ffmprovisr: ชุดสูตรสำหรับสร้างคำสั่ง FFmpeg ได้ง่ายขึ้น

 (amiaopensource.github.io)
3 คะแนน โดย GN⁺ 2023-07-31 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • ffmprovisr เป็นเว็บไซต์ช่วยสร้างคำสั่ง สำหรับผู้ใช้ที่รู้สึกว่าการเขียนคำสั่ง FFmpeg ยาก โดยให้เลือกงานแล้วดูคำสั่งตัวอย่างพร้อมคำอธิบายของแต่ละแฟล็กได้
  • สูตรต่าง ๆ แยกองค์ประกอบอย่าง ไฟล์อินพุต, โค้ดेक, ฟิลเตอร์, การแมปสตรีม และคอนเทนเนอร์เอาต์พุต โดยเน้น ffmpeg, ffplay, ffprobe เป็นหลัก
  • ขอบเขตที่ครอบคลุมกว้าง ตั้งแต่ รีแรป/ทรานส์โค้ด ไปจนถึงการตัด·ต่อ, ซับไตเติล·ลายน้ำ, ธัมบ์เนล·GIF, ไฟล์ทดสอบ, เมทาดาทา·เช็กซัม·รายงาน QCTools
  • ไม่มีระบบค้นหาในตัว แต่มีคำแนะนำให้กางสูตรทั้งหมดแล้วใช้การค้นหาของเบราว์เซอร์เพื่อหา คีย์เวิร์ด ที่ต้องการ
  • นอกจาก FFmpeg แล้ว ยังครอบคลุมเครื่องมืออย่าง CDDA ripping, ImageMagick, flac จึงใช้เป็นชุดคำสั่งภาคปฏิบัติสำหรับ เวิร์กโฟลว์การอนุรักษ์ดิจิทัล ได้

สิ่งที่ ffmprovisr มีให้

  • ffmprovisr ลดภาระที่ต้องประกอบคำสั่ง FFmpeg เอง โดยให้คำสั่งตัวอย่างตามงานและคำอธิบายออปชัน
  • ผู้ใช้กดปุ่มงานเพื่อไปยังคำสั่งเดี่ยวหรือรายการคำสั่งที่เกี่ยวข้อง จากนั้นตรวจดูคำสั่งตัวอย่างและการทำงานของแต่ละแฟล็กได้
  • ตัวหน้าเว็บไม่มีฟีเจอร์ค้นหา และแนะนำให้เปิดสูตรทั้งหมดแล้วใช้ ctrl+f หรือ cmd+f เพื่อค้นหาด้วยเบราว์เซอร์
  • เชื่อมโยงแหล่งอ้างอิงพื้นฐานอย่าง เว็บไซต์ทางการ ของ FFmpeg, installation instructions ของ Reto Kromer, Command Line Crash Course, และ explainshell.com
  • ไลเซนส์คือ Creative Commons Attribution 4.0 International License

วิธีพื้นฐานในการอ่านคำสั่ง FFmpeg

  • หลังติดตั้ง FFmpeg แล้ว เรียกใช้งานได้โดยพิมพ์ ffmpeg ใน command prompt
  • โดยทั่วไปคำสั่งประกอบด้วย คู่ของแฟล็กและค่า
    • ใน -i input_file.ext นั้น -i คือแฟล็กที่ระบุไฟล์อินพุต และ input_file.ext คือไฟล์เป้าหมาย
    • ใน -c:v prores นั้น -c:v ระบุการเข้ารหัสสตรีมวิดีโอ และ prores คือโค้ดেকที่จะใช้
  • ชื่อไฟล์เอาต์พุตจะอยู่ท้ายคำสั่ง และระบุด้วยชื่อไฟล์โดยไม่ต้องมีแฟล็กเอาต์พุตแยกต่างหาก
  • ffmpeg บันทึกวิดีโอ ส่วน ffplay เล่นวิดีโอที่สร้างขึ้นได้โดยไม่บันทึก
    • ตัวอย่างการบันทึก SMPTE bars คือ ffmpeg -f lavfi -i smptebars=size=640x480 -t 5 output_file
    • ตัวอย่างการเล่น SMPTE bars คือ ffplay -f lavfi smptebars=size=640x480
    • ตัวอย่าง FFmpeg ต้องมี -i, ระยะเวลาบันทึก -t 5, และไฟล์เอาต์พุต แต่ตัวอย่าง FFplay ไม่ต้องมี -i

