报错是Invalid data found when processing input或者拼接出来的视频在切换点卡顿、花屏。问题基本可以锁定在编码参数不一致。排查路径很简单逐个ffprobe参与拼接的文件对比编码器名称、分辨率、帧率、像素格式、音频编码器、采样率、声道数。只要有一项不一致就别指望-c copy能拼好。如果文件来源复杂我通常直接用重编码方案统一参数后再拼。有个小技巧先用一条ffmpeg命令把所有片段统一转成中间文件比如都用H.264、yuv420p、固定帧率、AAC音频再走concat协议成功率接近100%。另一个隐藏问题-safe 0这个参数在Windows和macOS上表现也会不一致如果路径里有空格或中文建议list.txt里的路径用相对路径并且把list.txt放在和视频同一目录下能省掉一堆引号转义烦恼。6.4 常见问题速查表问题原因解决方案转码后花屏或绿屏像素格式不兼容加上-pix_fmt yuv420p裁剪结果起始位置不对-ss放在输出位置且配合-c copy把-ss放到-i之前或改用重编码H.265视频老设备播放不了编码器不兼容转码为libx264推流后观众长时间黑屏GOP间隔太长加-g 60左右concat拼接失败各片段编码参数不一致先统一参数再拼接音频变快或变慢只调视频没调音频视频连setpts音频连atempo输出文件巨大用了CRF但没有注意源质量调整CRF数值或用两遍编码目标码率中文文字方框drawtext没指定字体加fontfile指定中文字体路径转码CPU占用过高软件编码预设耗时换硬件编码器或调-preset fast7. 写在最后我的一点实操体会ffmpeg功能跟命令表面上是一套工具使用问题本质上是一套抽象思维问题输入、解码、滤镜、编码、封装这条流水线一旦在脑子里建起来所有命令都能推出来遇到没见过的需求也不会慌。我的习惯是遇到新任务先用ffprobe查参数再用ffplay预览效果真正确定方案后才跑ffmpeg批量处理这样能避免大量无效转码。几个长期实践下来的经验想分享给你第一能用-c copy的地方尽量用尤其是批量改封装的时候速度差距是数量级的第二所有涉及质量取舍的参数优先用CRF而非固定码率第三写复杂滤镜前一定分步验证比如先缩放着色再叠加水印逐段确认效果不要指望一次写出完美命令第四没把握的参数组合先拿10秒短视频试跑确认没问题后再处理全量文件。这篇文章只覆盖了ffmpeg日常使用里最扎实的一部分后面如果大家感兴趣我还可以继续写滤镜表达式详解、音视频同步原理、以及如何用ffmpeg做自动化的批处理工具。希望这些经验和踩坑记录能让你少走几步弯路。 
长河君 · 2026/10/16 5:19:56 · 阅读 1.2k ffmpeg实战：从入门到落地的核心命令与踩坑经验
ffmpeg功能和相关命令说实话写一百期都写不完但这个系列第三篇我想换个讲法不堆参数不复制官方文档而是把我自己从入门到落地这些年在项目里真正用过的功能、敲过的命令、踩过的坑一次聊透。既然你已经看到第三篇前两篇的音视频基础应该消化得差不多了封装格式、编码标准、YUV、PCM这些概念有了底子。那这一篇就直接围绕实战展开——怎么快速摸清一个视频的底细、怎么做格式转换和转码、怎么裁剪拼接、怎么抽帧做GIF、怎么加水印、怎么推流切片、怎么用硬件加速以及遇到音画不同步、文件变大这类问题怎么排查。这篇适合刚入门但想马上上手干活的开发者也适合用过ffmpeg但只会复制粘贴几个命令、遇到点变化就懵的半吊子还适合想系统梳理一遍的命令党。看完你至少能自己写出一套不依赖网上零散博客的完整命令方案。1. 先搞懂ffmpeg到底是干什么的很多初学者一上来就背命令今天记一个转码参数明天抄一个裁剪参数后天发现换个输入文件就报错。根本原因是没有理解ffmpeg的抽象模型一条命令的本质是在描述一次数据流动过程——读入、解码、处理、编码、输出。1.1 三大可执行文件的分工ffmpeg这个工具套件里最常用的其实是三个独立的命令ffprobe、ffplay、ffmpeg。它们分工完全不同很多人只盯着ffmpeg这个主命令忽略另外两个遇到问题不知道用ffprobe查用ffplay测试。ffprobe是侦察兵专门用来读取媒体文件的结构信息比如编码格式、分辨率、帧率、码率、时长、音频声道数。它不会去解码完整视频所以速度飞快是排查问题第一件要动用的工具。ffplay是播放器而且是一个极简调试播放器。它不追求用户体验最大的价值是能用极快的速度验证当前文件能不能正常解码播放、滤镜效果长什么样、音画是否同步。