FFmpeg：互联网世界的基石正在被人遗忘！

产品“过时”的定义往往来源于自己的无知，一个软件的价值更不是靠华丽外表来定义的！

背景

最近刷到一个帖子，大意是说：ffmpeg 过时，问有啥替代品。帖子被 ffmpeg 引用后给出“否定”。因太有故事感了，我就想深入聊聊这个话题。

原帖相关讨论也很有意思：“网站用的 index.html，安装困难”，没想到这会成为评价一个软件过时与否的标准。但也有人认为网站看起来越古老，软件就越好。

要我说：ffmpeg 那么多复杂命令，文档也巨长，对原帖主来说更是“天书”了。如果仅依靠网站过时、文档看不懂就轻易下结论，只会显得自己很无知！很多软件作者不在意宣传包装，切实解决用户痛点，才造就了那些“过时不合群”的伟大产品。虽然现在“长得好看”很必要，但明显有“过度包装”趋势，花里胡哨没啥“实用性”的产品可太多了...

FFmpeg

FFmpeg^[1] 是一个自由开源的软件项目，已成为全球处理视频、音频及其他多媒体文件和流的核心框架。它不仅为开发者提供了一套强大的库，也为终端用户提供了功能丰富的命令行工具。作为数字媒体领域不可或缺的基石，FFmpeg 在现代多媒体处理和分发中扮演着至关重要的角色。FFmpeg 对普通人来说并不出名，因为它大多数时候都是在软件底层进行技术支持。尤其是包含音视频处理的软件，或多或少都有它的身影，属于真正的幕后英雄！

仅 TheirStack 上统计到的公司就有 1396 个，如 Youtube、TikTok、Bilibili 等。

是什么？

定义：领先的多媒体框架

• 起源 & 目标：FFmpeg 被誉为“音视频处理的瑞士军刀”，其设计目标是能够解码（decode）、编码（encode）、转码（transcode）、复用（mux）、解复用（demux）、流式传输（stream）、滤镜处理（filter）和播放（play）几乎所有人类和机器创造的多媒体格式。它的核心目标是为应用程序开发者和最终用户提供“技术上可能的最佳解决方案”。其名称结合了“Fast Forward”（快进，FF）和流行的视频压缩标准 “MPEG”，象征着其对速度和多媒体标准的关注。
• 核心理念： FFmpeg 倾向于结合可用的最佳自由软件选项，并优先使用自己的代码以减少对其他库的依赖，最大化代码复用。在无法确定“最佳”方案时，它会同时支持多种选项，让用户自行选择。这种理念造就了其强大的健壮性和灵活性。

基础：开发者的关键库

FFmpeg 提供了一套核心库，这些库是其强大功能的基础，并使得其他应用程序能够集成和利用这些功能。正是这些库使得 FFmpeg 被广泛集成到众多工具中。

• libavcodec^[2]： 作为 FFmpeg 的心脏，该库为海量的音频和视频编解码器提供编码器和解码器。许多其他软件（如 VLC、OBS）都依赖这个关键组件。
• libavformat^[3]： 负责处理各种多媒体容器格式的复用（将多个流合并到一个文件）和解复用（从一个文件中分离出多个流）。这对于读取和写入不同的文件类型（如 MP4、MKV）至关重要。
• libavfilter^[4]： 包含大量媒体滤镜，可用于对音频和视频流应用各种效果和变换（如调整大小、裁剪、色彩校正）及进行复杂处理。这使得 FFmpeg 能执行超越简单格式转换的复杂操作。
• libavutil^[5]： 一个实用工具库，包含简化编程任务的函数，例如随机数生成器、数据结构、数学例程和核心多媒体实用程序。它提供了基础的构建模块。
• libswscale^[6]： 执行高度优化的图像缩放以及色彩空间/像素格式转换操作（如从 YUV 转换到 RGB）。这对于确保不同显示类型之间的兼容性以及在 AI 分析等处理阶段至关重要。
• libswresample^[7]： 处理高度优化的音频重采样、声道矩阵变换和采样格式转换。确保处理过程中的音频兼容性和质量。
• libavdevice^[8]： 通过 Video4Linux2、ALSA 等框架与多媒体输入/输出设备（如网络摄像头、麦克风、屏幕捕捉）进行交互。允许 FFmpeg 直接捕获和输出媒体。

