跳到主要内容
navigationLanguage

如何减小视频文件大小:码率、编码格式与不损画质的压缩

在 1920×1080 测试信号上做的 ffmpeg 自测数据:CRF 阶梯、各编码预设之间的差别、帧率转换的代价,以及可以事先算出成片体积的公式。

K基里尔创始人兼创意总监
如何减小视频文件大小,问题不在于用哪款压缩软件,而在于编码参数。体积由 CRF 决定:它的数值越高,编码器花在细节上的比特就越多。编码预设和帧率对体积的影响只有百分之几。下面是我们自己实测数据做成的表格,以及可以事先算出成片体积的公式。

怎样让成片体积降下来

我们编码了一段合成测试信号:1920×1080、25 fps、时长 30 秒,用的是 ffmpeg 9.0.2——每组参数单独跑一遍,体积按字节统计。测试源本身是测试图:几乎没有细节和运动,所以实拍素材在同样的 CRF 下码率会更高。下面所有数字都是下限,不是某个具体项目的预测值。
编码与 CRF体积码率这意味着什么
H.264, CRF 1831 758 807 B8.47 Mbit/s我们这组阶梯里最重的一个
H.264, CRF 2320 558 332 B5.48 Mbit/s体积与细节之间的折中
H.264, CRF 2810 773 733 B2.87 Mbit/s我们这组阶梯里最轻的一个
CRF 每调一档,体积变化是成倍的,而不是几个百分点:从 23 调到 28,体积从 20 558 332 B 降到 10 773 733 B——轻了 1.9 倍,也就是 CRF 23 那份体积的 52.4 %。这组体积数字都出自同一次测量,所以它们可以互相校验:CRF 28 的一份只比 CRF 23 的一半多出一点点。每一档能留住多少细节,我们没有测:实测里没有画质对比,VMAF、SSIM 和 PSNR 都没算过。所以这里谈 CRF,谈的是体积,而不是画面里究竟能看到什么。我们比的是同一段测试信号在不同参数下的体积,不是同一部片子的主观观感。
预设决定的是编码速度,不是体积:同一个 CRF 20,在 slow、medium、veryfast 预设下得到的成片彼此只差几个百分点。预设不改变质量参数,只改变编码器在每一帧上花的时间——slow 最慢,veryfast 最快。这个参数我们另外在自己的素材上单独测过,看看快的预设是不是真能省下体积。
编码与预设体积码率备注
H.264, CRF 20, 预设 slow26 963 938 B7.190 Mbit/s编码最慢,体积比平均值大
H.264, CRF 20, 预设 medium28 031 814 B7.475 Mbit/s中间的预设:耗时与体积的折中
H.264, CRF 20, 预设 veryfast24 872 350 B6.633 Mbit/s编码最快,体积最小
在我们的素材上,veryfast 的成片比 slow 小 7.8 %,medium 比 slow 大 4.0 %。差值的正负取决于画面内容:在合成测试信号上,快预设的结果比慢预设更小;在真实拍摄的画面上,方向可能相反。为了体积去挑预设没有意义:体积由 CRF 决定,预设决定的是花在编码上的时间。编码速度本身我们没有单独计时,这里比较的只有体积这一项。要把体积压进某个上限,该动的是 CRF,而不是预设。
帧率只有在成片里出现新画面时才值得付代价。从 25 → 30 fps 用复制帧的方式转换,会加入重复的画面,但几乎不增加比特:重复的一帧几乎不携带新信息,编码器在它上面只花最少的比特。运动插帧正好相反——它生成原始素材里没有的像素,编码器必须把这些像素编码进去。也就是说,帧数变多本身不一定要付体积的钱,付不付取决于多出来的帧算不算新信息。
方案帧数体积码率变化
原始素材 25 fps750 帧29 796 554 B7.95 Mbit/s实测的起点
→ 30 fps,画面复制900 帧29 073 502 B7.75 Mbit/s小 2.4 %
→ 60 fps,运动插帧1796 帧37 956 427 B10.14 Mbit/s大 27.4 %
复制帧让体积小 2.4 %,60 fps 的运动插帧让它大 27.4 %——用的是同一份原始素材。时长同时也变了:29.933 秒对 30 秒。另外要单独说明:插帧是用 ffmpeg 里的 minterpolate 滤镜做的,具体数字取决于算法,但「插帧比复制帧贵」这个结论对任何插帧算法都成立。这次实测只测了视频流——原始素材里没有音轨。复制的帧几乎不带新信息,编码器在它上面只花最少的比特;插帧生成的帧里有原素材没有的像素,编码器必须把它们写进文件。这就是同一份原始素材出发,一个变轻、一个变重的原因。
分辨率直接影响体积,而且在同一份素材上这一点不需要任何保留:竖屏 1080×1920 比完整的 1920×1080 更轻,前提是 CRF 相同。同一组 CRF 换画幅,体积跟着换:画幅放大,体积往上走;画幅缩小,体积往下走。下面这张表就是同一份素材换画幅的结果。
画面尺寸体积码率怎么得到的
H.264, CRF 2320 558 332 B5.48 Mbit/s完整画面 1920×1080
竖屏 1080×1920,H.264 CRF 238 346 717 B2.23 Mbit/s放大到 3413×1920 后裁掉中间
4K 3840×2160, H.264 CRF 2344 092 600 B11.76 Mbit/s从 1920×1080 放大
这张表有个前提:我们的竖屏和 4K 都是从 1080p 放大出来的,不是真实的分辨率。放大之后画面里的细节变少,所以实测里竖屏是 8 346 717 B——比完整画面轻 2.5 倍;而 4K 相反,像素数量比完整画面多得多,体积到了 44 092 600 B。这些数字说明的是这种尺寸的成片有多重,而不是真正的 4K 比真正的竖屏重多少倍。还要记住放大这件事本身:插值把细节抹平了,单个像素分到的码率随之降低,所以 4K 版本体积更大,来源是更多的像素,而不是更多的细节。

