利用FFmpeg制作视频序列

前言

本文介绍了利用FFmpeg进行视频测试序列制作的方法。所谓测试序列就是将若干个不同场景的视频片段，按照不同的分辨率、码率、编码方法等进行处理，然后拼接成一条长视频，供测试者打分。一般包括以下几个步骤：视频截取、采样/编码/转码、黑帧/灰帧制作、视频拼接、视音频融合等。

一、视频截取

截取视频之前，一般要先获取原始高清视频，可以到Youtube、Gopro等网站下载，商用的话请注意版权问题，或者可以自己录制视频。然后浏览获取到的视频，确定要截取的片段后，可利用FFmpeg截取。比如要截取名为input.mp4的视频1分20秒至1分40秒的片段，命令如下：

ffmpeg -i %input_path%\input.mp4 -ss 00：01：20 -t 00:00:20 %output_path%\output.mp4

上述命令中，-i为输入的文件，-ss 即为起始时间，-t为截取长度，这两个时间可以用 hh:mm:ss 的格式，也可以直接用秒，如 00：01：20 可写成 80。另外，时间还可以精确到毫秒级，比如可以截取20.358秒的长度，虽然实际截出来不会那么精确。

二、采样和编码

截取出来的视频片段，若想重新编码到其他分辨率、码率的话，一般要先转为YUV格式（此后会丢失音频，因为yuv不存储音频），因为YUV格式是把每一帧的图像用亮度和色度分开表示的格式，所以压缩时容易去掉色度的数据；之后将原始yuv采样到目标分辨率，接着对yuv进行x264编码得到.264文件，最后将.264文件封装成MP4等格式。各步骤命令大致如下：
MP4转YUV：

ffmpeg -i %input_path%\input.mp4 %output_path%\output.yuv

对YUV采样（假设原始分辨率为3840x1920，目标分辨率为1920x960）：

ffmpeg -s 3840x1920 -i %input_path%\input_3840x1920.yuv -s 1920x960 %output_path%\output_1920x960.yuv

其中-s依次为原始分辨率和目标分辨率。
对采样后的YUV进行x264编码（应先下载x264源码编译得到x264.exe）：

x264.exe -I %MAX_GOP_SIZE% -i %MIN_GOP_SIZE% --ref 1 --qpstep 2 --profile baseline --bitrate %bitrate% --vbv-maxrate %bitrate% --vbv-bufsize %output_path%\output.264 %input_path%\input.yuv --input-res %input_resolution%

.264文件封装为MP4：

ffmpeg -i %input_path%\input.264 %output_path%\output.mp4

至此，可将各视频素材编码到目标分辨率和码率。编码器可替换成其他，x264是我本次项目用的。

三、黑帧/灰帧的制作

制作视频测试序列时，测试片段之间应该留有10秒左右时间间隙给测试者打分，此时一般使用黑帧或者灰帧过渡，目前行业内逐渐使用灰帧代替黑帧。黑帧的话，可以截取电影片段，或者自己录制，方法比较多。灰帧不好找，所以一般使用代码产生若干帧YUV，然后根据所需长度、分辨率、帧率等编码得到灰帧视频。无论黑帧/灰帧，无论何种方法，建议务必保证它们的质量足够好，不然可能无法拼接，或者能拼接但在解码播放时出问题。我一开始拿的两个短黑帧视频拼出一个10秒长的，拿去拼接时经常出问题，浪费了不少精力。
从YUV编码得到一个灰帧视频后，可以利用这个视频来转换得到其他分辨率的，没必要对原YUV采样几次，毕竟灰帧的质量要求没有测试片段高。ts格式视频转分辨率命令如下，其他格式亦可依样画葫芦：

ffmpeg -i %input_path%\gray_3840x1920.ts -s 1920x960 -vcodec copy %output_path%\gray_1920x960.ts

其中，-s是目标分辨率，-vcodec copy 意为使用原视频的编码方式，一般不更改编码方式的话，都最好附上这个参数，能够避免不少意外。去掉-vcodec copy 也能转分辨率，输出的文件也能正常播放，但拿去拼接的时候会出错。