交互：终端用户的工具

• ffmpeg^[9]： 核心命令行工具，用于转换、编辑、滤镜处理和流式传输多媒体文件。这是用户通过命令直接进行操作的主要接口。
• ffprobe^[10]： 一个命令行工具，用于分析多媒体流和文件，收集诸如编解码器、格式、比特率（bitrate）等元数据信息。常用于检查和信息获取。
• ffplay^[11]： 一个基于 SDL 和 FFmpeg 库的简单媒体播放器，对于快速播放和测试/调试目的非常有用。

常用命令

在本地安装 ffmpeg 命令后，可以做很多事，这里简单列举几个指令。如格式转换、截取片段、截取封面等。

格式转换

MOV ➞ MP4

ffmpeg -i test.mov test.mp4

MP4 ➞ GIF

ffmpeg -i test.mp4 test.gif

截取片段

ffmpeg -i test.mp4 -ss 00:01:00 -to 00:01:30 -c copy test.mp4

截取封面

ffmpeg -i test.mp4 -ss 00:00:10 -vframes 1 cover.jpg

Warp：终端推荐

以上命令只是 ffmpeg 命令的最简单演示，它还可以搭配各种参数进行更细颗粒度控制。但命令记忆是繁琐的，也很容易遗忘，这里推荐使用 Warp^[12] AI 命令行工具，可以让你快速掌握各种复杂指令。比如可以这样提问：

• ffmpeg 有哪些常用命令
• ffmpeg 将 mp4 转为 gif 可设置哪些参数
• ffmpeg 如何截取视频封面
• ...

小结

这种将核心库（如 libavcodec、libavformat 等）与面向用户的工具（如 ffmpeg、ffprobe）分离的架构设计，是 FFmpeg 无处不在的关键原因。开发者可以将稳定、强大的库集成到他们的应用程序中（正如 VLC 和各种编程语言封装库所做的那样），而终端用户则可以利用功能多样的命令行工具进行直接操作。这种双轨并行的采用策略，使得 FFmpeg 能够同时满足不同层面的需求，极大地扩展了其覆盖范围和影响力。

能做什么？

• 格式转换：这是 FFmpeg 最主要的用途之一，得益于其庞大的编解码器支持。
• 编辑： 支持基本的编辑功能，如剪切、合并、修剪视频和音频文件，添加或删除音轨，调整音量、帧率和分辨率。
• 滤镜/效果：应用各种效果，如调整大小、裁剪、旋转、色彩校正、降噪、添加水印、嵌入字幕等。
• 流媒体：能够使用 HLS、DASH、RTMP 等多种协议在网络（互联网或局域网）上传输实时内容，可作为服务器或客户端。这对直播行业至关重要。
• 屏幕录制/捕获：能够录制计算机屏幕活动、捕捉网络摄像头视频和麦克风音频。
• 元数据操作：读取、写入和修改与多媒体文件相关的元数据（如标题、描述、版权信息）。
• AI/分析集成： 通过集成推理引擎（如 OpenVINO^[13]），FFmpeg 可扩展用于 AI 工作负载，如对象检测和分类。尽管其核心库（如 AVFilter/Filter graph）在处理高负载分析任务时可能存在线程瓶颈，需要额外的工作来克服，但这也显示了 FFmpeg 对新兴领域的适应能力（论文参考：Extend the FFmpeg Framework to Analyze Media Content^[14]）。
• 缩略图生成：从视频中提取帧以创建静态图像缩略图。
• ...

