企业官网建设流程全解析

ffmpeg功能和相关命令，说实话写一百期都写不完，但这个系列第三篇，我想换个讲法，不堆参数，不复制官方文档，而是把我自己从入门到落地这些年在项目里真正用过的功能、敲过的命令、踩过的坑，一次聊透。既然你已经看到第三篇，前两篇的音视频基础应该消化得差不多了：封装格式、编码标准、YUV、PCM这些概念有了底子。那这一篇就直接围绕实战展开——怎么快速摸清一个视频的底细、怎么做格式转换和转码、怎么裁剪拼接、怎么抽帧做GIF、怎么加水印、怎么推流切片、怎么用硬件加速，以及遇到音画不同步、文件变大这类问题怎么排查。

这篇适合刚入门但想马上上手干活的开发者，也适合用过ffmpeg但只会复制粘贴几个命令、遇到点变化就懵的半吊子，还适合想系统梳理一遍的命令党。看完你至少能自己写出一套不依赖网上零散博客的完整命令方案。

1. 先搞懂ffmpeg到底是干什么的

很多初学者一上来就背命令，今天记一个转码参数，明天抄一个裁剪参数，后天发现换个输入文件就报错。根本原因是没有理解ffmpeg的抽象模型：一条命令的本质，是在描述一次数据流动过程——读入、解码、处理、编码、输出。

1.1 三大可执行文件的分工

ffmpeg这个工具套件里，最常用的其实是三个独立的命令：ffprobe、ffplay、ffmpeg。它们分工完全不同，很多人只盯着ffmpeg这个主命令，忽略另外两个，遇到问题不知道用ffprobe查，用ffplay测试。

ffprobe是侦察兵，专门用来读取媒体文件的结构信息，比如编码格式、分辨率、帧率、码率、时长、音频声道数。它不会去解码完整视频，所以速度飞快，是排查问题第一件要动用的工具。

ffplay是播放器，而且是一个极简调试播放器。它不追求用户体验，最大的价值是能用极快的速度验证当前文件能不能正常解码播放、滤镜效果长什么样、音画是否同步。你在命令行里写完一长串滤镜，不落地生成文件，直接用ffplay预览会节省大量时间。

ffmpeg本体才是处理工具，负责转码、封装转换、滤镜处理、拼接、推流这些实际工作。它的核心抽象就是：输入文件（-i）经过一系列滤镜（filter）处理后，用指定的编码器重新编码或直接复制流，然后封装成指定的容器格式输出。

这个分工意识，比记住任何具体参数都重要。你连一个视频是什么编码都不清楚就拿着参数乱试，跟蒙着眼睛猜路没什么区别。

1.2 一条命令背后发生了什么

看一条最简单的命令：

ffmpeg -i input.mkv output.mp4

注意，这条命令其实不仅仅是在“改后缀”。ffmpeg会尝试把input.mkv里的视频流和音频流重新解码，再用输出文件的扩展名推断目标编码格式，重新编码后封装成mp4。默认情况下，视频会选一个mp4容器兼容的编码（比如H.264），音频会选AAC，这一通操作下来耗时很长，而且画质可能已经损失过一轮。

如果只是想改封装格式，不重新编码，正确姿势是加-c copy：

ffmpeg -i input.mkv -c copy output.mp4

-c copy的意思是流拷贝，直接把原始压缩数据从mkv容器里取出来塞进mp4容器，不经过解码和编码，速度极快，画质零损失。但有个前提：目标容器必须支持原编码格式，比如你非要把H.265的视频流-c copy塞进老旧的avi容器或者低版本mp4，就可能得到一份播放器根本不认的文件。

所以理解ffmpeg的流水线模型非常关键：解封装、解码、滤镜处理、编码、封装，每一层都可以单独控制。你真正需要理解的是什么时候该动解码，什么时候可以直接copy，这直接关系到一个任务耗时几秒还是几分钟。

