2021-07-29
你可能只是想干一件很朴素的事： - 把视频转成 `mp4` - 抽一张封面图 - 把音频单独导出来 - 裁一段片头 - 给视频压一压体积
FFmpeg 很像那种一开始看着有点凶、用熟以后又离不开的工具。
结果一打开命令行，参数就像瀑布一样砸下来。于是很多人对 FFmpeg 的印象会卡在两个极端里：
其实它没那么神秘。只要把几个核心概念理顺，FFmpeg 就会从“会背几条命令”变成“我知道该怎么组织媒体处理流程”。
官方文档把 ffmpeg 描述成一个可以处理音视频流的命令行工具，而 ffprobe 则负责把媒体信息用更适合人读或机器读的方式输出出来。ffmpeg Documentation ffprobe Documentation
这一对搭档的感觉很像：
ffprobe 先看清素材ffmpeg 再动手处理素材
很多工具是“点一下功能就出结果”，FFmpeg 不是。
它更像一个媒体处理引擎，核心思路大概是：
官方文档里有一句话很关键：每个输入和输出在原则上都可以包含多个不同类型的基础流（elementary streams），比如视频流、音频流、字幕流等。ffmpeg Documentation
这个概念特别重要，因为很多初学者会把“一个文件”误当成“一个视频”。但在 FFmpeg 眼里，文件更像一个容器，里面装着很多流。
所以你后面写命令时，脑子里最好把素材拆成这几层：
一旦你开始这么想，很多命令会突然顺起来。
官方文档对 ffprobe 的描述很直接：它会收集多媒体流信息，并把结果以人类可读和机器可读的方式打印出来。ffprobe Documentation
这一步非常值钱，因为很多“FFmpeg 命令写错”的根源，不是命令不会写，而是素材根本没看清。
先看一个最基础的命令：
ffprobe input.mp4
如果你想把输出变得更适合机器处理，官方文档也明确说明了它支持不同 writer，比如 json、csv、xml 等。ffprobe Documentation
一个非常常用的形式：
ffprobe -v quiet -print_format json -show_format -show_streams input.mp4
这个输出特别适合做下面几件事：
而这些信息，后面会直接决定你到底该不该转码、转哪一路流、是不是能直接 copy。
这几乎是日常使用 FFmpeg 时最值得先想清楚的问题。
如果你只是：
并且原始编码本身就是你能接受的，那优先考虑 -c copy。
ffmpeg -i input.mkv -c copy output.mp4
这类命令的好处很直接：
但它也有前提：目标容器得能装下这些流，且编码本身兼容。
如果你要：
那就要真正进入转码阶段。
一个最常见的例子：
ffmpeg -i input.mov -c:v libx264 -crf 23 -preset medium -c:a aac -b:a 128k output.mp4
这里面最常见的几个参数可以先这样理解：
-c:v libx264：视频编码器-crf 23：画质和体积的平衡杆-preset medium：编码速度与压缩效率的平衡-c:a aac：音频编码器-b:a 128k：音频码率不需要一次把所有编码器参数背熟，先知道“copy 和转码是两条完全不同的路”，已经能避开一大半混乱了。
ffmpeg -i input.mp4 -vn -c:a copy output.aac
这里：
-vn 表示不要视频-c:a copy 表示音频流直接复制ffmpeg -i input.mp4 -ss 00:00:03 -frames:v 1 cover.jpg
这个命令特别适合：
ffmpeg -ss 00:00:10 -i input.mp4 -t 00:00:08 -c copy clip.mp4
这类操作很常见，但要注意：
所以“快”和“精确”不总是同一个方向。
官方的过滤器文档非常长，但有一个核心概念特别值得先吃透：
filtergraph 是一张由过滤器连接起来的有向图。
FFmpeg Filters Documentation
官方文档还给了一个很经典的图式例子：
testsrc,split[L1],hflip[L2];[L1][L2] hstack
它的味道其实非常像数据流管道：
这个思路一旦懂了，你后面看复杂滤镜链就不会只觉得它像乱码。
ffmpeg -i input.mp4 -vf "scale=1280:720" output.mp4
ffmpeg -i input.mp4 -vf "crop=1280:720:0:0" output.mp4
ffmpeg -i input.mp4 -vf "drawtext=text='hello':x=50:y=50:fontsize=36:fontcolor=white" output.mp4
ffmpeg -i left.mp4 -i right.mp4 -filter_complex "[0:v][1:v]hstack=inputs=2[v]" -map "[v]" output.mp4
比如调音量：
ffmpeg -i input.mp3 -af "volume=1.5" louder.mp3
或者淡入淡出：
ffmpeg -i input.mp3 -af "afade=t=in:ss=0:d=2,afade=t=out:st=28:d=2" output.mp3
你会发现，-vf 和 -af 的感觉就像：
-vf 处理视频流-af 处理音频流复杂一点时再上 -filter_complex。
官方过滤器文档里有一大段在讲转义和 escaping，而且说得非常直白：滤镜描述在命令行里可能会遇到多层转义问题，甚至会变得很痛苦。FFmpeg Filters Documentation
这几乎是所有 FFmpeg 用户都迟早会撞上的坑。
尤其是：
drawtextfilter_complex最实用的建议反而很朴素：
你不需要靠硬扛转义来证明自己会用 FFmpeg。
如果你只是手敲几个命令，命令行已经够用。
但一旦你要做：
Python 就会非常舒服。
from __future__ import annotations
import json
import subprocess
from pathlib import Path
def probe_media(path: str | Path) -> dict:
cmd = [
"ffprobe",
"-v", "quiet",
"-print_format", "json",
"-show_format",
"-show_streams",
str(path),
]
result = subprocess.run(cmd, capture_output=True, text=True, check=True)
return json.loads(result.stdout)
meta = probe_media("input.mp4")
print(meta["format"]["format_name"])
print(meta["format"]["duration"])
print(meta["streams"][0]["codec_name"])
这段代码做的事很简单，但很有工程感：
ffprobe 的 JSON 输出收进来比如：
from __future__ import annotations
import subprocess
from pathlib import Path
def transcode_to_h264(src: str | Path, dst: str | Path) -> None:
cmd = [
"ffmpeg",
"-y",
"-i", str(src),
"-c:v", "libx264",
"-crf", "23",
"-preset", "medium",
"-c:a", "aac",
"-b:a", "128k",
str(dst),
]
subprocess.run(cmd, check=True)
transcode_to_h264("input.mov", "output.mp4")
这里最关键的不是 Python 语法，而是你开始把媒体处理组织成函数了。
这意味着后面你可以很自然地补：
from __future__ import annotations
import subprocess
from pathlib import Path
def extract_cover(video_path: Path, output_dir: Path) -> None:
output_dir.mkdir(parents=True, exist_ok=True)
target = output_dir / f"{video_path.stem}.jpg"
cmd = [
"ffmpeg",
"-y",
"-i", str(video_path),
"-ss", "00:00:02",
"-frames:v", "1",
str(target),
]
subprocess.run(cmd, check=True)
for video in Path("./videos").glob("*.mp4"):
extract_cover(video, Path("./covers"))
这种脚本在内容平台、短视频后台、媒体资源仓库里都非常常见。
不是“我记住了几十条命令”，而是：
ffprobe 看素材copy这套顺序一旦建立起来，后面的命令就不会再像散弹。