FFmpeg 是一个持续发展的项目，不断适应新的技术需求，如集成 AI 能力和支持 VP8^[15]/VP9^[16]/WebM^[17] 等较新的编解码器。分离式架构设计、及强大的功能让其成为互联网的重要组成部分，但在 AI 领域中，性能优化或许会成为新的任务要求。

顶峰的孤独，只会是自我超越！

相关案例

上面说了那么多抽象概念，接下来举几个例子，来更直观地感受 FFmpeg 影响力。

Chromium

Chromium^[18] 是一个免费的开源网络浏览器项目，主要由 Google 开发和维护。是 Google Chrome、Microsoft Edge 等浏览器的内核。

相关代码引用：chromium/third_party/ffmpeg^[19]、chromium/src/media/ffmpeg^[20]

OBS Studio

OBS Studio^[21] 是一款免费开源的跨平台屏幕录制和直播应用程序。

如果 OBS 这个名字让你感到陌生，那该工具的赞助者肯定有你所熟悉的。

相关代码引用：obs-studio/plugins/obs-ffmpeg^[22]

VLC

VLC^[23] 是一款自由、开源的跨平台多媒体播放器及框架，可播放大多数多媒体文件，以及 DVD、音频 CD、VCD 及各类流媒体协议。

相关代码引用：vlc/contrib/src/ffmpeg^[24]

Gifski

Gifski^[25] 是 macOS 上一款视频转高质量 GIF 神器，支持视频截取、分辨率、播放速度、图片质量、帧数设定、是否循环等。

相关代码引用：gifski-api/snapcraft.yaml^[26]

“过时”推荐

鉴于原帖中提到的“网站用的 index.html，安装困难”观点，我想用几个类似项目来反驳一下：网站美丑和软件强弱几乎没有任何联系。

注：类似的工具或网站有太多了，我这里仅抛砖引玉一下。它们的网站看起来都有点过时，但并不影响其强大功能，还有些跨平台且体积小。

LICEcap

LICEcap^[27] 是一款轻巧易用的屏幕录制工具，可将桌面指定区域的动态画面直接保存为 GIF 或其专有无损 LCF 格式。该格式拥有比 GIF 更高的压缩率、更丰富的色彩（每帧超过 256 色）以及更精确时间戳。 安装包小于 1M：Windows（250kb）、macOS（876kb）。

7-Zip

7-Zip^[28]：Windows 平台下的开源压缩软件，安装包 1.5 MB 左右。7z 格式以 LZMA/LZMA2 算法实现极高压缩比及 AES-256 加密。可压缩解压 7z、ZIP、GZIP、TAR，解压 RAR、ISO、DMG 等多种文件。软件集成资源管理器，支持命令行及多语言，兼容 Windows XP 至最新系统。

IrfanView

IrfanView^[29] 专为 Windows 设计的图形查看器，简洁易用，专业级功能强大。作为行业先驱，率先支持多帧 GIF、多页 TIF 及多 ICO 格式。单个 EXE 仅 6 MB。非商用免费，功能全面，支持海量格式、批量处理、图像编辑、特效、截屏、Unicode、多媒体播放等。兼容 Windows XP 至 11。

Titanium Software

Titanium Software^[30] 是为 macOS 用户提供的一系列免费实用的操作系统工具。核心应用 OnyX 是多功能维护利器，能验证磁盘、清理系统、配置隐藏参数，并已整合 Maintenance（系统维护）、Deeper（个性化设置）及 CalHash（文件校验）的功能。

结语

今天的内容聚焦于 FFmpeg，但实际上，构成我们数字世界的，是无数底层、看不见却至关重要的技术组件。正是这些系统性、复杂性和广度兼具的技术成果，才让互联网如此丰富多彩。因此，当我们进入一个未知领域时，更应保持敬畏之心。鲁莽的言行只会暴露无知，而非体现质疑精神。

过去几十年，信息技术以前所未有的速度和深度重塑了人类社会。在这场变革中，一批技术创新卓越、应用广泛、影响深远的产品、工具和开源项目，成为推动时代前行的重要力量。它们不仅是特定历史背景下的产物，更奠定了今日数字文明的基础。

衡量技术成果影响力的标准涉及多个维度。首先是技术创新性，即是否突破原有瓶颈，引入革命性的理念或架构。其次是市场应用广度，广泛使用意味着更大的普惠效应。生态系统构建能力也至关重要，成功的技术往往孕育出庞大的开发者社区、商业应用与衍生服务。其设计理念是否成为行业标准，以及是否催化了后续技术发展、促进知识共享、降低创新门槛、创造新经济模式等，亦是关键考量因素。