2. 信息查询与格式转换的实用姿势

2.1 用ffprobe摸清视频底细

拿到一个视频，第一步永远是先查信息。

ffprobe -v error -show_format -show_streams input.mp4

-v error只显示错误级别的日志，避免一堆无关信息刷屏。-show_format输出封装层信息，比如时长、总码率、文件大小。-show_streams输出所有流的详细信息，包括视频流的编码器、分辨率、像素格式、帧率，音频流的编码器、采样率、声道数。

输出有点乱，项目里更常用的是指定JSON格式，方便脚本解析：

ffprobe -v error -print_format json -show_format -show_streams input.mp4

比如你想在自动化脚本里取视频时长，可以配合文本处理工具拿走：

ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 input.mp4

这条命令把输出格式（-of）设成纯文本，不包装、不显示键名，只输出一个数字，直接放进shell变量。

实际项目里我有个习惯：先ffprobe查清楚输入文件的真实参数，再决定输出参数怎么定。比如源文件是4K 60帧的H.265视频，目标平台只支持1080p 30帧的H.264，那就要做分辨率缩放和帧率转换；如果源文件本来就是H.264的mp4，你只是想减小体积，那直接用CRF模式重新编码一遍就够了，不需要动分辨率和帧率。

2.2 封装和编码千万别搞混

格式转换是搜索频率最高的需求，但很多人把“改封装”和“转码”混为一谈。

常见场景一：手里只有mkv，播放器不支持，想转mp4。如果检查过编码格式是H.264和AAC，直接：

ffmpeg -i input.mkv -c copy output.mp4

几秒钟搞定，画质音质完全不变。mkv和mp4都是常见容器，H.264/AAC这两种编码两个容器都很好容纳，前提是字幕流可能需要单独处理。

常见场景二：拿到的视频是某个老播放器不认的编码，必须转码。比如输入是H.265的mp4，老设备不支持，要转成H.264：

ffmpeg -i input.mp4 -c:v libx264 -preset medium -crf 23 -c:a aac -b:a 128k output.mp4

这里-c:v libx264指定了视频用H.264软件编码器，-c:a aac指定音频用AAC编码器。如果只是-c copy，H.265的视频流还是H.265，老设备照样打不开。

用一句话记住：容器是盒子，编码是零件。改封装就是把零件换到新盒子里，转码是把零件回炉重造。

2.3 用CRF控制画质的转码命令

用ffmpeg做H.264或H.265转码，我最常用的是CRF模式，而不是指定平均码率。

ffmpeg -i input.mp4 -c:v libx264 -preset medium -crf 23 -pix_fmt yuv420p -c:a aac -b:a 128k output.mp4

CRF叫恒定质量因子，范围一般是0到51，数值越小画质越好，文件越大。23是x264的默认值，18到28是日常最常用的区间，视觉上无损的素材处理我习惯用17到18，网络传输长期存储用23到26，预览或者临时文件可以用28到30。

CRF模式的思想是：优先保证每一帧的画质稳定，根据画面复杂度动态分配码率。画面复杂的场景用更多码率，静态画面用更少码率。这跟指定固定码率（-b:v）有本质区别——固定码率会在大动态场景下出现马赛克，在静态场景下又浪费带宽。

如果需求是“压到某个体积以内”，CRF就管不了那么精确了。这时候要上两遍编码（Two-Pass），第一遍收集整个视频的复杂度统计信息，第二遍按照目标码率分配每一帧。命令得执行两次：

ffmpeg -i input.mp4 -c:v libx264 -preset medium -b:v 1000k -pass 1 -an -f null /dev/null && ffmpeg -i input.mp4 -c:v libx264 -preset medium -b:v 1000k -pass 2 -c:a aac -b:a 128k output.mp4

注意第一遍输出到系统空设备，不保留视频，只收集统计日志；Windows下空设备是NUL，Linux和macOS是/dev/null。第二遍才真正输出目标文件。两遍编码耗时大约是单遍编码的1.6到2倍，适合追求精确体积、且视频是一次性处理的场景。