เช็กพอยต์เพื่อลดข้อผิดพลาด

  • ต้องตรวจสอบว่าไฟล์เอาต์พุตเปิดได้ เล่นได้ และมีภาพกับเสียงตรงตามที่ตั้งใจหรือไม่
  • นามสกุลเอาต์พุตต้องตรงกับโค้ดекที่ตั้งใจใช้ และบางนามสกุลทำให้ FFmpeg ใช้ค่าเริ่มต้นเป็นโค้ดекบางตัว
    • เช่น .mp4 อาจถูกตั้งค่าเริ่มต้นให้เข้ารหัสเป็น H.264
  • "Error: No such file or directory" อาจเกิดจากไดเรกทอรีผิด, พิมพ์ผิด, ขาดช่องว่าง, หรือแฟล็กติดกันผิดตำแหน่ง
    • หากต้องการย้ายไปโฟลเดอร์ Downloads บน macOS ให้ใช้ cd $HOME/Downloads
    • หากคำสั่งที่คัดลอก·วางดูถูกต้องแต่ยังเกิดข้อผิดพลาด แนะนำให้พิมพ์ใหม่เองโดยตรงในบรรทัดคำสั่ง
  • "Could not find tag for codec" เกิดขึ้นเมื่อพยายามรีแรปไฟล์ที่มีโค้ดекเสียง·วิดีโอไม่เข้ากันกับนามสกุลเอาต์พุต
    • สามารถทรานส์โค้ดเป็นโค้ดекที่เหมาะสมก่อน หรือเอา -c copy ออกเมื่อมั่นใจว่านามสกุลจะเข้ารหัสอัตโนมัติเป็นโค้ดекที่ถูกต้อง
  • "Killed" อาจปรากฏเมื่อไฟล์เกินความจุหน่วยความจำของเซิร์ฟเวอร์
    • บนเซิร์ฟเวอร์ระยะไกล แก้ได้ด้วยการเพิ่มความจุหน่วยความจำ
    • บนเซิร์ฟเวอร์โลคัล ควรรักษาเวอร์ชัน FFmpeg ให้เป็นรุ่นล่าสุด และหลีกเลี่ยงการรันพร้อมกับโปรแกรมอื่นที่ใช้หน่วยความจำมาก
  • หากระหว่างใช้ฟิลเตอร์มีข้อความ "Error splitting argument list: option not found" ให้ตรวจสอบ การใช้เครื่องหมายคำพูด และรูปแบบ filtergraph
  • ฟิลเตอร์ต้องมีการเข้ารหัสสตรีมใหม่ ดังนั้นอาจเกิดปัญหาได้หากใช้ร่วมกับ -c copy ซึ่งคัดลอกสตรีมไฟล์โดยตรง

Filtergraph, การแมปสตรีม, โค้ดекเริ่มต้น

  • เมื่อต้องรันงานแบตช์ FFmpeg ภายในลูป สามารถใส่ -nostdin ก่อนอินพุตเพื่อแทนที่พฤติกรรมเริ่มต้นของการโต้ตอบผ่าน standard input ได้
    • ตัวอย่าง: ffmpeg -nostdin -i input_file ...
  • FFmpeg ตั้งค่า ค่าเริ่มต้นของโค้ดекและพารามิเตอร์โค้ดек ให้โดยอัตโนมัติตามรูปแบบไฟล์เอาต์พุต
    • .avi: ออดิโอ mp3, วิดีโอ mpeg4
    • .mkv: ออดิโอ ac3, วิดีโอ H.264
    • .mov: ออดิโอ AAC, วิดีโอ H.264
    • .mp4: ออดิโอ AAC, วิดีโอ H.264
    • .mpg: ออดิโอ mp2, วิดีโอ mpeg1video
    • .mxf: ออดิโอ pcm_s16le, วิดีโอ mpeg2video
    • .wav: ออดิโอ pcm_s16le
  • Filtergraph คือชุดของชื่อฟิลเตอร์และออปชันที่ตามหลัง -vf หรือ -af
    • -vf เป็น alias ของ -filter:v
    • ตัวอย่างฟิลเตอร์วิดีโอคือ hflip และตัวอย่างฟิลเตอร์เสียงคือ amerge
    • เชื่อมฟิลเตอร์หลายตัวด้วยคอมมา และแยกเชนฟิลเตอร์หลายชุดด้วยเซมิโคลอน
    • -vf "fieldmatch,yadif,decimate" เป็นเชนฟิลเตอร์หนึ่งชุดที่ใช้สำหรับกระบวนการ inverse telecine
    • หากมีอินพุตหรือเอาต์พุตมากกว่าหนึ่งรายการ ต้องใช้ -filter_complex แทน -vf
    • ต้องใช้เครื่องหมายคำพูดแบบตรง และหลีกเลี่ยงเครื่องหมายคำพูดแบบโค้ง
  • การแมปสตรีม กำหนดว่าจะรวมสตรีมใดจากไฟล์อินพุตไว้ในเอาต์พุต ไม่ว่าจะเป็นวิดีโอ, ออดิโอ, ซับไตเติล, ข้อมูล หรือสตรีมแนบ
    • FFmpeg รู้จักประเภทสตรีม a, v, s, d, t
    • -map 0:v เลือกสตรีมวิดีโอทั้งหมดจากไฟล์อินพุตไฟล์แรก
    • -map 0:3 เลือกสตรีมที่สี่จากไฟล์อินพุตไฟล์แรก
    • -map 0:a:2 เลือกสตรีมเสียงที่สามจากไฟล์อินพุตไฟล์แรก
    • หากไม่ระบุการแมป ค่าเริ่มต้นสำหรับไฟล์วิดีโอคือดึงเฉพาะวิดีโอ 1 สตรีมและออดิโอ 1 สตรีมไปเป็นเอาต์พุต
    • หากต้องการแมปสตรีมทั้งหมด ให้ใช้ -map 0
    • หากเติม ? เช่น -map 0:a? จะทำให้ไฟล์ที่ไม่มีออดิโอระหว่างการประมวลผลแบบแบตช์ดำเนินต่อได้โดยไม่เกิดข้อผิดพลาด

