FFmpeg 3-pass视频编码

前言

最开始是在论文《ABR Streaming of VBR-encoded Videos: Characterization, Challenges, and Solutions》(CoNext’18)中看到的“‘three-pass’ encoding procedure”，觉得不解，上网搜索一遍发现并没有特别全面的资料。后来，随着对于FFmpeg、H.264编码的了解，加上阅读了上文引用的Netflix的原文章《A Large-Scale Video Codec Comparison of x264, x265 and libvpx for Practical VOD Applications》，逐渐摸清楚了答案。特记此文，以便需要的人查阅。

---

什么是3-pass编码？

以H.264的视频编码为例，通常2-pass编码较为常用。比如：

• FFmpeg视频转码技巧之二次编码
• FFmpeg 的介绍与使用
• Encode/H.264 – FFmpeg

那么，什么是3-pass编码呢？
关于3-pass编码，Netflix在论文中如此描述（为通用起见，稍微改动了一点）：

• In a first step, each clip is encoded using a CRF (x264/x265) or constant QP (libvpx) value
• In a second step, the output bitrates of step 1 are used to drive the two-pass VBR encode

对于H.264视频而言：

• 第一步，使用CRF进行编码
• 第二步，将第一步得到的视频的码率作为目标码率，执行2-pass编码

也就是说，3-pass编码实际上是在2-pass编码前加了一步CRF编码，即：

3-pass = CRF + 2-pass

*关于什么是CRF及其跟QP的区别，可以参见：CRF和QP的区别
*简单来说，CRF能够根据视频内容去调节编码所需要的QP参数，从而使得编码后的视频质量保持稳定
*对于H.264，CRF的默认值是23。此外，Netflix在论文中指定了8个CRF参考值，分别为：15, 19, 23, 27, 31, 35, 39, 43

---

为什么要用3-pass编码？

解决了3-pass是什么的问题之后，我们不禁会想：为什么要用3-pass编码？
继续看Netflix在论文中的描述：

• To determine the bitrates in a content-adaptive way, the following (`three-pass’) procedure was used…
• This procedure ensures that we avoid over-allocation of the bitrate for easy clips and under-allocation for complex clips, and still benefit from 2-pass rate control.

其实可以从3-pass编码这两部分进行考虑，用CRF是为了做到内容感知，也就是保证视频质量；用2-pass是为了控制码率，压缩简单场景的码率，提升复杂场景的码率。因此，3-pass编码的目标就是在保证视频质量的同时合理分配码率。

---

怎么进行3-pass编码？

选择Elephant Dream 1080p作为原视频（详见：DSAH视频系统（服务器&播放器）搭建），3-pass编码步骤如下：

step1：使用CRF对原始视频进行编码（默认值为23）
参考：CRF Guide (Constant Rate Factor in x264, x265 and libvpx)

ffmpeg -i elephants_dream_1080p24.y4m -s 1920x1080 -c:v libx264 -crf 23 -an tmp1920x1080.mp4

*注：y4m貌似没有音频，使用这里不对音频进行编码
根据ffmpeg的输出信息，得到的视频码率为：3664.85kbps

step2 & step3：使用step1得到的视频码率，对视频进行2-pass编码
（如果我没理解错的话，应该是对原始视频进行2-pass编码）

ffmpeg -i elephants_dream_1080p24.y4m -s 1920x1080 -c:v libx264 -b:v 3665k -pass 1 -an -f mp4 /dev/null && \
ffmpeg -i elephants_dream_1080p24.y4m -s 1920x1080 -c:v libx264 -b:v 3665k -pass 2 -an out1920x1080.mp4

*注：这是Ubuntu下的写法，Windows下需要把/dev/null改成NUL，把\换为^
这样就完成了3-pass视频编码

*我把tmp1920x1080.mp4和out1920x1080.mp4俩视频同时播放了一下，怎么感觉一次编码得到的视频比3-pass的还要清楚……