四、视频拼接

用来拼接到同一序列的视频片段们，分辨率最好是一样的，帧率不必一样，码率随意。ffmpeg拼接视频之前，需要把视频转为.ts格式。拼接有两条思路：一是先将个视频片段与其对应的音频融合再拼接，二是将视频片段和音频片段分别拼接，再将得到的长视频序列和长音频序列融合。

4.1 先音视频片段融合再拼接

先从截取得到的有声MP4视频片段中提取音频：

ffmpeg -i input.mp4 -vn -acodec copy output.aac

其中，-vn意为屏蔽视频信息，只获取音频；-acodec copy意为复制原音频的编码方式。（ps,若要提取视频，命令为：ffmpeg -i input.mp4 -an -vcodec copy output.mp4 )
接着将音视频片段融合产生可用来拼接的.ts文件：

ffmpeg -i input_v.mp4 -i input_a.aac -vcodec copy -acodec copy output.ts

最后，将前面得到的有声ts视频和灰帧ts视频 gray.ts 拼接成一条长视频：

ffmpeg -i "concat:%path1%\video1.ts|%gray_path%\gray.ts|%path2%\video2.ts|%gray_path%\gray.ts|... ...|%pathN%\videoN.ts|%gray_path%\gray.ts" -vcodec copy -acodec copy -bsf:a aac_adtstoasc %output_path%\output.mp4

其中，-vcodec copy 意为复制原视频编码方式， -acodec copy 意为复制原音频编码方式，-bsf:a aac_adtstoasc 是一个bitstream filter，不加的话，会提示无法音视频融合。
至此，一个有声的视频测试序列就完成了!

4.2 先视音频片段分别拼接得到长视频和长音频，再将二者融合

视频片段拼接：

ffmpeg -i "concat:%path1%\video1.ts|%gray_path%\gray.ts|%path2%\video2.ts|%gray_path%\gray.ts|... ...|%pathN%\videoN.ts|%gray_path%\gray.ts" -vcodec copy %output_path%\output.mp4

在进行音频片段拼接之前，需要先获取静音音频，时长等于灰帧时长。一般可以用软件产生，比如用cool edit pro，产生静音pcm，然后把pcm转为aac。FFmpeg也能完成音频拼接，命令格式和视频拼接相似，但是在我的实验过程中，ffmpeg拼接出来的长音频会比各音频片段相加的总和还长，总长度为15分钟整的音频片段们，拼接后长度为15分8秒！和视频融合后，音视频严重不同步。所以我后来使用的是另一个软件：音频编辑专家。效果良好，而且能自动统一各片段的音量，很不错的功能。
之后长视频和长音频融合，可以使用ffmpeg实现：

ffmpeg -i %input_path%\input_video.mp4 -i %input_path%\input_audio.aac output.mp4

也可以使用MP4box实现，软件 YAMB 中有交互界面可以方便高效地实现。这个软件的其他功能也相当实用。
在上述两种拼接方法中，第一种方法的优点是音视频同步非常好，而且只需拼接一次，比较省事。第二种方法的好处是思路简单，成功率高。我是在尝试第一种方法失败，而且折腾数日无果后，才退而求其次采用第二种方法。不过现在想来应该是我当时使用的黑帧视频质量太差，或者是黑帧转分辨率编码时没加上-vcodec copy之类的参数。我实验室的师姐向来都用的第一种方法，一直没什么问题。

后记

我是在研二师兄师姐们忙于找工作，无暇兼顾项目工作之时，接手了这个任务。此时的我本科刚毕业，对批处理只有朦胧印象，对视频编码也知之甚少，对FFmpeg则是一无所知。一周左右的时间里，我匆忙学习了批处理，照着前人的实现方法写批处理文件调用ffmpeg去实现。遇到许多问题，有些原始MP4文件头无法被FFmpeg识别，截取不了；有个别YUV文件无法使用ffmpeg进行下采样；转码后视频长度变化；来自于同一片段的音视频长度不相等；拼接后音视频不同步，等。尝遍了各种失败的方法，个中艰苦，非三言两语所能道明。不过现在想来，觉得几天前的自己太傻，这么简单的任务应该两天能做完。这大概也是一种进步吧，快乐。细心很重要，批处理简单实用，FFmpeg极其强大。