การเปลี่ยนคอนเทนเนอร์และการแปลงรหัส

  • การ rewrap ไฟล์ทำได้ด้วย ffmpeg -i input_file.ext -c copy -map 0 output_file.ext
    • ย้ายข้อมูลวิดีโอ·เสียง·ซับไตเติลภายในไปยังรูปแบบคอนเทนเนอร์อื่นโดยไม่เปลี่ยนแปลงข้อมูลเหล่านั้น
    • การ rewrap เรียกอีกอย่างว่า remuxing หรือ re-multiplexing
    • ต้องใช้ -map 0 เพื่อเก็บสตรีมทั้งหมดไว้ได้ เช่น แทร็กเสียงหลายแทร็ก
    • คอนเทนเนอร์บางชนิดรองรับได้เฉพาะการเข้ารหัสสตรีมบางแบบ จึงอาจ rewrap โดยไม่เข้ารหัสใหม่ไม่ได้
  • การสร้าง Broadcast WAV ใช้ -write_bext 1 และ -metadata field_name='Content' เพื่อบันทึก BEXT chunk และเมทาดาทาที่เกี่ยวข้อง
    • ฟิลด์ที่ใช้บ่อยคือ description, originator, originator_reference, origination_date, origination_time, coding_history, IARL
    • ฟิลด์เมทาดาทา BWF มีข้อจำกัดจำนวนอักขระ โดย OriginatorReference ยาวได้สูงสุด 32 ตัวอักษร
  • เมื่อ rewrap วิดีโอ codec DV เป็นไฟล์ .dv ให้ใช้ -f rawvideo -c:v copy เพื่อหลีกเลี่ยงการลบเมทาดาทาแหล่งที่มาในสตรีม DV โดยไม่ตั้งใจ
  • ตัวอย่างการแปลงรหัส Apple ProRes LT คือ -c:v prores -profile:v 1 -vf yadif -c:a pcm_s16le
    • โปรไฟล์ ProRes 422 แยกเป็น 0 Proxy, 1 LT, 2 Standard, 3 HQ
    • คอนเทนเนอร์ ProRes ที่ FFmpeg รองรับคือ QuickTime .mov, Matroska .mkv, MXF .mxf
  • ตัวอย่างการแปลงรหัส H.264 คือ -c:v libx264 -pix_fmt yuv420p -c:a aac
    • ค่าเริ่มต้นของ libx264 คือ preset medium และ CRF 23
    • -pix_fmt yuv420p ระบุ chroma subsampling 4:2:0 เพื่อความเข้ากันได้กับ QuickTime และเครื่องเล่นส่วนใหญ่ที่ไม่ได้อิง FFmpeg
    • สำหรับการปรับให้เหมาะกับการสตรีม ให้เพิ่ม -movflags +faststart
    • ตัวอย่างคุณภาพที่สูงขึ้นคือ -preset veryslow -crf 18 และ CRF 18 มักถือว่า “สูญเสียคุณภาพทางสายตาน้อยจนมองไม่เห็น”
  • การเข้ารหัส H.264/H.265 บน Nvidia GPU ใช้ h264_nvenc หรือ hevc_nvenc
    • ฮาร์ดแวร์ fixed-function ของ Nvidia อาจมีประสิทธิภาพมากกว่าการเข้ารหัสด้วย CPU ถึง 10 เท่า แต่การปรับคุณภาพที่บิตเรตต่ำต้องใช้พารามิเตอร์มากขึ้น
    • HEVC ถูกอธิบายว่าเป็น codec ที่มีประสิทธิภาพมากกว่าและรองรับบน GPU ตั้งแต่ราวปี 2015 เป็นต้นมา
  • การแปลงรหัส H.265/HEVC ใช้ -c:v libx265 -pix_fmt yuv420p -c:a copy
    • ค่าเริ่มต้นของ libx265 คือ preset medium และ CRF 28
    • CRF 28 ของ H.265 เทียบเท่ากับ CRF 23 ของ H.264 และขนาดไฟล์อาจลดลงเหลือประมาณครึ่งหนึ่ง
  • ตัวอย่างแบบ lossless เพื่อการเก็บรักษาคือคำสั่งที่ใส่ FFV1 Version 3 ลงในคอนเทนเนอร์ Matroska และสร้าง framemd5 ของอินพุตไปพร้อมกัน
    • -map 0 แมปสตรีมทั้งหมด
    • -dn ยกเว้นสตรีมข้อมูลที่ Matroska ไม่อนุญาต
    • -slicecrc 1 เพิ่มข้อมูล CRC เพื่อให้ decoder ตรวจพบ slice ที่เสียหายได้
    • -f framemd5 -an สร้าง checksum MD5 แยกตามเฟรมวิดีโอ

การเปลี่ยนคุณสมบัติวิดีโอ·เสียง

  • สูตรเปลี่ยนอัตราส่วนภาพใช้ฟิลเตอร์ padding
    • เมื่อทำ 4:3 ให้เป็น 16:9 ให้ใช้ pillarbox
    • เมื่อทำ 16:9 ให้เป็น 4:3 ให้ใช้ letterbox
    • วิดีโอที่ไม่มีเสียงสามารถใช้ -an แทน -c:a copy ได้
  • ตัวอย่างการแปลง SD เป็น HD ใช้ฟิลเตอร์สามตัวคือ colormatrix=bt601:bt709, scale=1440:1080:flags=lanczos, pad=1920:1080:240:0
    • เปลี่ยนค่าสัมประสิทธิ์ความสว่างจาก Rec. 601 เป็น Rec. 709
    • การสเกลแบบ Lanczos ช้ากว่า bilinear ที่เป็นค่าเริ่มต้น แต่ให้ผลลัพธ์ดีกว่า
    • แนะนำให้ deinterlace แหล่งวิดีโอแบบ interlaced ด้วย yadif ก่อนสเกล
  • อัตราส่วนภาพที่ใช้แสดงผลสามารถเปลี่ยนในระดับคอนเทนเนอร์ได้ด้วยตัวเลือกอย่าง -aspect 4:3
    • เมื่อใช้ร่วมกับ -c:v copy จะส่งผลต่ออัตราส่วนภาพที่บันทึกในคอนเทนเนอร์ ไม่ใช่อัตราส่วนภาพในเฟรมที่เข้ารหัสไว้
  • การแปลง color space ใช้ฟิลเตอร์ colormatrix=src:dst
    • ค่าที่อนุญาตรวมถึง bt601, smpte170m, bt470bg, bt709, bt2020
    • การฝังเมทาดาทา color space ใช้ -color_primaries, -color_trc, -colorspace
    • ต้องระวัง เพราะสามารถติดแท็ก Rec.709 ให้กับไฟล์ที่เป็น Rec.601 จริงได้
    • แท็กเมทาดาทาถูกบันทึกโดย libx264 หรือ libx265 จึงเพิ่มโดยไม่เข้ารหัสใหม่ไม่ได้
  • การเปลี่ยนความเร็วใช้ setpts และ atempo ร่วมกัน
    • ตัวอย่างคือการสร้างสำเนาแบบ PAL ที่เปลี่ยน 24fps เป็น 25fps โดยยังรักษา pitch ของเสียงไว้
  • การทำ fade ใช้ฟิลเตอร์ fade และ afade และเนื่องจากใช้ฟิลเตอร์จึงต้องเข้ารหัสวิดีโอและเสียงใหม่
  • การแยกเสียงใช้ -c:a copy -vn เพื่อแยกสตรีมเสียงออกมาแบบไม่สูญเสียคุณภาพโดยไม่มีวิดีโอ
  • การรวมแทร็กเสียงสองแทร็กใช้ amerge และ -filter_complex
    • อาจมีประโยชน์กับกระบวนการถัดไปที่คาดหวังแทร็กเสียงเดียว เช่น คำบรรยายอัตโนมัติของ YouTube
    • เพื่อยืนยันแทร็กที่ต้องการ แนะนำให้รัน ffprobe ก่อนเขียนสคริปต์
  • การวิเคราะห์และปรับระดับความดังใช้ฟิลเตอร์ loudnorm
    • เอาต์พุต JSON สามารถใช้เป็นค่าอินพุตสำหรับการปรับระดับแบบ 2-pass ได้
    • อธิบายว่าค่าเริ่มต้นสอดคล้องกับระดับความดังเป้าหมายที่ PBS แนะนำ
    • 1-pass เร็วกว่า แต่แม่นยำน้อยกว่า 2-pass
  • ยังมีสูตรสำหรับ CD pre-emphasis, RIAA equalization, การ resampling เสียง และการบังคับตีความ WAV 192kHz เป็น 96kHz ด้วย