你在命令行里写完一长串滤镜不落地生成文件直接用ffplay预览会节省大量时间。ffmpeg本体才是处理工具负责转码、封装转换、滤镜处理、拼接、推流这些实际工作。它的核心抽象就是输入文件-i经过一系列滤镜filter处理后用指定的编码器重新编码或直接复制流然后封装成指定的容器格式输出。这个分工意识比记住任何具体参数都重要。你连一个视频是什么编码都不清楚就拿着参数乱试跟蒙着眼睛猜路没什么区别。1.2 一条命令背后发生了什么看一条最简单的命令ffmpeg -i input.mkv output.mp4注意这条命令其实不仅仅是在“改后缀”。ffmpeg会尝试把input.mkv里的视频流和音频流重新解码再用输出文件的扩展名推断目标编码格式重新编码后封装成mp4。默认情况下视频会选一个mp4容器兼容的编码比如H.264音频会选AAC这一通操作下来耗时很长而且画质可能已经损失过一轮。如果只是想改封装格式不重新编码正确姿势是加-c copyffmpeg -i input.mkv -c copy output.mp4-c copy的意思是流拷贝直接把原始压缩数据从mkv容器里取出来塞进mp4容器不经过解码和编码速度极快画质零损失。但有个前提目标容器必须支持原编码格式比如你非要把H.265的视频流-c copy塞进老旧的avi容器或者低版本mp4就可能得到一份播放器根本不认的文件。所以理解ffmpeg的流水线模型非常关键解封装、解码、滤镜处理、编码、封装每一层都可以单独控制。你真正需要理解的是什么时候该动解码什么时候可以直接copy这直接关系到一个任务耗时几秒还是几分钟。2. 信息查询与格式转换的实用姿势2.1 用ffprobe摸清视频底细拿到一个视频第一步永远是先查信息。ffprobe -v error -show_format -show_streams input.mp4-v error只显示错误级别的日志避免一堆无关信息刷屏。-show_format输出封装层信息比如时长、总码率、文件大小。-show_streams输出所有流的详细信息包括视频流的编码器、分辨率、像素格式、帧率音频流的编码器、采样率、声道数。输出有点乱项目里更常用的是指定JSON格式方便脚本解析ffprobe -v error -print_format json -show_format -show_streams input.mp4比如你想在自动化脚本里取视频时长可以配合文本处理工具拿走ffprobe -v error -show_entries formatduration -of defaultnoprint_wrappers1:nokey1 input.mp4这条命令把输出格式-of设成纯文本不包装、不显示键名只输出一个数字直接放进shell变量。实际项目里我有个习惯先ffprobe查清楚输入文件的真实参数再决定输出参数怎么定。比如源文件是4K 60帧的H.265视频目标平台只支持1080p 30帧的H.264那就要做分辨率缩放和帧率转换如果源文件本来就是H.264的mp4你只是想减小体积那直接用CRF模式重新编码一遍就够了不需要动分辨率和帧率。2.2 封装和编码千万别搞混格式转换是搜索频率最高的需求但很多人把“改封装”和“转码”混为一谈。常见场景一手里只有mkv播放器不支持想转mp4。如果检查过编码格式是H.264和AAC直接ffmpeg -i input.mkv -c copy output.mp4几秒钟搞定画质音质完全不变。mkv和mp4都是常见容器H.264/AAC这两种编码两个容器都很好容纳前提是字幕流可能需要单独处理。常见场景二拿到的视频是某个老播放器不认的编码必须转码。比如输入是H.265的mp4老设备不支持要转成H.264ffmpeg -i input.mp4 -c:v libx264 -preset medium -crf 23 -c:a aac -b:a 128k output.mp4这里-c:v libx264指定了视频用H.264软件编码器-c:a aac指定音频用AAC编码器。如果只是-c copyH.265的视频流还是H.265老设备照样打不开。用一句话记住容器是盒子编码是零件。改封装就是把零件换到新盒子里转码是把零件回炉重造。2.3 用CRF控制画质的转码命令用ffmpeg做H.264或H.265转码我最常用的是CRF模式而不是指定平均码率。