跳到主要内容

如何确认视频文件流媒体信息

前言​

在对视频文件做流媒体提取时通常需要指定目标流媒体，比如从一个视频文件中提取 acc 音频：

ffmpeg -i input.mp4 -map 0:a:0 out.acc

上面这个命令确实能够从视频文件中提取音频，但如果一个视频文件中同时存在多个音频流怎么办？比如一个电影，有英文音频同时还有中文音频。现在你该怎么办？然后你又会说了，我可以使用下面这个命令呀：

ffmpeg -i input.mp4 -map 0:a out.acc

但是很遗憾，使用这样的命令会将英文音频和中文音频同时导出，没法指定导出具体语言的音频。如果你使用第一个命令虽然导出的确实是一个语音的音频，但是你没有确定导出的是中文的还是英文的，除非试听。

因此，对于这种情况，确定视频文件的流媒体信息就显得很重要了。

确认流媒体信息​

实际上，确认视频文件的流媒体信息也很简单，只需要使用 ffprobe 命令即可：

ffprobe input_media.mp4

之后我们就可以通过输出信息来确认流信息了，下面看几个示例：

示例一：标准视频文件​

下面是一个标准的视频文件输出示例：

$ ffprobe input.mp4

...
Input #0, mov,mp4,m4a,3gp,3g2,mj2, from 'input.mp4':
  Metadata:
    major_brand     : isom
    minor_version   : 512
    compatible_brands: isomiso2avc1mp41
    encoder         : Lavf58.76.100
  Duration: 00:05:24.82, start: 0.000000, bitrate: 1468 kb/s
  Stream #0:0(und): Video: h264 (High) (avc1 / 0x31637661), yuv420p(tv, bt709), 1920x1080 [SAR 1:1 DAR 16:9], 1331 kb/s, 30 fps, 30 tbr, 15360 tbn, 60 tbc (default)
    Metadata:
      handler_name    : VideoHandler
      vendor_id       : [0][0][0][0]
  Stream #0:1(und): Audio: aac (LC) (mp4a / 0x6134706D), 44100 Hz, stereo, fltp, 128 kb/s (default)
    Metadata:
      handler_name    : SoundHandler
      vendor_id       : [0][0][0][0]

ffprobe 输出的信息会很多，但是真正有用的信息是从 Input 行之后的信息。注意看上面这个输出示例，Metadata 只是一些元数据信息，实际上对确认信息没啥用。接着往下看：

Duration: 00:05:24.82, start: 0.000000, bitrate: 1468 kb/s

这行信息显示，视频文件总时长是5分钟24秒，开始播放时间是从第 0 秒开始。所以，如果你想确认一个视频到底有多长就可以从这里确认。

Stream #0:0(und): Video: h264 (High) (avc1 / 0x31637661), yuv420p(tv, bt709), 1920x1080 [SAR 1:1 DAR 16:9], 1331 kb/s, 30 fps, 30 tbr, 15360 tbn, 60 tbc (default)
  Metadata:
    handler_name    : VideoHandler
    vendor_id       : [0][0][0][0]

这个信息显示，这是视频文件的一个流数据。这个流是一个视频流（Video），并且该流采用的是 H.264 编解码格式。视频分辨率是 1920x1080（2K？），之后还有视频的帧率 30 帧每秒。这个帧率在实际中其实很重要，比如你想对视频实现倍速播放就可以通过导出该视频原始比特流，之后修改帧率来实现倍速效果。

Stream #0:1(und): Audio: aac (LC) (mp4a / 0x6134706D), 44100 Hz, stereo, fltp, 128 kb/s (default)
  Metadata:
    handler_name    : SoundHandler
    vendor_id       : [0][0][0][0]

这是该视频的第二个流媒体信息，也是最后一个。这个流信息显示该流是一个音频流（Audio），采用的编解码格式是 acc。

现在，你对视频流信息是不是就有了一个最基本的认识？实际上，音频流并不是必须的，比如哑剧就不存在音频流。

我们可以再来看一个没有音频的视频文件输出信息：

示例二：无音频视频文件​

$ ffprobe input.mp4

...
Input #0, mov,mp4,m4a,3gp,3g2,mj2, from 'input.mp4':
  Metadata:
    major_brand     : isom
    minor_version   : 512
    compatible_brands: isomiso2avc1mp41
    encoder         : Lavf58.76.100
  Duration: 00:20:48.07, start: 0.000000, bitrate: 793 kb/s
  Stream #0:0(und): Video: h264 (High) (avc1 / 0x31637661), yuv420p(tv, bt709), 1920x1080 [SAR 1:1 DAR 16:9], 790 kb/s, 30 fps, 30 tbr, 15360 tbn, 60 tbc (default)
    Metadata:
      handler_name    : VideoHandler
      vendor_id       : [0][0][0][0]