转码的时候有个容易被忽略的参数：-pix_fmt yuv420p。很多源视频是yuv444或者yuv422采样，直接编码出来的文件播放器兼容性差，强制转成yuv420是保证绝大多数播放器都能正常出画面的稳妥做法。

3. 裁剪、拼接与音视频分离实战

3.1 裁剪命令里的关键陷阱：-ss到底放哪儿

裁剪视频是最容易踩坑的操作之一。需求看起来简单：截取某一段。命令也有现成的：

ffmpeg -i input.mp4 -ss 00:01:00 -t 10 -c copy output.mp4

意思是：从第60秒开始，截10秒，流拷贝，直接输出。这个命令最大的问题是，它不一定能精确地在第60秒这一帧上开始。因为视频压缩的关键帧机制，H.264这类编码每隔一段距离才有一个关键帧（I帧），从关键帧到第60秒之间的若干帧，如果没有经过解码重建，是没有办法单独作为一个视频流的起点的。-c copy模式下ffmpeg只能从离第60秒最近的前一个关键帧开始打包，所以你截出来的文件起始画面可能早了零点几秒甚至好几秒。

要精确到帧，另外一种是：

ffmpeg -ss 00:01:00 -i input.mp4 -t 10 -c copy output.mp4

注意-ss放在-i前面。这个位置的-ss被当成输入选项，会用解码的方式先定位到目标时间点附近，然后丢弃前面不需要的数据，精确度更高，而且seek速度也快。为什么这种情况-c copy仍然有效？因为ffmpeg经过内部seek定位后，再配合时间戳处理，能达到比较精确的结果。

但如果你截取的位置正好不是关键帧，还是可能出现首帧是黑屏或者花屏的情况。真正的精确到帧方案是放弃-c copy，走重编码：

ffmpeg -i input.mp4 -ss 00:01:00 -t 10 -c:v libx264 -crf 18 -c:a aac output.mp4

重编码模式下，ffmpeg会解码从关键帧开始的完整画面，再在内部一帧一帧丢弃目标位置之前的帧，最后从精确的那一帧开始编码，没有花屏问题，只是耗时更高。

个人经验：剪辑需求追求精确就重编码，快速预览或者素材粗切就用-ss放在-i前配合-c copy。另外，-t表示时长，-to表示结束时间点，两者容易混淆。-ss 00:01:00 -t 10是取1分00秒到1分10秒，-ss 00:01:00 -to 00:01:10结果一样。

3.2 无损拼接的注意事项

把多个视频片段拼成一个视频，网上搜到的方案里最常见的是concat协议：

ffmpeg -f concat -safe 0 -i list.txt -c copy output.mp4

list.txt里写：

file 'part1.mp4' file 'part2.mp4' file 'part3.mp4'

-safe 0允许文件路径包含特殊字符，-c copy直接流拷贝不做重编码。这个方法的前提相当苛刻：被拼接的几个文件必须编码参数完全一致，比如同为H.264、同为yuv420p、同为相同分辨率、相同帧率、相同音频参数。哪怕两个片段源来自同一个手机，只要录制时自动切换过分辨率，拼接点就会出现音画不同步或者画面卡顿。遇到拼接失败，最常见的报错就是时间戳不对劲，后面会细说。

比concat协议更省事的是concat demuxer配合重编码：

ffmpeg -f concat -safe 0 -i list.txt -vf scale=1920:1080,fps=30 -c:v libx264 -crf 23 -c:a aac -b:a 128k output.mp4

这会让所有片段统一经过缩放和帧率转换再编码，兼容性拉满，代价是耗时高。如果只是偶尔拼一两个视频，强烈建议直接用这个方法，省去排查参数不一致的烦恼。

另一个更简单但很多人不知道的拼接方式：如果片段本身就是同一个编码参数，也可以把所有文件合成一个中间格式再转封装，但我发现实际操作下来，用concat协议加-c copy才是效率最高的，前提是先ffprobe确认参数。