ffmpeg -i input.mp4 -c:v libx264 -preset medium -crf 23 -pix_fmt yuv420p -c:a aac -b:a 128k output.mp4CRF叫恒定质量因子范围一般是0到51数值越小画质越好文件越大。23是x264的默认值18到28是日常最常用的区间视觉上无损的素材处理我习惯用17到18网络传输长期存储用23到26预览或者临时文件可以用28到30。CRF模式的思想是优先保证每一帧的画质稳定根据画面复杂度动态分配码率。画面复杂的场景用更多码率静态画面用更少码率。这跟指定固定码率-b:v有本质区别——固定码率会在大动态场景下出现马赛克在静态场景下又浪费带宽。如果需求是“压到某个体积以内”CRF就管不了那么精确了。这时候要上两遍编码Two-Pass第一遍收集整个视频的复杂度统计信息第二遍按照目标码率分配每一帧。命令得执行两次ffmpeg -i input.mp4 -c:v libx264 -preset medium -b:v 1000k -pass 1 -an -f null /dev/null ffmpeg -i input.mp4 -c:v libx264 -preset medium -b:v 1000k -pass 2 -c:a aac -b:a 128k output.mp4注意第一遍输出到系统空设备不保留视频只收集统计日志Windows下空设备是NULLinux和macOS是/dev/null。第二遍才真正输出目标文件。两遍编码耗时大约是单遍编码的1.6到2倍适合追求精确体积、且视频是一次性处理的场景。转码的时候有个容易被忽略的参数-pix_fmt yuv420p。很多源视频是yuv444或者yuv422采样直接编码出来的文件播放器兼容性差强制转成yuv420是保证绝大多数播放器都能正常出画面的稳妥做法。3. 裁剪、拼接与音视频分离实战3.1 裁剪命令里的关键陷阱-ss到底放哪儿裁剪视频是最容易踩坑的操作之一。需求看起来简单截取某一段。命令也有现成的ffmpeg -i input.mp4 -ss 00:01:00 -t 10 -c copy output.mp4意思是从第60秒开始截10秒流拷贝直接输出。这个命令最大的问题是它不一定能精确地在第60秒这一帧上开始。因为视频压缩的关键帧机制H.264这类编码每隔一段距离才有一个关键帧I帧从关键帧到第60秒之间的若干帧如果没有经过解码重建是没有办法单独作为一个视频流的起点的。-c copy模式下ffmpeg只能从离第60秒最近的前一个关键帧开始打包所以你截出来的文件起始画面可能早了零点几秒甚至好几秒。要精确到帧另外一种是ffmpeg -ss 00:01:00 -i input.mp4 -t 10 -c copy output.mp4注意-ss放在-i前面。这个位置的-ss被当成输入选项会用解码的方式先定位到目标时间点附近然后丢弃前面不需要的数据精确度更高而且seek速度也快。为什么这种情况-c copy仍然有效因为ffmpeg经过内部seek定位后再配合时间戳处理能达到比较精确的结果。但如果你截取的位置正好不是关键帧还是可能出现首帧是黑屏或者花屏的情况。真正的精确到帧方案是放弃-c copy走重编码ffmpeg -i input.mp4 -ss 00:01:00 -t 10 -c:v libx264 -crf 18 -c:a aac output.mp4重编码模式下ffmpeg会解码从关键帧开始的完整画面再在内部一帧一帧丢弃目标位置之前的帧最后从精确的那一帧开始编码没有花屏问题只是耗时更高。个人经验剪辑需求追求精确就重编码快速预览或者素材粗切就用-ss放在-i前配合-c copy。另外-t表示时长-to表示结束时间点两者容易混淆。-ss 00:01:00 -t 10是取1分00秒到1分10秒-ss 00:01:00 -to 00:01:10结果一样。3.2 无损拼接的注意事项把多个视频片段拼成一个视频网上搜到的方案里最常见的是concat协议ffmpeg -f concat -safe 0 -i list.txt -c copy output.mp4list.txt里写file part1.mp4 file part2.mp4 file part3.mp4-safe 0允许文件路径包含特殊字符-c copy直接流拷贝不做重编码。这个方法的前提相当苛刻被拼接的几个文件必须编码参数完全一致比如同为H.264、同为yuv420p、同为相同分辨率、相同帧率、相同音频参数。哪怕两个片段源来自同一个手机只要录制时自动切换过分辨率拼接点就会出现音画不同步或者画面卡顿。