FFmpeg输出不准确

时间:2012-07-27 13:26:43

标签: audio video ffmpeg video-capture video-processing

  

可能重复:
  ffmpeg: videos before and after conversion aren't the same length

最近,我一直在尝试将FFmpeg用于需要在时间参数(毫秒分辨率)上进行非常精确操作的应用程序。不幸的是,我很惊讶地发现FFmpeg的操作功能会返回一些不准确的结果。

这是'ffmpeg'的输出:

ffmpeg version 0.11.1 Copyright (c) 2000-2012 the FFmpeg developers
  built on Jul 25 2012 19:55:05 with gcc 4.2.1 (Apple Inc. build 5664)
  configuration: --enable-gpl --enable-shared --enable-pthreads --enable-libx264 --enable-libmp3lame
  libavutil      51. 54.100 / 51. 54.100
  libavcodec     54. 23.100 / 54. 23.100
  libavformat    54.  6.100 / 54.  6.100
  libavdevice    54.  0.100 / 54.  0.100
  libavfilter     2. 77.100 /  2. 77.100
  libswscale      2.  1.100 /  2.  1.100
  libswresample   0. 15.100 /  0. 15.100
  libpostproc    52.  0.100 / 52.  0.100

现在,我们假设我要翻录'foo.mov'的音轨。以下是'ffmpeg -i foo.mov'的相关输出:

Input #0, mov,mp4,m4a,3gp,3g2,mj2, from 'foo.mov':
  Metadata:
    major_brand     : qt  
    minor_version   : 0
    compatible_brands: qt  
    creation_time   : 2012-07-24 23:16:08
  Duration: 00:00:40.38, start: 0.000000, bitrate: 805 kb/s
    Stream #0:0(und): Video: h264 (Baseline) (avc1 / 0x31637661), yuv420p, 480x360, 733 kb/s, 24.46 fps, 29.97 tbr, 600 tbn, 1200 tbc
    Metadata:
      rotate          : 90
      creation_time   : 2012-07-24 23:16:08
      handler_name    : Core Media Data Handler
    Stream #0:1(und): Audio: aac (mp4a / 0x6134706D), 44100 Hz, mono, s16, 63 kb/s
    Metadata:
      creation_time   : 2012-07-24 23:16:08
      handler_name    : Core Media Data Handler

您可能已经注意到,视频文件的持续时间为00:00:40.38。使用以下命令,我翻录了它的音轨:

'ffmpeg -i foo.mov foo.wav'

输出:

Output #0, wav, to 'foo.wav':
  Metadata:
    major_brand     : qt  
    minor_version   : 0
    compatible_brands: qt  
    creation_time   : 2012-07-24 23:16:08
    encoder         : Lavf54.6.100
    Stream #0:0(und): Audio: pcm_s16le ([1][0][0][0] / 0x0001), 44100 Hz, mono, s16, 705 kb/s
    Metadata:
      creation_time   : 2012-07-24 23:16:08
      handler_name    : Core Media Data Handler
Stream mapping:
  Stream #0:1 -> #0:0 (aac -> pcm_s16le)
Press [q] to stop, [?] for help
size=3482kB time=00:00:40.42 bitrate= 705.6kbits/s    
video:0kB audio:3482kB global headers:0kB muxing overhead 0.001290%

如您所见,输出文件比输入文件长。

另一个例子是音频(和视频)文件修剪: 我们假设我想使用ffmpeg进行音频文件修剪。我使用了下一个命令:

'ffmpeg -t 00:00:10.000 -i foo.wav trimmed_foo.wav -ss 00:00:25.000'

输出:

[wav @ 0x10180e800] max_analyze_duration 5000000 reached at 5015510
Guessed Channel Layout for  Input Stream #0.0 : mono
Input #0, wav, from 'foo.wav':
  Duration: 00:00:40.42, bitrate: 705 kb/s
    Stream #0:0: Audio: pcm_s16le ([1][0][0][0] / 0x0001), 44100 Hz, mono, s16, 705 kb/s
Output #0, wav, to 'trimmed_foo.wav':
  Metadata:
    encoder         : Lavf54.6.100
    Stream #0:0: Audio: pcm_s16le ([1][0][0][0] / 0x0001), 44100 Hz, mono, s16, 705 kb/s
Stream mapping:
  Stream #0:0 -> #0:0 (pcm_s16le -> pcm_s16le)
    Press [q] to stop, [?] for help
size=864kB time=00:00:10.03 bitrate= 705.6kbits/s    
video:0kB audio:864kB global headers:0kB muxing overhead 0.005199%

同样,输出文件比我预期的长30毫秒。

我很长一段时间没有成功地研究过这个问题。当我使用audacity来实现相同的功能时,它非常准确!

有谁知道如何解决这个问题?

1 个答案:

答案 0 :(得分:10)

<强> TL; DR :FFmpeg和您的iOS设备是满足您需求的错误工具。

要解决的问题很多,所以没有特别的顺序:

  • 首先,您正在使用的FFmpeg或底层编解码器都是针对您想要的时间分辨率而设计的。 40ms是25帧的1帧,这在大多数视频和音频文件的背景下并不多。超精确时序不是常见音频编解码器的设计特征,如源AAC数据,FFmpeg也是如此。

  • 不要进行任何转码!如果您想尽可能少地更改数据...请勿更改它。您可以使用ffmpeg -i in.mov -c:a copy out.m4a准确提取音频流,而不是将其转码为wav格式。

  • 使用FFprobe代替FFmpeg获取文件信息。 FFmpeg只是提供了一些关于输入和输出文件的粗略信息,因为它的默认日志记录过于冗长。 FFprobe通常与FFmpeg捆绑在一起,专门用于以方便的形式提取信息。使用ffprobe -show_streams -show_format in.mov获取信息。

  • 增加-analyzeduration!您可能已经注意到输出中有关max_analyze_duration reached的注释。从the docs开始,在FFmpeg 估计总长度之前,实际上将读取多少微秒。同样,对于大多数目的而言,知道文件的长度到微秒精度是不可行或不可取的,并且 是昂贵的。如果你想要超精确,请确保该参数设置得更高,可能比实际输入更长。

  • 对您的选项放置要小心一些。这是相当小的,但我认为我应该提出它,以防你不知道。 FFmpeg的许多选项的行为都有所不同,具体取决于它们在输入和输出方面的顺序。值得注意的是-ss您正在使用的-t。你在输入后得到它,这是你想要它的地方,但你也有开头的输出选项ffmpeg -i foo.wav -ss 00:00:25.000 -t 00:00:10.000 trimmed_foo.wav ,这很奇怪。订购该命令的更自然的方式是:

    00:00:
  • 仅供参考,所有计时命令都会在几秒钟内接受输入(包括小数秒),因此您不必使用{{1}}预先添加所有内容。

  • 区分容器长度和实际流长度。我不使用Audacity,但如果它显示出极高的准确性,我不会感到惊讶,因为它对你说它正在做的事情在骗你。实际上,以毫秒级精度修整音频或视频数据不仅需要选择输入中包含哪些帧(在25fps时精确到40ms!),还需要更改帧数据以在末尾插入静音。更容易根据框架包含进行修剪,然后将超精确长度放在容器文件元数据中。某些播放软件实际上可能会根据该数字切断,但同样,大多数AV软件并不是为了达到这种精度而设计的。我很想知道FFmpeg显示的是Audacity修剪的文件的长度。

现在这一切都浮现在脑海中,但是一旦你有机会融入上述一些内容,我很乐意提供更多反馈。我的猜测是研究成果需要这种准确性,在这种情况下,快乐的研究!