3.3 提取音频与静音处理

音视频分离是个高频操作。想从一个视频里抽出一轨音频存成mp3：

ffmpeg -i input.mp4 -vn -c:a libmp3lame -q:a 2 audio.mp3

-vn禁用视频流，-q:a 2是MP3编码器的质量等级，范围0到9，数值越小质量越高，2大约相当于192到256kbps的码率。

如果不想重编码音频，只想把视频的音频流原封不动抠出来：

ffmpeg -i input.mp4 -vn -c:a copy audio.m4a

注意输出后缀要和原始音频编码匹配，源是AAC就存成m4a或aac，源是AC3尽量存成ac3或ec3，否则封装对不上。

反过来，给一段视频静音很简单：

ffmpeg -i input.mp4 -an -c:v copy output.mp4

-an是禁用音频输出，加上-c:v copy保证视频不重编码，几秒钟就处理完一个几GB的大文件。同理-sn是去掉字幕流。

还有一种场景：视频没有音轨，但你想在后台加一段BGM。可以用-stream_loop把音频无限循环再混流：

ffmpeg -i input.mp4 -stream_loop -1 -i bgm.mp3 -filter_complex "[1:a]volume=0.3[a]" -map 0:v -map "[a]" -c:v copy -c:a aac -shortest output.mp4

-stream_loop -1让音频无限循环，-shortest让输出在最短流结束时停止，音量控制放filter里调整。-map是手动指定最终输出哪些流，这个习惯建议从开始就养成。

4. 滤镜、抽帧与动图生成

4.1 滤镜系统的核心心智模型

ffmpeg的滤镜（filter）系统是它最强大的地方，也最劝退初学者。本质就是一条流水线：每一帧图像（或每一段音频）依次经过多个处理节点，节点之间用逗号分隔，形成一个滤镜链。

最简单的缩放命令：

ffmpeg -i input.mp4 -vf scale=1280:720 -c:v libx264 -crf 23 -c:a copy output.mp4

-vf是视频滤镜链，scale=1280:720把画面缩放到720p。这里分辨率对角线如果不够整除，建议加上-2让ffmpeg自动凑成偶数：

ffmpeg -i input.mp4 -vf scale=1280:-2 -c:v libx264 -crf 23 -c:a copy output.mp4

为什么要凑偶数？因为大多数视频编码标准要求宽度和高度是偶数，你随手写个scale=1279:720，后面编码器会直接报错要求对齐。

多个滤镜组合用逗号连接，比如缩放后调帧率：

ffmpeg -i input.mp4 -vf scale=1280:-2,fps=30 -c:v libx264 -crf 23 -c:a copy output.mp4

这句话的意思非常直观：先把每帧缩放到1280宽，然后把输出帧率固定为30fps。fps滤镜会自动丢帧或重复帧，保证最终文件是均匀的30帧。

滤镜链不仅是画面处理，音频也有滤镜链，用-af控制。比如音量减半和降噪：

ffmpeg -i input.mp4 -af volume=0.5,anlmdn -c:v copy -c:a aac output.mp4

这里视频保持流拷贝完全不碰，音频经过音量调整和降噪滤镜后重新编码，互不干扰。这个分工思路在复杂任务里能极大节省时间。

4.2 抽帧与GIF生成

从视频里抽帧做封面、出缩略图、做数据集，是图像算法工程师和老程序员都会高频碰到的需求。

每秒抽一帧：

ffmpeg -i input.mp4 -vf fps=1 frame_%03d.jpg

fps=1的意思是输出帧率1fps，即每秒钟保留一帧。frame_%03d.jpg是输出文件名模板，%03d代表三位数的序号，从000、001、002这样递增。如果视频时长100秒，会得到100张图片。

抽取某几帧而不是全抽，比如只要第10秒、第20秒、第30秒各一张：

ffmpeg -i input.mp4 -vf select='eq(n\,30)+eq(n\,60)+eq(n\,90)' -vsync vfr frame_%03d.jpg