การตัด การต่อ และเซกเมนต์

  • เมื่อต่อไฟล์ที่มีสเปกทางเทคนิคเดียวกัน ให้ใช้ concat demuxer
    • ffmpeg -f concat -i mylist.txt -c copy output_file
    • ไฟล์ที่จะรวมต้องใช้ codec และสเปกทางเทคนิคเดียวกัน และต้องพรีวิวไฟล์ผลลัพธ์เสมอ
    • หากต้องการใช้ path แบบ absolute ให้เพิ่ม -safe 0
  • เมื่อต่อไฟล์ต่างรูปแบบหรือ codec ให้ใช้ฟิลเตอร์ concat และ -filter_complex
    • ไฟล์อินพุตอาจต่างกันได้ทั้งคอนเทนเนอร์, codec, chroma subsampling, frame rate ฯลฯ
    • ตัวอย่างพื้นฐานจะทำงานได้ถูกต้องเฉพาะกรณีที่มีความละเอียดเท่ากัน
    • หาก frame rate ต่างกัน เอาต์พุตอาจกลายเป็น variable frame rate
    • หากความละเอียดต่างกัน ให้ปรับให้ตรงกันด้วย scale ก่อน concat และเมื่อต่อ SD กับ HD อาจทำ pillarbox ให้ SD ได้
  • การแบ่งไฟล์จัดการด้วย segment muxer
    • -segment_time 60 สร้างเซกเมนต์ยาวสูงสุดช่วงละ 60 วินาที
    • %03d สร้างชื่อไฟล์เป็นตัวเลข 3 หลักที่เติมศูนย์นำหน้า
  • การ trim โดยไม่เข้ารหัสใหม่ใช้ -ss, -to, -t, -c copy, -map 0
    • codec แบบ interframe เช่น H.264 อาจเริ่มที่จุดใกล้ที่สุดตาม i-frame
    • -sseof -5 คือวิธีคัดลอกจากช่วง 5 วินาทีก่อนจบไฟล์
  • การลบความเงียบช่วงต้นของไฟล์เสียงใช้ silenceremove=start_threshold=-57dB:start_duration=1:start_periods=1
    • -57dB ถูกเสนอว่าเป็นระดับที่เหมาะสมเมื่อต้องคำนึงถึงเสียงฮิสจากระบบแอนะล็อก
    • เนื่องจากใช้ฟิลเตอร์ เสียงจึงถูกเข้ารหัสใหม่
  • การลบความเงียบช่วงท้ายของไฟล์เสียงทำตามลำดับ areverse, silenceremove, areverse
    • เนื่องจาก silenceremove เหมาะกับการลบความเงียบช่วงต้นมากกว่า จึงกลับเสียงก่อนแล้วค่อยกลับคืน

