容器、编码与流

学 FFmpeg 最容易卡住的地方，不是命令长，而是一堆名词混在一起。MP4、H.264、AAC、MKV、视频流、音频流——它们到底谁是谁？这一章把它们彻底理顺。

打个比方：快递包裹

把一个视频文件想象成一个快递箱。

• 容器（container） 是箱子，决定里面的东西怎么摆、怎么索引、箱子外面贴什么标签。常见的有 MP4、MKV、AVI、WebM、TS、MOV。
• 流（stream） 是箱子里的具体物品。一般有一条视频流、一条或多条音频流，可能还有字幕流。
• 编码格式（codec） 是物品的压缩方式。视频流用 H.264 或 HEVC 压缩，音频流用 AAC 或 MP3 压缩。
• 编码器（encoder） 是实现某种压缩方式的工具。比如 libx264 这个编码器负责产出 H.264 格式的数据。

一个箱子（容器）里可以装多种物品（流），每种物品用不同的打包方式（编码格式）压缩。箱子上贴的快递单就是元数据：标题、时长、分辨率、音轨语言等。

容器：不只是后缀名

容器负责把多条流捆在一起，并记录它们的时间戳、索引、元信息，让播放器知道「第 10 秒该显示哪帧画面、播哪段声音」。

常见容器：

容器	常见后缀	特点
MP4	.mp4、.m4v、.m4a	兼容性最好，网页、手机、电视通吃
MKV	.mkv	万能容器，能装几乎所有编码，支持多音轨多字幕
WebM	.webm	Google 推出，主要用于网页，常用 VP9/AV1 + Opus
AVI	.avi	老格式，缺陷较多，现在不推荐
TS	.ts、.m2ts	广播和直播常用，适合切片传输
MOV	.mov	QuickTime 用，苹果生态常见
FLV	.flv	早年直播常用，正逐渐被淘汰

下面这条命令能查看 FFmpeg 支持的所有容器：

ffmpeg -formats

带 D 的表示可以解封装（读），带 E 的表示可以封装（写），DE 表示都行。

流：箱子里的物品

一个媒体文件里通常有一条或多条流：

• 视频流（video stream）：一帧帧压缩后的图像。
• 音频流（audio stream）：一段段压缩后的声音采样。
• 字幕流（subtitle stream）：文字字幕或图形字幕。
• 数据流（data stream）：附件、字体、章节信息等附加内容。

一个文件可以有多条同类流。比如电影文件常有：

• 1 条视频流；
• 3 条音频流（普通话、英语、日语）；
• 5 条字幕流（简中、繁中、英文、日文等）。

在 ffprobe 的输出里，每条流都有编号，比如 Stream #0:0 是第一条流，Stream #0:1 是第二条。后面讲 -map 时，你需要用这些编号来指定「要哪条流」。

编码格式：压缩的规范

原始未压缩的视频体积是恐怖的。一个 1080p、24fps、30 分钟、每像素 3 字节的原始视频：

1920 × 1080 × 3 × 24 × 1800 ≈ 254 GB

所以必须压缩。编码格式（codec）就是压缩与解压的规范，它决定了用什么算法把原始帧压缩成更小的数据，以及怎么还原。

常见视频编码

编码	别名	推出年份	特点
H.264	AVC	2003	兼容性最好，当前主流，编码器 libx264
H.265	HEVC	2013	比 H.264 小约 40-50%，但有专利费，编码器 libx265
VP8	—	2008	Google 推出，WebRTC 用得多
VP9	—	2013	VP8 继任，YouTube 大量使用，免版税
AV1	—	2018	最新免版税编码，压缩率高，编码较慢，编码器 libsvtav1 / libaom-av1
MPEG-4	XviD/DivX	1999	老格式，AVI 时代常见

常见音频编码

编码	特点	编码器
AAC	MP3 的继任者，视频里最常用	aac（内置）、libfdk_aac
MP3	老牌有损格式，兼容性极强	libmp3lame
Opus	现代低延迟有损格式，WebRTC/直播用	libopus
Vorbis	Ogg/WebM 里常见	libvorbis
FLAC	无损压缩，体积较大	flac
PCM	无压缩，WAV 文件里常见	pcm_s16le 等
AC3/E-AC3	杜比数字格式，DVD/蓝光常见	ac3、eac3

查看支持的编码

ffmpeg -codecs       # 所有编解码能力
ffmpeg -encoders     # 只看编码器
ffmpeg -decoders     # 只看解码器

注意区分「编码格式」和「编码器」：H.264 是格式，libx264 是具体的实现；HEVC 是格式，libx265 是实现。命令里 -c:v 后面填的是编码器名字，不是格式名字。

它们怎么配合工作

一次转码的完整流程是这样的：

输入文件 (MKV 容器)
   │ 解封装（libavformat）
   ▼
视频流(HEVC) + 音频流(FLAC) + 字幕流(ASS)
   │ 解码（libavcodec）
   ▼
原始帧 + 原始采样
   │ 编码为新格式（比如 H.264 + AAC）
   ▼
新视频流(H.264) + 新音频流(AAC)
   │ 封装进新容器（比如 MP4）
   ▼
输出文件 (MP4 容器)

不同容器能装的编码有限制。比如：

• MP4 最稳妥的组合是 H.264/HEVC + AAC。
• MKV 几乎什么都能装。
• WebM 通常用 VP8/VP9/AV1 + Vorbis/Opus。

选错组合 ffmpeg 会报错，或者能生成文件但播放器打不开。

一个实战判断

拿到一个文件，跑：

ffprobe -hide_banner input.mkv

看到类似：

Input #0, matroska,webm, from 'input.mkv':
  Stream #0:0: Video: hevc, yuv420p, 1920x1080, 60 fps
  Stream #0:1: Audio: flac, 48000 Hz, stereo
  Stream #0:2: Subtitle: ass

你立刻能判断：

• 容器是 Matroska（MKV）。
• 视频是 HEVC，1080p 60fps。
• 音频是 FLAC。
• 字幕是 ASS。

如果要转成网页能直接播的 MP4，你知道要把视频转成 H.264、音频转成 AAC，再封装进 MP4。而不是只把文件后缀改成 .mp4——那样只是改了快递箱上的标签，里面物品没变，播放器照样可能打不开。

小结

• 容器是外壳（MP4、MKV、WebM），管打包和索引。
• 流是壳里的物品（视频、音频、字幕）。
• 编码格式是压缩规范（H.264、AAC、HEVC）。
• 编码器是实现规范的工具（libx264、aac）。
• 后缀名看不出编码，用 ffprobe 才靠谱。

下一章我们继续拆解视频和音频本身的关键参数：分辨率、帧率、码率和色度采样。