这里select滤镜按照帧序号n选择第30、60、90帧，-vsync vfr是设置可变帧率输出，避免抽稀之后时间戳混乱。

从视频生成GIF动图，最常见的命令：

ffmpeg -i input.mp4 -vf fps=10,scale=480:-1 out.gif

fps=10把帧率降到10fps，GIF大小会大幅缩小。GIF本身是8位色深，颜色多的画面会有明显色带，这是格式的先天缺陷，跟ffmpeg无关。如果追求动图质量和体积的平衡，建议先转成短视频再转GIF，或者直接用webp动图，播放器兼容性也很好：

ffmpeg -i input.mp4 -vf fps=15,scale=480:-1 out.webp

4.3 水印、画中画与文字叠加

给视频加水印，是自媒体和素材处理项目里最常见的滤镜需求。图片水印：

ffmpeg -i input.mp4 -i logo.png -filter_complex "[1:v]scale=200:-1[logo];[0:v][logo]overlay=20:20" -c:a copy output.mp4

这一串稍微解释一下：-i logo.png是第二个输入文件，[1:v]表示第二个输入的视频流，先经过scale缩放到宽度200，结果命名为[logo]，然后[0:v]（第一个输入的视频流）和[logo]通过overlay滤镜叠加，位置是左上角偏移20像素。

如果想让Logo在右上角显示并且留10像素边距：

ffmpeg -i input.mp4 -i logo.png -filter_complex "[1:v]scale=200:-1[logo];[0:v][logo]overlay=W-w-10:10" -c:a copy output.mp4

W和w分别指主视频宽度和Logo宽度，W-w-10就是右边缘向左偏移10像素，这个动态表达式非常实用。

画中画（PiP）就是把一个小视频嵌在大视频里，比如录屏课程里嵌入摄像头画面：

ffmpeg -i main.mp4 -i camera.mp4 -filter_complex "[1:v]scale=320:240[pi];[0:v][pi]overlay=W-w-20:H-h-20" -c:a copy output.mp4

摄像头画面缩放到320x240，叠在主视频右下角，原点坐标是左上角，所以右下角就是W-w-20:H-h-20。

文字叠加用drawtext滤镜：

ffmpeg -i input.mp4 -vf "drawtext=text='HELLO':fontsize=48:fontcolor=white:box=1:boxcolor=black@0.5:boxborderw=10:x=20:y=20" -c:a copy output.mp4

中文需要指定字体文件，否则会变成方框乱码：

ffmpeg -i input.mp4 -vf "drawtext=fontfile=/path/to/font.ttf:text='你好':fontsize=48:x=(w-tw)/2:y=h-th-50" -c:a copy output.mp4

(w-tw)/2让文字水平居中，h-th-50是底部往上50像素。drawtext的每帧渲染在大量文字和长视频场景会有性能压力，建议先预览一小段再批量跑。

5. 进阶指令：直播推流、HLS切片与硬件加速

5.1 用ffmpeg推RTMP流

直播场景里ffmpeg经常作为推流工具，把本地视频文件或者采集设备推到直播服务器。

推流的基本姿势：

ffmpeg -re -i input.mp4 -c copy -f flv rtmp://your-server/live/streamkey

-re的参数很关键，表示按视频原始帧率节奏读取输入，模拟实时播放。如果不加，ffmpeg会以最快速度把文件推给服务器，直播观众看到的就是几秒内播完全片的离奇现场。

-f flv是强制输出格式，RTMP协议要求封装格式必须是FLV。-c copy只用在你确认原视频直接兼容FLV封装且服务器能接受的情况下。

真实推流项目里，视频源常常需要统一转码成直播规格：

ffmpeg -re -i input.mp4 -c:v libx264 -preset veryfast -b:v 3000k -maxrate 3000k -bufsize 6000k -pix_fmt yuv420p -g 60 -c:a aac -b:a 128k -f flv rtmp://your-server/live/streamkey

-g 60设置GOP（关键帧间隔）为60帧，在30fps下就是每2秒一个关键帧。直播里关键帧间隔太久，观众切流时会长时间黑屏；间隔太短，画质会被迫下降。-preset veryfast是为了降低编码延迟，直播场景一般不用slow这种高耗时预设。