遇到拼接失败最常见的报错就是时间戳不对劲后面会细说。比concat协议更省事的是concat demuxer配合重编码ffmpeg -f concat -safe 0 -i list.txt -vf scale1920:1080,fps30 -c:v libx264 -crf 23 -c:a aac -b:a 128k output.mp4这会让所有片段统一经过缩放和帧率转换再编码兼容性拉满代价是耗时高。如果只是偶尔拼一两个视频强烈建议直接用这个方法省去排查参数不一致的烦恼。另一个更简单但很多人不知道的拼接方式如果片段本身就是同一个编码参数也可以把所有文件合成一个中间格式再转封装但我发现实际操作下来用concat协议加-c copy才是效率最高的前提是先ffprobe确认参数。3.3 提取音频与静音处理音视频分离是个高频操作。想从一个视频里抽出一轨音频存成mp3ffmpeg -i input.mp4 -vn -c:a libmp3lame -q:a 2 audio.mp3-vn禁用视频流-q:a 2是MP3编码器的质量等级范围0到9数值越小质量越高2大约相当于192到256kbps的码率。如果不想重编码音频只想把视频的音频流原封不动抠出来ffmpeg -i input.mp4 -vn -c:a copy audio.m4a注意输出后缀要和原始音频编码匹配源是AAC就存成m4a或aac源是AC3尽量存成ac3或ec3否则封装对不上。反过来给一段视频静音很简单ffmpeg -i input.mp4 -an -c:v copy output.mp4-an是禁用音频输出加上-c:v copy保证视频不重编码几秒钟就处理完一个几GB的大文件。同理-sn是去掉字幕流。还有一种场景视频没有音轨但你想在后台加一段BGM。可以用-stream_loop把音频无限循环再混流ffmpeg -i input.mp4 -stream_loop -1 -i bgm.mp3 -filter_complex [1:a]volume0.3[a] -map 0:v -map [a] -c:v copy -c:a aac -shortest output.mp4-stream_loop -1让音频无限循环-shortest让输出在最短流结束时停止音量控制放filter里调整。-map是手动指定最终输出哪些流这个习惯建议从开始就养成。4. 滤镜、抽帧与动图生成4.1 滤镜系统的核心心智模型ffmpeg的滤镜filter系统是它最强大的地方也最劝退初学者。本质就是一条流水线每一帧图像或每一段音频依次经过多个处理节点节点之间用逗号分隔形成一个滤镜链。最简单的缩放命令ffmpeg -i input.mp4 -vf scale1280:720 -c:v libx264 -crf 23 -c:a copy output.mp4-vf是视频滤镜链scale1280:720把画面缩放到720p。这里分辨率对角线如果不够整除建议加上-2让ffmpeg自动凑成偶数ffmpeg -i input.mp4 -vf scale1280:-2 -c:v libx264 -crf 23 -c:a copy output.mp4为什么要凑偶数因为大多数视频编码标准要求宽度和高度是偶数你随手写个scale1279:720后面编码器会直接报错要求对齐。多个滤镜组合用逗号连接比如缩放后调帧率ffmpeg -i input.mp4 -vf scale1280:-2,fps30 -c:v libx264 -crf 23 -c:a copy output.mp4这句话的意思非常直观先把每帧缩放到1280宽然后把输出帧率固定为30fps。fps滤镜会自动丢帧或重复帧保证最终文件是均匀的30帧。滤镜链不仅是画面处理音频也有滤镜链用-af控制。比如音量减半和降噪ffmpeg -i input.mp4 -af volume0.5,anlmdn -c:v copy -c:a aac output.mp4这里视频保持流拷贝完全不碰音频经过音量调整和降噪滤镜后重新编码互不干扰。这个分工思路在复杂任务里能极大节省时间。4.2 抽帧与GIF生成从视频里抽帧做封面、出缩略图、做数据集是图像算法工程师和老程序员都会高频碰到的需求。每秒抽一帧ffmpeg -i input.mp4 -vf fps1 frame_%03d.jpgfps1的意思是输出帧率1fps即每秒钟保留一帧。frame_%03d.jpg是输出文件名模板%03d代表三位数的序号从000、001、002这样递增。