20 世纪末至 21 世纪初是信息技术飞跃发展的黄金时期。互联网迅猛扩张，个人计算机普及，社会对开放、强大、易用软件工具的需求日益增强。在这一背景下，Linux 内核挑战了专有系统的垄断，GCC 为自由软件运动提供编译支持，Apache HTTP 服务器点燃了万维网的传播之火，MySQL 推动数据库技术大众化，Python 以简洁优雅赋能快速开发，Git 彻底革新了软件协作方式，而 FFmpeg 则成为数字多媒体处理的瑞士军刀。它们分别解决了操作系统、软件开发、网络服务、数据管理、编程范式和多媒体处理等关键领域的技术瓶颈，其深远意义在于共同奠定了现代数字文明的技术底座。

这些项目虽来自不同技术领域，实则彼此关联、协同演化，共同构建了我们所依赖的数字基础设施。操作系统（如 Linux）为上层软件提供运行环境；编译器（如 GCC）将源代码转为可执行指令；版本控制系统（如 Git）使全球开发者高效协作；Web 服务器（如 Apache）支撑互联网信息传输；数据库系统（如 MySQL）处理海量数据存储与查询；高级语言（如 Python）降低编程门槛，催生了从网站到人工智能的各类应用；而多媒体处理工具（如 FFmpeg）让数字内容的创作与传播无处不在。这些技术如经纬交织，构成从底层硬件到顶层用户体验的完整栈，支撑着经济、科研、教育、娱乐等各方面的数字运行。

值得注意的是，许多改变世界的项目并非出自宏大的战略规划，而源于个人兴趣或为解决具体问题的尝试。例如，Linux 内核最初是 Linus Torvalds 为其个人电脑打造的一个爱好项目，Git 的诞生则是 Linus 为了解决 Linux 内核版本控制在 BitKeeper 停止免费使用后的燃眉之急，而 Python 也是 Guido van Rossum 的一个“圣诞假期”的个人项目。这些案例说明：深刻的创新往往源自对实际需求的敏锐洞察和个人主动性，一个精心设计以解决真实（即便初期看似小范围）问题的方案，如果其基础足够坚实且具有扩展性，便可能产生始料未及的广泛影响。

在开源世界中，“站在巨人肩膀上”的理念尤为突出。许多成功项目直接借鉴或构建于前人工作之上。例如，Apache HTTP Server 继承了 NCSA HTTPd，尤其在后者停止开发后迅速接棒；Linux 的设计深受 Unix 和 Minix 启发；Python 延续了 ABC 语言的简洁设计理念；GCC 早期规划曾考虑重写现有编译器；FFmpeg 的部分开发者也曾参与 MPlayer 项目。开源代码和设计思想的开放性，使得这种继承与创新更加直接高效，不仅提升了开发效率，也加快了技术演进，避免了重复造轮子。

开源所倡导的共享、协作和以能力为本的文化（meritocracy），不仅推动了技术快速发展，也成为孕育创新、培养人才和构建健康技术生态的重要机制。它通过降低学习门槛、鼓励透明合作，使得更多开发者能投身其中，共同推动整个生态系统的持续演进。

「浮之静」社区

搞一个大家可以交流互动的技术社区，一直是我的理想，但苦于国内一直没有好的平台。微信群算是大家比较高频的一个交流方式，但它问题颇多，如：不支持查看历史对话、500 人数上限、无法进行子分组交流（信息埋没）等。这些问题我发现基本都可以被“腾讯频道”完美解决，它支持历史对话、开设子频道、设立内容板块（支持评论）、权限管理等，俨然有了一个社区的基本形态。所以如果大家对它感兴趣可以考虑扫码加入或搜索频道号：fzjing0369。

目前开设的版块有：AI、编程、日常闲聊、Prompt 分享、应用 & 工具、开源推荐等。未来也会根据需要开设更多版块，因为它的人数上限可以突破 500 人，到达上万人，我之前貌似看到一些大频道已经接近百万人了，所以应该会产生很多有趣的碰撞。

目前频道接近 800 人，使用体验最好的是在 QQ 内，支持功能最完善。小程序查看，交流啥的也十分方便，但功能有限。

References