推流设备（如摄像头）可以省略-re，从设备直接采集实时画面，-re反而会导致帧节奏异常。这个细节容易踩坑。

5.2 HLS切片与点播场景

点播平台最常见的分发格式是HLS，把视频切成一段段小的ts（或m4s）文件，配一个m3u8索引。ffmpeg做这个非常顺手：

ffmpeg -i input.mp4 -c:v libx264 -crf 23 -c:a aac -hls_time 10 -hls_list_size 0 -hls_segment_filename "segment_%03d.ts" playlist.m3u8

-hls_time 10每一段切片的目标时长是10秒。注意是目标时长，实际切分点会落在关键帧对齐的位置，所以每段可能是9.8秒或10.5秒，这是正常的。-hls_list_size 0表示m3u8索引里保留所有切片，如果设置成别的数字，索引文件会只保留最近几段，用于直播场景。-hls_segment_filename指定切片文件名模板。

如果原始视频编码参数已经符合HLS的要求，也可以用-c copy直接切片：

ffmpeg -i input.mp4 -c copy -hls_time 10 -hls_list_size 0 playlist.m3u8

速度极快，但前提同样是源视频编码参数必须是H.264/AAC，而且关键帧间隔要偶合切片时长，否则切片点会偏离预期。

5.3 硬件加速编码参数和硬解硬编分离

处理高分辨率视频或长视频时，CPU软件编码慢得让人崩溃。现在主流的GPU硬件编码器能把转码速度提升几倍甚至十几倍，代价是同样码率下的画质略低于软件高质量预设。

N卡环境下，用硬件解码配合硬件编码：

ffmpeg -hwaccel cuda -i input.mp4 -c:v h264_nvenc -preset p4 -cq 20 -c:a copy output.mp4

-hwaccel cuda是解码阶段用显卡加速，-c:v h264_nvenc是编码阶段用N卡的硬件编码器。-cq是NVENC的质量参数，类似于软件编码里的CRF，数值越小质量越好。

Intel核显的常见方案：

ffmpeg -hwaccel qsv -i input.mp4 -c:v h264_qsv -global_quality 20 -c:a copy output.mp4

AMD显卡通常用h264_amf，这里就不展开品牌参数了。重点是意识到：解码加速和编码加速是两条独立的链，可以分开设置。甚至可以混搭：用显卡硬编码，用CPU软解码，或者反过来。比如源视频是H.265，显卡支持硬解，那就：

ffmpeg -hwaccel cuda -c:v hevc_cuvid -i input.hevc -c:v h264_nvenc -cq 22 -c:a copy output.mp4

不过不同平台的硬件解码器名称后缀不一样，得看本机ffmpeg具体支持哪些。先执行ffmpeg -hwaccels和ffmpeg -encoders | grep nvenc确认环境。

硬件编码器为了实时性，默认会牺牲一点压缩率，如果项目对文件体积极其敏感，建议还是用软件编码器的preset slower跑离线转码。在线直播和预览场景，硬件编码才是正解。

6. 踩坑记录与排查技巧

6.1 音画不同步的常见原因

音画不同步是音视频处理里最玄学的问题。现象表现为画面越来越快、声音越来越慢，或者反过来。大多数情况不是ffmpeg出bug，而是你没有约束输出流的时间基准。

常见原因之一：源素材本身帧率不恒定，播放器按照固定音频时钟推进，导致画面逐渐漂移。解决方案是给视频输出链固定一个恒定帧率：

ffmpeg -i input.mp4 -vf fps=25 -c:v libx264 -crf 23 -c:a aac -af aresample=async=1 output.mp4

aresample=async=1的作用是让音频采样器在遇到音画时间差时自动插入或删除微小静音片段，把音轨重新对齐到视频时间轴上。

常见原因之二：使用-c copy拼接的时间戳不一致的片段。片段里如果有B帧，拼接后时间戳顺序错乱，播放器就会音画不同步。解决办法是不用copy，重新编码，或者在拼接之前用-fflags +genpts强制生成正确的时间戳。