如果视频时长100秒会得到100张图片。抽取某几帧而不是全抽比如只要第10秒、第20秒、第30秒各一张ffmpeg -i input.mp4 -vf selecteq(n\,30)eq(n\,60)eq(n\,90) -vsync vfr frame_%03d.jpg这里select滤镜按照帧序号n选择第30、60、90帧-vsync vfr是设置可变帧率输出避免抽稀之后时间戳混乱。从视频生成GIF动图最常见的命令ffmpeg -i input.mp4 -vf fps10,scale480:-1 out.giffps10把帧率降到10fpsGIF大小会大幅缩小。GIF本身是8位色深颜色多的画面会有明显色带这是格式的先天缺陷跟ffmpeg无关。如果追求动图质量和体积的平衡建议先转成短视频再转GIF或者直接用webp动图播放器兼容性也很好ffmpeg -i input.mp4 -vf fps15,scale480:-1 out.webp4.3 水印、画中画与文字叠加给视频加水印是自媒体和素材处理项目里最常见的滤镜需求。图片水印ffmpeg -i input.mp4 -i logo.png -filter_complex [1:v]scale200:-1[logo];[0:v][logo]overlay20:20 -c:a copy output.mp4这一串稍微解释一下-i logo.png是第二个输入文件[1:v]表示第二个输入的视频流先经过scale缩放到宽度200结果命名为[logo]然后[0:v]第一个输入的视频流和[logo]通过overlay滤镜叠加位置是左上角偏移20像素。如果想让Logo在右上角显示并且留10像素边距ffmpeg -i input.mp4 -i logo.png -filter_complex [1:v]scale200:-1[logo];[0:v][logo]overlayW-w-10:10 -c:a copy output.mp4W和w分别指主视频宽度和Logo宽度W-w-10就是右边缘向左偏移10像素这个动态表达式非常实用。画中画PiP就是把一个小视频嵌在大视频里比如录屏课程里嵌入摄像头画面ffmpeg -i main.mp4 -i camera.mp4 -filter_complex [1:v]scale320:240[pi];[0:v][pi]overlayW-w-20:H-h-20 -c:a copy output.mp4摄像头画面缩放到320x240叠在主视频右下角原点坐标是左上角所以右下角就是W-w-20:H-h-20。文字叠加用drawtext滤镜ffmpeg -i input.mp4 -vf drawtexttextHELLO:fontsize48:fontcolorwhite:box1:boxcolorblack0.5:boxborderw10:x20:y20 -c:a copy output.mp4中文需要指定字体文件否则会变成方框乱码ffmpeg -i input.mp4 -vf drawtextfontfile/path/to/font.ttf:text你好:fontsize48:x(w-tw)/2:yh-th-50 -c:a copy output.mp4(w-tw)/2让文字水平居中h-th-50是底部往上50像素。drawtext的每帧渲染在大量文字和长视频场景会有性能压力建议先预览一小段再批量跑。5. 进阶指令直播推流、HLS切片与硬件加速5.1 用ffmpeg推RTMP流直播场景里ffmpeg经常作为推流工具把本地视频文件或者采集设备推到直播服务器。推流的基本姿势ffmpeg -re -i input.mp4 -c copy -f flv rtmp://your-server/live/streamkey-re的参数很关键表示按视频原始帧率节奏读取输入模拟实时播放。如果不加ffmpeg会以最快速度把文件推给服务器直播观众看到的就是几秒内播完全片的离奇现场。-f flv是强制输出格式RTMP协议要求封装格式必须是FLV。-c copy只用在你确认原视频直接兼容FLV封装且服务器能接受的情况下。真实推流项目里视频源常常需要统一转码成直播规格ffmpeg -re -i input.mp4 -c:v libx264 -preset veryfast -b:v 3000k -maxrate 3000k -bufsize 6000k -pix_fmt yuv420p -g 60 -c:a aac -b:a 128k -f flv rtmp://your-server/live/streamkey-g 60设置GOP关键帧间隔为60帧在30fps下就是每2秒一个关键帧。