การประมวลผลวิดีโอแบบอินเทอร์เลซ

  • เมื่อสร้างไฟล์เข้าถึง HD H.264 จากแหล่ง SD NTSC ให้ใช้ yadif, scale, pad, format=yuv420p ร่วมกัน
    • yadif เป็นฟิลเตอร์ดีอินเทอร์เลซ
    • scale=1440:1080:flags=lanczos ปรับภาพเป็น 1440x1080
    • pad=1920:1080:(ow-iw)/2:(oh-ih)/2 เติม padding ให้อินพุต 4:3 พอดีกับเฟรมเอาต์พุต 16:9
  • ตัวอย่างดีอินเทอร์เลซทั่วไปคือ -vf "yadif,format=yuv420p"
    • format=yuv420p ระบุ chroma subsampling แบบ 4:2:0 เพื่อความเข้ากันได้ในการเล่น H.264
    • นอกจาก yadif แล้ว FFmpeg ยังมี deinterlacer อย่าง bwdif, w3fdif, kerndeint, nnedi
  • การดีอินเทอร์เลซที่แยก field เป็นเฟรมใช้ idet,bwdif,format=yuv420p
    • มักใช้เพื่อรักษา cadence ทางภาพของแหล่งที่มาในวิดีโออินเทอร์เลซที่มีการเคลื่อนไหวมาก
    • idet ตรวจจับลำดับ field
    • โดยค่าเริ่มต้น bwdif จะส่งออกหนึ่งเฟรมต่อหนึ่ง field
  • inverse telecine ใช้ fieldmatch,yadif,decimate
    • ย้อนกลับ 3:2 pulldown เพื่อกู้วิดีโออินเทอร์เลซ 29.97fps กลับเป็นเฟรมเรต 24fps ของแหล่งฟิล์มต้นฉบับ
    • เมื่อนำไปใช้กับไฟล์ 29.97i เฟรมเรตเอาต์พุตจริงจะเป็น 23.976fps
  • การเปลี่ยนลำดับ field ใช้ setfield=tff หรือ setfield=bff
    • เนื่องจากใช้ฟิลเตอร์วิดีโอ จึงไม่สามารถใช้ -c copy ได้และต้องเข้ารหัสใหม่
  • การตรวจสอบรูปแบบอินเทอร์เลซทำได้ด้วย ffmpeg -i input_file -filter:v idet -f null - เพื่อวิเคราะห์โดยไม่มีไฟล์เอาต์พุต

ลายน้ำ ซับไตเติล ภาพย่อ GIF

  • ลายน้ำข้อความสร้างด้วยฟิลเตอร์ drawtext
    • ระบุตัวเลือก fontfile, fontsize, text, fontcolor, alpha, x, y
    • x=(w-text_w)/2:y=(h-text_h)/2 จัดวางตรงกลางโดยไม่ขึ้นกับขนาดวิดีโอ
  • ลายน้ำรูปภาพสามารถวางที่มุมขวาบนด้วย overlay=main_w-overlay_w-5:5
  • timecode แบบ burn-in ใช้ตัวเลือก timecode, box, boxcolor, rate ของ drawtext
    • timecode เริ่มต้นอยู่ในรูปแบบ hh:mm:ss[:;.]ff
  • การฝังไฟล์ซับไตเติลใช้ -i subtitles_file -c copy -c:s mov_text
    • mov_text ทำงานในคอนเทนเนอร์ MP4 และ MOV
    • รูปแบบที่คอนเทนเนอร์ MKV รองรับคือ ASS, SRT, SSA
  • ดึงภาพย่อหนึ่งภาพด้วย -ss 00:00:20 -vframes 1 thumb.png
  • หากต้องการสร้างภาพย่อทุก 1 นาที ให้ใช้ -vf fps=1/60 out%d.png
  • เมื่อสร้าง GIF จากลำดับภาพ ให้ใช้ image2, -framerate, -pattern_type glob, scale
  • GIF คุณภาพสูงสร้างเป็นสองขั้นตอน
    • คำสั่งแรกสร้างพาเล็ตแบบกำหนดเองด้วย palettegen
    • คำสั่งที่สองใช้พาเล็ตด้วย paletteuse
    • วิธีที่ง่ายกว่าคือใช้ -vf "fps=10,scale=500:-1" แต่ dithering จะเห็นชัดกว่าและขนาดไฟล์เล็กกว่า

ลำดับภาพ สโคป OCR

  • เมื่อสร้างลำดับภาพเป็นวิดีโอไม่บีบอัด 10-bit ให้ใช้ -f image2 -framerate 24 -i input_file_%06d.ext -c:v v210
    • เฟรมเรตเริ่มต้นของ demuxer image2 คือ 25fps
    • %06d อ่านชื่อไฟล์ตัวเลขหกหลักตามลำดับจากน้อยไปมาก
  • เมื่อรวมไฟล์ภาพและไฟล์เสียงเพื่อสร้างวิดีโอ ให้ใช้ -loop 1, -shortest, -vf scale=1280:720
    • อาจมีประโยชน์เมื่ออยากอัปโหลดไฟล์เสียงไปยังแพลตฟอร์มอย่าง YouTube
  • สามารถใช้ ffplay -f lavfi กับฟิลเตอร์เพื่อแสดงภาพความลึกบิตของเสียง กราฟเดซิเบล พิกเซลที่อยู่นอกช่วงออกอากาศ และ vectorscope ได้
  • tblend=all_mode=difference128 และ hstack แสดงความต่างตามเวลาของวิดีโออินพุตสองรายการแบบวางข้างกัน
  • xstack ใช้สร้างหน้าต่างเอาต์พุตที่ซ้อนแหล่งวิดีโอหลายรายการในแนวตั้งหรือแนวนอน และมีประโยชน์ในกรณีเดียวกับหน้าต่างเอาต์พุตที่ vrecord ใช้
  • ตัวอย่าง OCR ใช้ฟิลเตอร์ ocr และ drawtext เพื่อแสดงข้อความที่รู้จำได้บนวิดีโอ
  • เอาต์พุตข้อมูล OCR แสดงบนหน้าจอในรูปแบบ ffprobe -show_entries frame_tags=lavfi.ocr.text -f lavfi -i "movie=input_file,ocr"