这次的输出信息相比较上面一个就简单很多。很显然，只有一个使用 H.264 作为编解码的视频流。

示例三：复杂的视频文件​

有了上面两个基本的认识之后，我们再来看一个复杂的视频文件。该视频文件采用的容器格式是 mkv，日语音频，同时存在多个语言的字幕（简体中文和繁体中文）。

实际上，对于字幕来说。只要不是硬字幕，其实都是视频文件的一个流。因此，对于这个 mkv 视频文件来说，最多只会有4个流数据。

来看下：

$ ffprobe input.mkv

...
Input #0, matroska,webm, from 'input.mkv':
  Metadata:
    encoder         : libebml v1.4.2 + libmatroska v1.6.4
    creation_time   : 2023-01-19T11:39:52.000000Z
  Duration: 00:23:24.04, start: 0.000000, bitrate: 2269 kb/s
  Stream #0:0: Video: hevc (Main 10), yuv420p10le(tv, bt709/unknown/unknown), 1920x1080, SAR 1:1 DAR 16:9, 23.98 fps, 23.98 tbr, 1k tbn, 23.98 tbc (default)
    Metadata:
      BPS             : 2139049
      DURATION        : 00:23:23.986000000
      NUMBER_OF_FRAMES: 33662
      NUMBER_OF_BYTES : 375399465
      _STATISTICS_WRITING_APP: mkvmerge v67.0.0 ('Under Stars') 64-bit
      _STATISTICS_WRITING_DATE_UTC: 2023-01-19 11:39:52
      _STATISTICS_TAGS: BPS DURATION NUMBER_OF_FRAMES NUMBER_OF_BYTES
  Stream #0:1(jpn): Audio: aac (LC), 44100 Hz, stereo, fltp (default)
    Metadata:
      title           : Main Track
      BPS             : 128000
      DURATION        : 00:23:24.041000000
      NUMBER_OF_FRAMES: 60467
      NUMBER_OF_BYTES : 22464656
      _STATISTICS_WRITING_APP: mkvmerge v67.0.0 ('Under Stars') 64-bit
      _STATISTICS_WRITING_DATE_UTC: 2023-01-19 11:39:52
      _STATISTICS_TAGS: BPS DURATION NUMBER_OF_FRAMES NUMBER_OF_BYTES
  Stream #0:2(chi): Subtitle: subrip (default)
    Metadata:
      title           : 简体中文
      BPS             : 67
      DURATION        : 00:23:22.200000000
      NUMBER_OF_FRAMES: 405
      NUMBER_OF_BYTES : 11865
      _STATISTICS_WRITING_APP: mkvmerge v67.0.0 ('Under Stars') 64-bit
      _STATISTICS_WRITING_DATE_UTC: 2023-01-19 11:39:52
      _STATISTICS_TAGS: BPS DURATION NUMBER_OF_FRAMES NUMBER_OF_BYTES
  Stream #0:3(chi): Subtitle: subrip
    Metadata:
      title           : 繁體中文
      BPS             : 67
      DURATION        : 00:23:22.200000000
      NUMBER_OF_FRAMES: 405
      NUMBER_OF_BYTES : 11883
      _STATISTICS_WRITING_APP: mkvmerge v67.0.0 ('Under Stars') 64-bit
      _STATISTICS_WRITING_DATE_UTC: 2023-01-19 11:39:52
      _STATISTICS_TAGS: BPS DURATION NUMBER_OF_FRAMES NUMBER_OF_BYTES

从输出的信息可以看出，这个容器格式为 mkv 的视频文件确实有四个流数据。先来，来具体看下这些流：

Stream #0:0: Video: hevc (Main 10), yuv420p10le(tv, bt709/unknown/unknown), 1920x1080, SAR 1:1 DAR 16:9, 23.98 fps, 23.98 tbr, 1k tbn, 23.98 tbc (default)
  Metadata:
    BPS             : 2139049
    DURATION        : 00:23:23.986000000
    NUMBER_OF_FRAMES: 33662
    NUMBER_OF_BYTES : 375399465
    _STATISTICS_WRITING_APP: mkvmerge v67.0.0 ('Under Stars') 64-bit
    _STATISTICS_WRITING_DATE_UTC: 2023-01-19 11:39:52
    _STATISTICS_TAGS: BPS DURATION NUMBER_OF_FRAMES NUMBER_OF_BYTES