直播里关键帧间隔太久观众切流时会长时间黑屏间隔太短画质会被迫下降。-preset veryfast是为了降低编码延迟直播场景一般不用slow这种高耗时预设。推流设备如摄像头可以省略-re从设备直接采集实时画面-re反而会导致帧节奏异常。这个细节容易踩坑。5.2 HLS切片与点播场景点播平台最常见的分发格式是HLS把视频切成一段段小的ts或m4s文件配一个m3u8索引。ffmpeg做这个非常顺手ffmpeg -i input.mp4 -c:v libx264 -crf 23 -c:a aac -hls_time 10 -hls_list_size 0 -hls_segment_filename segment_%03d.ts playlist.m3u8-hls_time 10每一段切片的目标时长是10秒。注意是目标时长实际切分点会落在关键帧对齐的位置所以每段可能是9.8秒或10.5秒这是正常的。-hls_list_size 0表示m3u8索引里保留所有切片如果设置成别的数字索引文件会只保留最近几段用于直播场景。-hls_segment_filename指定切片文件名模板。如果原始视频编码参数已经符合HLS的要求也可以用-c copy直接切片ffmpeg -i input.mp4 -c copy -hls_time 10 -hls_list_size 0 playlist.m3u8速度极快但前提同样是源视频编码参数必须是H.264/AAC而且关键帧间隔要偶合切片时长否则切片点会偏离预期。5.3 硬件加速编码参数和硬解硬编分离处理高分辨率视频或长视频时CPU软件编码慢得让人崩溃。现在主流的GPU硬件编码器能把转码速度提升几倍甚至十几倍代价是同样码率下的画质略低于软件高质量预设。N卡环境下用硬件解码配合硬件编码ffmpeg -hwaccel cuda -i input.mp4 -c:v h264_nvenc -preset p4 -cq 20 -c:a copy output.mp4-hwaccel cuda是解码阶段用显卡加速-c:v h264_nvenc是编码阶段用N卡的硬件编码器。-cq是NVENC的质量参数类似于软件编码里的CRF数值越小质量越好。Intel核显的常见方案ffmpeg -hwaccel qsv -i input.mp4 -c:v h264_qsv -global_quality 20 -c:a copy output.mp4AMD显卡通常用h264_amf这里就不展开品牌参数了。重点是意识到解码加速和编码加速是两条独立的链可以分开设置。甚至可以混搭用显卡硬编码用CPU软解码或者反过来。比如源视频是H.265显卡支持硬解那就ffmpeg -hwaccel cuda -c:v hevc_cuvid -i input.hevc -c:v h264_nvenc -cq 22 -c:a copy output.mp4不过不同平台的硬件解码器名称后缀不一样得看本机ffmpeg具体支持哪些。先执行ffmpeg -hwaccels和ffmpeg -encoders | grep nvenc确认环境。硬件编码器为了实时性默认会牺牲一点压缩率如果项目对文件体积极其敏感建议还是用软件编码器的preset slower跑离线转码。在线直播和预览场景硬件编码才是正解。6. 踩坑记录与排查技巧6.1 音画不同步的常见原因音画不同步是音视频处理里最玄学的问题。现象表现为画面越来越快、声音越来越慢或者反过来。大多数情况不是ffmpeg出bug而是你没有约束输出流的时间基准。常见原因之一源素材本身帧率不恒定播放器按照固定音频时钟推进导致画面逐渐漂移。解决方案是给视频输出链固定一个恒定帧率ffmpeg -i input.mp4 -vf fps25 -c:v libx264 -crf 23 -c:a aac -af aresampleasync1 output.mp4aresampleasync1的作用是让音频采样器在遇到音画时间差时自动插入或删除微小静音片段把音轨重新对齐到视频时间轴上。常见原因之二使用-c copy拼接的时间戳不一致的片段。片段里如果有B帧拼接后时间戳顺序错乱播放器就会音画不同步。解决办法是不用copy重新编码或者在拼接之前用-fflags genpts强制生成正确的时间戳。