เมทาดาทา เช็กซัม งานถนอมรักษา

  • การดึงเมทาดาทาทางเทคนิคทำด้วย ffprobe -i input_file -show_format -show_streams -show_data -print_format xml
    • รูปแบบเอาต์พุตนอกจาก XML แล้วยังใช้ JSON และ flat ได้
  • การลบเมทาดาทาใช้ -map_metadata -1 -c:v copy -c:a copy
    • คัดลอกวิดีโอและเสียง แต่ไม่คัดลอกเมทาดาทา
  • การประมวลผลแบบแบตช์ใน Bash ทำด้วยไฟล์ .sh และลูป for
    • ตัวอย่าง: for file in *.mxf; do ffmpeg -i "$file" -map 0 -c copy "${file%.mxf}.mov"; done
    • ไฟล์ .sh และไฟล์ .mxf เป้าหมายต้องอยู่ในไดเรกทอรีเดียวกัน และต้องรันจากไดเรกทอรีนั้น
    • สำหรับการประมวลผลแบบ recursive สามารถใช้ find input_directory -iname "*.mxf" -exec ffmpeg -i {} -map 0 -c copy {}.mov \;
  • บน Windows ให้ประมวลผลแบบแบตช์ด้วยสคริปต์ PowerShell .ps1
    • ตัวอย่างคือสร้างรายการไฟล์ .mp4 แล้วเปลี่ยนนามสกุลของแต่ละไฟล์เป็น .mkv เพื่อ rewrap
    • หากต้องการเรียก ffmpeg โดยไม่ใส่พาธเต็ม ต้องตั้งค่าให้ถูกต้อง
  • การตรวจสอบข้อผิดพลาดของตัวถอดรหัสทำโดยถอดรหัสด้วย ffmpeg -i input_file -f null - โดยไม่มีไฟล์เอาต์พุต และแสดงข้อผิดพลาดบนหน้าจอ
  • การตรวจสอบ fixity ของ FFV1 Version 3 ใช้ -report -i input_file -f null - เพื่อตรวจหา CRC checksum mismatch
    • Frame CRC เปิดใช้เป็นค่าเริ่มต้นใน FFV1 Version 3
  • วิดีโอ MD5 รายเฟรมสร้างด้วย -f framemd5 -an
  • MD5 ตามกลุ่มตัวอย่างเสียงสร้างด้วย asetnsamples=n=48000 -f framemd5 -vn
    • มีการเสนอว่าแนวปฏิบัติที่ดีคือให้จำนวนกลุ่มตัวอย่างสอดคล้องกับ sample rate ของสื่อ
    • โดยค่าเริ่มต้น เสียงจะถูกทรานส์โค้ดเป็น 16-bit PCM แล้วสร้าง framemd5
  • stream MD5 สามารถสร้างได้โดย -map สตรีมวิดีโอและเสียงแต่ละสตรีม แล้วใช้ -c copy -f md5
    • ใช้ตรวจสอบความสมบูรณ์ของข้อมูล A/V โดยไม่ขึ้นกับการเปลี่ยนแปลงเมทาดาทาของคอนเทนเนอร์
  • streamhash ส่งออกแฮชแยกตามสตรีมสำหรับทุกสตรีม
    • มีประโยชน์สำหรับการแฮช mixed born-digital material เพราะไม่จำเป็นต้องรู้ว่ามีสตรีมใดและกี่สตรีม
  • รายงาน QCTools สร้าง .qctools.xml.gz ด้วย ffprobe -f lavfi และ signalstats, cropdetect, idet, psnr, ssim, ebur128, astats เป็นต้น
    • มีคำสั่งแยกสำหรับไฟล์ที่มีเสียงและไม่มีเสียง
  • การดึง closed caption EIA-608 Line 21 ใช้ฟิลเตอร์ readeia608 และ ffprobe เพื่อส่งออกค่า hex เป็น CSV

ไฟล์ทดสอบและตัวอย่าง FFmpeg อื่น ๆ

  • สร้างหรือเล่นวิดีโอทดสอบได้ด้วยอินพุต lavfi เช่น mandelbrot, smptebars, testsrc, smptehdbars
    • ตัวอย่าง Mandelbrot เป็นเอาต์พุต H.264 ขนาด 1280x720, 25fps, 10 วินาที
    • ตัวอย่าง SMPTE bars เป็นเอาต์พุต ProRes ขนาด 720x576, 25fps, 10 วินาที
    • การเล่น HD SMPTE bars คือ ffplay -f lavfi -i smptehdbars=size=1920x1080
    • การเล่น VGA SMPTE bars คือ ffplay -f lavfi -i smptebars=size=640x480
  • เสียงทดสอบคลื่นไซน์สร้างไฟล์ WAV ด้วย sine=frequency=1000:sample_rate=48000:duration=5 และ pcm_s16le
  • วิดีโอทดสอบที่รวม SMPTE bars กับคลื่นไซน์ 1kHz ใช้อินพุต lavfi สองตัว พร้อม -c:v ffv1, -c:a pcm_s16le
  • ไฟล์ทดสอบความเสียหายจงใจทำให้เนื้อหาแพ็กเก็ตเสียหายด้วย -bsf noise=1 -c copy แต่ไม่ทำให้คอนเทนเนอร์เสียหาย
  • Conway's Game of Life จำลองด้วย ffplay -f lavfi life=... และหากใช้ ffmpeg กับ -t 5 ก็สามารถบันทึกบางช่วงได้
  • การเปรียบเทียบความคล้ายเชิงการรับรู้ของวิดีโอสองไฟล์ใช้ฟิลเตอร์ signature=detectmode=full:nb_inputs=2
  • แฮชเชิงการรับรู้ของวิดีโออินพุตสร้างเป็นไฟล์ XML ด้วย signature=format=xml:filename="output.xml"
  • ลำดับภาพสามารถเล่นได้ทันทีโดยไม่ต้องสร้างวิดีโอด้วย ffplay -framerate 5 input_file_%06d.ext
  • การแยกแทร็กเสียงและวิดีโอใช้ -map 0:v:0 และ -map 0:a:0
  • การรวมแทร็กเสียงและวิดีโอใช้ -map 0:v -map 1:a -c copy เพื่อรวมวิดีโอจากไฟล์แรกกับเสียงจากไฟล์ที่สอง
  • ไฟล์ MPEG สำหรับสร้าง ISO เพื่อเข้าถึงแบบ DVD สร้างด้วย -aspect 4:3 -target ntsc-dvd output_file.mpg และต้องติดตั้ง dvdauthor
  • CSV สำหรับการตรวจจับฉากบนพื้นฐาน YDIF ส่งออกค่าของ lavfi.signalstats.YDIF จาก ffprobe และ signalstats
  • head switching noise สามารถปิดบังได้โดยวาดกล่องสีดำที่ด้านล่างของเฟรมด้วย drawbox=w=iw:h=7:y=ih-h:t=max
  • หากต้องการไลฟ์สตรีมไปยังปลายทาง RTMP พร้อมบันทึก MP4 ในเครื่องพร้อมกัน ให้ใช้ tee muxer
    • สเกลอินพุตให้กว้าง 1280px และจบสตรีมหลังเวลาที่กำหนด
    • ตัวอย่างมีบันทึกว่าถูกใช้ทุกวันในการไลฟ์สตรีมรายการทีวีจริงเป็นเวลาประมาณ 4 ปี
  • ข้อมูลของดีโคเดอร์ เอนโคเดอร์ demuxer, muxer และฟิลเตอร์เฉพาะ ตรวจสอบได้ด้วย ffmpeg -h type=name
    • ตัวอย่างคือ encoder=libx264, decoder=mp3, muxer=matroska, demuxer=mov, filter=crop