体积怎么算:按码率推算

体积可以直接由码率和时长算出来:把视频码率和音频码率相加,乘以秒数,再除以 8 bit/B,就得到字节数。体积公式:体积 =(视频码率 + 音频码率)× 时长 ÷ 8 bit/B。已知时长、还不知道平台给多大空间时,用它估算体积很方便。公式里的每一项都来自编码设置:码率由 CRF 和分辨率决定,时长是片子的长度,音频码率单独算。公式最后一步是从比特换算到字节,其余部分都是直接相乘相加。
  • CRF 23 的视频流每分钟:5.48 Mbit/s × 60 秒 ÷ 8 bit/B = 41.1 MB
  • CRF 28 的视频流每分钟:2.87 Mbit/s × 60 秒 ÷ 8 bit/B = 21.5 MB
  • 拿我们的实测数据核对:CRF 23 在完整画面上是 20 558 332 B,时长 30 秒;CRF 28 是 10 773 733 B,同样 30 秒
由此还能倒着算:如果平台给的体积上限已经知道,而时长还没定,就用上限除以总码率,得到最长的可用时长。同一个计算反过来用,就能回答给定量级的体积能装下多少秒。按码率估算,比把成片重新压一遍再看结果省事:体积在渲染之前就能算清楚。
最后是交付这一环:不同平台需要的是不同的版本,而不是一个通用版本。我们的剪辑工作里,为 YouTube/VK/Reels 做的渲染就是按平台分开的版本,用什么码率、什么编码,由具体平台的要求决定,而不是为了让成片更轻。换句话说,交付这一环决定了前面的参数怎么定:平台要什么,就按什么做。

常见问题

该选什么码率?
码率是 CRF 的结果,而不是一个独立决定:在我们的阶梯里,1080p 上 CRF 23 对应 5.48 Mbit/s,CRF 28 对应 2.87 Mbit/s。从平台的要求和时长倒推:CRF 23 的视频流一分钟是 41.1 MB,CRF 28 是 21.5 MB。如果平台给的是码率上限,那就按这个上限挑 CRF,而不是挑预设。
为了减小体积,换预设有用吗?
只能差几个百分点:同一个 CRF 20,veryfast 的成片比 slow 小 7.8 %,medium 比 slow 大 4.0 %。如果任务是把体积压进某个上限,预设帮不上忙:体积由 CRF 决定,预设只改变编码耗时。
为什么你们的数字这么小?
我们实测用的源文件是一段合成测试图:几乎没有细节和运动。实拍素材在同样的 CRF 下码率更大,所以我们所有数字都是下限。画质我们没有测,所以这篇材料里不做画质的对比。

接下来可以读什么

需要我们以项目方式承接?

我们承接此类项目 —— 参数与本文讲解的一致。