常见原因之三转码时滤镜链里加入了setpts调整播放速度。变加速播放时很多人只处理视频ffmpeg -i input.mp4 -vf setpts0.5*PTS -c:v libx264 output.mp4画面快进到2倍速但音频没动结果必然音画不同步。正确做法是视频、音频同时处理ffmpeg -i input.mp4 -vf setpts0.5*PTS -af atempo2.0 -c:v libx264 -c:a aac output.mp4atempo滤镜支持0.5到2.0的倍速超过这个范围需要串联两次ffmpeg -i input.mp4 -af atempo2.0,atempo1.5 -c:a aac output.mp4对应4倍速画面就用setpts0.25*PTS2x2等于4所以音频串两个atempo。6.2 转码后文件体积意想不到地变大明明转码了文件却比原文件还大这个问题我遇到过太多次。本质原因是你没有给编码器指定码率约束或者用的源是码率极低的文件。一个典型case源视频是演唱会直播录屏码率只有800kbps画面全是动态噪点。你用-c:v libx264 -crf 18去转编码器为了保住细节重新分配了高码率结果输出3倍于原文件。这不是bug是你用了一个对直播低码率源来说过于苛刻的质量要求。解决方法是权衡对低码率源用相对适中的CRF比如23到26或者干脆保持源码率附近用两遍编码设目标码率。另外提醒一下CRF模式是追求恒定质量不是追求文件体积。想控制体积就不要用CRF。还有一种情况是音频引起的源文件音频是96kbps的AAC你转成了320kbps的MP3或者源是单声道你转成立体声一个小时长视频音频体积差出去五六十MB很正常。处理视频时对音频参数多留个心眼。6.3 concat拼接报错与解决concat拼接最常见的报错是Invalid data found when processing input或者拼接出来的视频在切换点卡顿、花屏。问题基本可以锁定在编码参数不一致。排查路径很简单逐个ffprobe参与拼接的文件对比编码器名称、分辨率、帧率、像素格式、音频编码器、采样率、声道数。只要有一项不一致就别指望-c copy能拼好。如果文件来源复杂我通常直接用重编码方案统一参数后再拼。有个小技巧先用一条ffmpeg命令把所有片段统一转成中间文件比如都用H.264、yuv420p、固定帧率、AAC音频再走concat协议成功率接近100%。另一个隐藏问题-safe 0这个参数在Windows和macOS上表现也会不一致如果路径里有空格或中文建议list.txt里的路径用相对路径并且把list.txt放在和视频同一目录下能省掉一堆引号转义烦恼。6.4 常见问题速查表问题原因解决方案转码后花屏或绿屏像素格式不兼容加上-pix_fmt yuv420p裁剪结果起始位置不对-ss放在输出位置且配合-c copy把-ss放到-i之前或改用重编码H.265视频老设备播放不了编码器不兼容转码为libx264推流后观众长时间黑屏GOP间隔太长加-g 60左右concat拼接失败各片段编码参数不一致先统一参数再拼接音频变快或变慢只调视频没调音频视频连setpts音频连atempo输出文件巨大用了CRF但没有注意源质量调整CRF数值或用两遍编码目标码率中文文字方框drawtext没指定字体加fontfile指定中文字体路径转码CPU占用过高软件编码预设耗时换硬件编码器或调-preset fast7. 写在最后我的一点实操体会ffmpeg功能跟命令表面上是一套工具使用问题本质上是一套抽象思维问题输入、解码、滤镜、编码、封装这条流水线一旦在脑子里建起来所有命令都能推出来遇到没见过的需求也不会慌。我的习惯是遇到新任务先用ffprobe查参数再用ffplay预览效果真正确定方案后才跑ffmpeg批量处理这样能避免大量无效转码。几个长期实践下来的经验想分享给你第一能用-c copy的地方尽量用尤其是批量改封装的时候速度差距是数量级的第二所有涉及质量取舍的参数优先用CRF而非固定码率第三写复杂滤镜前一定分步验证比如先缩放着色再叠加水印逐段确认效果不要指望一次写出完美命令第四没把握的参数组合先拿10秒短视频试跑确认没问题后再处理全量文件。这篇文章只覆盖了ffmpeg日常使用里最扎实的一部分后面如果大家感兴趣我还可以继续写滤镜表达式详解、音视频同步原理、以及如何用ffmpeg做自动化的批处理工具。希望这些经验和踩坑记录能让你少走几步弯路。