เครื่องมือที่เกี่ยวข้องซึ่งแนะนำร่วมกับ FFmpeg

  • เครื่องมือริป CDDA ครอบคลุมการตรวจสอบออฟเซ็ตของไดรฟ์ CD และการริป Audio CD อย่างแม่นยำ
    • ไดรฟ์ CD ต่างรุ่นกันมีตำแหน่งเริ่มอ่านไม่เหมือนกัน จึงต้องชดเชยออฟเซ็ตเพื่อตรวจสอบ checksum ของเนื้อหาเดียวกัน
    • การระบุไดรฟ์ตรวจสอบได้ด้วย cdda2wav -scanbus, cdda2wav, cdparanoia -vsQ
    • หาออฟเซ็ตได้จาก Accurate Rip CD drive offset list
    • เครื่องมือ GUI สำหรับ macOS แนะนำ XLD
  • การริปด้วย CD Paranoia ใช้ cdparanoia -L -B -O [Drive Offset] [Starting Track Number]-[Ending Track Number] output_file.wav
    • -B คือโหมด batch ที่แยกแทร็กเป็นไฟล์ต่างหากโดยอัตโนมัติ
  • Cdda2wav เป็นเครื่องมือที่ใช้ Paranoia library เพื่อริป Audio CD อย่างแม่นยำ
    • คำสั่งติดตั้งด้วย Homebrew คือ brew install cdrtools
    • คำสั่งตัวอย่างริปทั้ง CD เป็น WAV ไฟล์เดียว ค้นหา CDDB และสร้าง cue sheet
    • บน macOS ต้อง unmount CD ก่อนรันคำสั่ง
  • CD emphasis อธิบายว่าเป็นวิธีลดสัญญาณรบกวนที่อาจมีผลกับ CD ยุคต้นทศวรรษ 1980 บางแผ่นและ CD pressing ของญี่ปุ่น
    • การตรวจสอบว่ามีอยู่หรือไม่ทำด้วย cdda2wav -J หรือ cdparanoia -Q
    • หากต้องการชดเชยระหว่างริปด้วย Cdda2wav ให้เพิ่มแฟล็ก -T
  • ImageMagick เป็นชุดซอฟต์แวร์โอเพนซอร์สฟรีสำหรับแสดง แปลง และแก้ไขไฟล์ภาพแรสเตอร์และภาพเวกเตอร์
    • เรียกใช้คำสั่งเป็นคำสั่งแยก เช่น convert, montage, mogrify
    • การเปรียบเทียบภาพใช้ compare -metric ae image1.ext image2.ext null: เพื่อคืนจำนวนพิกเซลที่ต่างกัน
    • การสร้างภาพขนาดย่อใช้ mogrify -resize 80x80 -format jpg -quality 75 -path thumbs *.jpg
    • กริดภาพสร้างด้วย montage @list.txt -tile 6x12 -geometry +0+0 output_grid.jpg
    • การลบ EXIF ใช้ mogrify -path ./stripped/ -strip *.jpg
  • เครื่องมือ flac เป็นเครื่องมือทรานส์โค้ด FLAC และจัดการเมทาดาทาที่สร้างโดยโปรเจกต์ FLAC
    • มีข้อดีเมื่อเทียบกับเครื่องมืออื่น คือสามารถฝัง foreign metadata อย่าง BWF ได้
    • หากต้องการแปลง WAV เป็น FLAC โดยคงเมทาดาทา BWF ไว้ ให้ใช้ flac --best --keep-foreign-metadata --preserve-modtime --verify input.wav
    • หากต้องการสร้าง BWF ต้นฉบับกลับจาก FLAC ให้ใช้ --decode แทน --best

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2023-07-31
ความเห็นจาก Hacker News

  • อาจจะออกนอกประเด็นไปนิด แต่ผมมองว่า ffmpeg เป็นซอฟต์แวร์ระดับยอดเยี่ยมที่สุดเท่าที่เคยมีมา
    วิศวกรผู้มีพรสวรรค์อย่าง Fabrice Bellard คือของขวัญชิ้นใหญ่สำหรับชุมชน FOSS และแม้แต่ยูนิคอร์นมูลค่าราว 2 พันล้านดอลลาร์ที่ผมเคยทำงานด้วยในอดีต ผลิตภัณฑ์ส่วนใหญ่ก็พึ่งพา ffmpeg