常见原因之三：转码时滤镜链里加入了setpts调整播放速度。变加速播放时很多人只处理视频：

ffmpeg -i input.mp4 -vf setpts=0.5*PTS -c:v libx264 output.mp4

画面快进到2倍速，但音频没动，结果必然音画不同步。正确做法是视频、音频同时处理：

ffmpeg -i input.mp4 -vf setpts=0.5*PTS -af atempo=2.0 -c:v libx264 -c:a aac output.mp4

atempo滤镜支持0.5到2.0的倍速，超过这个范围需要串联两次：

ffmpeg -i input.mp4 -af "atempo=2.0,atempo=1.5" -c:a aac output.mp4

对应4倍速画面就用setpts=0.25*PTS，2x2等于4，所以音频串两个atempo。

6.2 转码后文件体积意想不到地变大

明明转码了，文件却比原文件还大，这个问题我遇到过太多次。本质原因是你没有给编码器指定码率约束，或者用的源是码率极低的文件。

一个典型case：源视频是演唱会直播录屏，码率只有800kbps，画面全是动态噪点。你用-c:v libx264 -crf 18去转，编码器为了保住细节，重新分配了高码率，结果输出3倍于原文件。这不是bug，是你用了一个对直播低码率源来说过于苛刻的质量要求。

解决方法是权衡：对低码率源用相对适中的CRF（比如23到26），或者干脆保持源码率附近用两遍编码设目标码率。另外提醒一下，CRF模式是追求恒定质量，不是追求文件体积。想控制体积就不要用CRF。

还有一种情况是音频引起的：源文件音频是96kbps的AAC，你转成了320kbps的MP3，或者源是单声道你转成立体声，一个小时长视频音频体积差出去五六十MB很正常。处理视频时对音频参数多留个心眼。

6.3 concat拼接报错与解决

concat拼接最常见的报错是Invalid data found when processing input或者拼接出来的视频在切换点卡顿、花屏。问题基本可以锁定在编码参数不一致。

排查路径很简单：逐个ffprobe参与拼接的文件，对比编码器名称、分辨率、帧率、像素格式、音频编码器、采样率、声道数。只要有一项不一致，就别指望-c copy能拼好。

如果文件来源复杂，我通常直接用重编码方案统一参数后再拼。有个小技巧：先用一条ffmpeg命令把所有片段统一转成中间文件（比如都用H.264、yuv420p、固定帧率、AAC音频），再走concat协议，成功率接近100%。

另一个隐藏问题：-safe 0这个参数在Windows和macOS上表现也会不一致，如果路径里有空格或中文，建议list.txt里的路径用相对路径，并且把list.txt放在和视频同一目录下，能省掉一堆引号转义烦恼。

6.4 常见问题速查表

7. 写在最后：我的一点实操体会

ffmpeg功能跟命令表面上是一套工具使用问题，本质上是一套抽象思维问题：输入、解码、滤镜、编码、封装这条流水线一旦在脑子里建起来，所有命令都能推出来，遇到没见过的需求也不会慌。我的习惯是遇到新任务先用ffprobe查参数，再用ffplay预览效果，真正确定方案后才跑ffmpeg批量处理，这样能避免大量无效转码。

几个长期实践下来的经验想分享给你：第一，能用-c copy的地方尽量用，尤其是批量改封装的时候，速度差距是数量级的；第二，所有涉及质量取舍的参数，优先用CRF而非固定码率；第三，写复杂滤镜前一定分步验证，比如先缩放着色，再叠加水印，逐段确认效果，不要指望一次写出完美命令；第四，没把握的参数组合，先拿10秒短视频试跑，确认没问题后再处理全量文件。

这篇文章只覆盖了ffmpeg日常使用里最扎实的一部分，后面如果大家感兴趣，我还可以继续写滤镜表达式详解、音视频同步原理、以及如何用ffmpeg做自动化的批处理工具。希望这些经验和踩坑记录能让你少走几步弯路。