第一个流显示是一个视频流，这个视频流的编解码格式是 hevc，就是我们通常说的 H.265。视频流的帧率是 23.98，总时长是 23分钟23秒。

Stream #0:1(jpn): Audio: aac (LC), 44100 Hz, stereo, fltp (default)
  Metadata:
    title           : Main Track
    BPS             : 128000
    DURATION        : 00:23:24.041000000
    NUMBER_OF_FRAMES: 60467
    NUMBER_OF_BYTES : 22464656
    _STATISTICS_WRITING_APP: mkvmerge v67.0.0 ('Under Stars') 64-bit
    _STATISTICS_WRITING_DATE_UTC: 2023-01-19 11:39:52
    _STATISTICS_TAGS: BPS DURATION NUMBER_OF_FRAMES NUMBER_OF_BYTES

第二个流是音频流，语言是日语（jpn）。音频的编解码格式是 acc，这个音频的总时长比视频流多了1秒。

Stream #0:2(chi): Subtitle: subrip (default)
  Metadata:
    title           : 简体中文
    BPS             : 67
    DURATION        : 00:23:22.200000000
    NUMBER_OF_FRAMES: 405
    NUMBER_OF_BYTES : 11865
    _STATISTICS_WRITING_APP: mkvmerge v67.0.0 ('Under Stars') 64-bit
    _STATISTICS_WRITING_DATE_UTC: 2023-01-19 11:39:52
    _STATISTICS_TAGS: BPS DURATION NUMBER_OF_FRAMES NUMBER_OF_BYTES

第三个流是字幕流，语言是中文简体。

Stream #0:3(chi): Subtitle: subrip
  Metadata:
    title           : 繁體中文
    BPS             : 67
    DURATION        : 00:23:22.200000000
    NUMBER_OF_FRAMES: 405
    NUMBER_OF_BYTES : 11883
    _STATISTICS_WRITING_APP: mkvmerge v67.0.0 ('Under Stars') 64-bit
    _STATISTICS_WRITING_DATE_UTC: 2023-01-19 11:39:52
    _STATISTICS_TAGS: BPS DURATION NUMBER_OF_FRAMES NUMBER_OF_BYTES

第四个流也是字幕流，语言是中文繁体。

所以，你看。一个视频不管有多少流，输出信息看起来都很简单。只是数量的问题...

导出指定流媒体​

现在，我们知道如何确认一个视频的流媒体之后就可以做任何操作了。想要导出流媒体还不是简简单单？

以示例三：复杂的视频文件 为例，该视频文件有两个字幕流。我想要导出繁体字幕该怎么做？

只需要确定好繁体字幕在字幕流中的顺序即可：

Stream #0:2(chi): Subtitle: subrip (default)
  Metadata:
    title           : 简体中文
    BPS             : 67
    DURATION        : 00:23:22.200000000
    NUMBER_OF_FRAMES: 405
    NUMBER_OF_BYTES : 11865
    _STATISTICS_WRITING_APP: mkvmerge v67.0.0 ('Under Stars') 64-bit
    _STATISTICS_WRITING_DATE_UTC: 2023-01-19 11:39:52
    _STATISTICS_TAGS: BPS DURATION NUMBER_OF_FRAMES NUMBER_OF_BYTES
Stream #0:3(chi): Subtitle: subrip
  Metadata:
    title           : 繁體中文
    BPS             : 67
    DURATION        : 00:23:22.200000000
    NUMBER_OF_FRAMES: 405
    NUMBER_OF_BYTES : 11883
    _STATISTICS_WRITING_APP: mkvmerge v67.0.0 ('Under Stars') 64-bit
    _STATISTICS_WRITING_DATE_UTC: 2023-01-19 11:39:52
    _STATISTICS_TAGS: BPS DURATION NUMBER_OF_FRAMES NUMBER_OF_BYTES

很显然，是第二个（即需要为 1），现在导出该繁体字幕就可以使用下面的命令了：

ffmpeg -i input.mkv -map 0:s:1 subtitle.srt

导出之后你打开 subtitle.srt 文件，就会看到确实是中文繁体字幕了：

...

404
00:23:17,160 --> 00:23:20,890
什麼呀 說謊的人要吞一千顆珍珠哦

405
00:23:20,890 --> 00:23:23,730
是一千根針吧 千代