    • งั้นก็น่าจะบริจาคเงินก้อนใหญ่ไปแล้วสินะ?
      https://ffmpeg.org/donations.html
    • ไม่ใช่ “Fabian Fabrice” แต่เป็น Fabrice Bellard
      เขายังเป็นคนสร้าง QEMU, TCC, QuickJS และอื่น ๆ ด้วย
    • ไม่มีใครเหมือนเขาเลย ไม่มีใครอยู่ในลีกเดียวกับ Fabrice Bellard และตั้งแต่แรกก็ดูเหมือนไม่มีใครเล่นเกมเดียวกันด้วยซ้ำ :-)
      พูดจริง ๆ คือ ในช่วงเวลาใดก็ตาม จำนวนอุปกรณ์ที่รันโค้ดที่เขาเขียนนั้นมากจนน่าเหลือเชื่อ
    • อ้างอิงไว้ว่า “FF” ใน “FFmpeg” ย่อมาจาก “fast forward”
    • ผมชอบ ffmpeg แต่ ประสิทธิภาพบน ARM ยังต้องปรับปรุง

  • command line ของ ffmpeg ยังทำให้ปวดหัวได้อยู่ดี แม้จะดูไกด์ดี ๆ แล้วก็ตาม เลยอยากแนะนำ VapourSynth
    https://www.vapoursynth.com/
    มันเป็นเครื่องมือฟิลเตอร์วิดีโอแบบ Python ที่ปรับแต่งมาอย่างดี แต่ก็มีมากกว่านั้นอีกเยอะ: https://vsdb.top/
    และ StaxRip ใช้ ffmpeg, VapourSynth รวมถึงเอนโค้ดเดอร์และเครื่องมืออีกหลายสิบตัวได้ดีมาก จนผมยอมรีบูตจาก Linux ไป Windows เพื่อใช้มัน: https://github.com/staxrip/staxrip

    • แค่มี wrapper ของ ffmpeg ที่มีอินเทอร์เฟซ command line ดีกว่านี้ก็คงดีมากแล้ว
      มันซับซ้อนเกินจำเป็น และในบางมุมมองโครงสร้างทั้งหมดอาจจะสมเหตุสมผลก็ได้ แต่การที่งานที่พบบ่อยมาก ๆ ต้องรู้ option เหมือนคาถาเวทมนตร์ถึงจะทำได้ มันไม่ค่อยเหมาะ
      ผมน่าจะมี bash alias เป็นสิบ ๆ อันที่ย่อคำสั่ง ffmpeg ยาว 150 ตัวอักษรให้เหลือสองคำ
      ffprobe ก็ไม่สมเหตุสมผลเหมือนกัน เพราะ 99% คือการรันแบบไม่ใส่ argument เพื่อดูความยาว ความละเอียด frame rate และจำนวนแทร็กเสียงอย่างรวดเร็ว แต่ 99% ของ output กลับเป็นเรื่องที่ไม่เกี่ยวเลยอย่าง compile option

  • แหล่งข้อมูลที่น่าดูประกอบ:
    https://ffmpeg.guide/ — สร้าง filter graph ของ FFmpeg ที่ซับซ้อนได้อย่างรวดเร็วและถูกต้อง
    https://www.hadet.dev/ffmpeg-cheatsheet/ — ตัดวิดีโอ เพิ่ม fade in/out, scaling, ต่อวิดีโอ ฯลฯ

    • จากประสบการณ์ของผม คำสั่งตัดวิดีโอในลิงก์ที่สองยังไม่เหมาะนัก
      ด้วยเหตุผลที่ไม่ทราบ ffmpeg ทำงานต่างกันขึ้นอยู่กับว่า flag -ss และ -t/-to อยู่ก่อนหรือหลัง -i และในกรณีของผม วางไว้ข้างหน้าจะได้ผลดีกว่า
      ต้นฉบับก็มีปัญหาเดียวกัน
    • ffmpeg.guide ดูยอดเยี่ยม แต่รู้สึกว่าในตัว ffmpeg เองควรมีอะไรที่ดีกว่านี้
      การยัดกราฟที่ไม่เป็นเชิงเส้นเข้าไปใน command line ที่แบนและเป็นเชิงเส้นมันแปลก
      แค่มี configuration เป็น JSON ที่ละเอียดขึ้นก็คงดีกว่านี้มาก
    • ffmpeg.guide ดีจริง ๆ แล้ว ImageMagick มีอะไรคล้าย ๆ กันไหม?
    • ก็ใช้ ffmpeg-python ไปเลยก็ได้

  • มีประโยชน์มาก
    ผมเริ่มใช้ ChatGPT ตอนสร้างคำสั่ง ffmpeg แล้วพบว่าสิ่งที่ต้องการได้เร็วและง่ายขึ้นมาก
    เลยทำเครื่องมือเล็ก ๆ ให้ใช้ได้จาก command line โดยตรงด้วย: https://github.com/alexkrkn/help-cli
    และยังทำวิดีโอที่เกี่ยวข้องไว้ด้วย: https://www.youtube.com/watch?v=pOda6TDBqcY

  • ช่วงหลังผมหา UI สำหรับ ffmpeg แล้วไปเจอ Shutter Encoder ซึ่งเป็นซอฟต์แวร์โอเพนซอร์สที่ดีมากและรองรับ mac/windows
    ในที่สุดก็เริ่มบีบอัดคลังวิดีโอส่วนตัว 15 ปี ขนาด 300GB ของผมแล้ว
    https://www.shutterencoder.com/
    กำลังบีบอัดทั้งหมดเป็น H.265 และบางครั้งขนาดวิดีโอลดลงเหลือ 1/10 เลย มีเหตุผลอะไรไหมที่ไม่ควรทำแบบนี้? ผมอ่านมาว่าการเล่นวิดีโอที่ถูกบีบอัดต้องใช้พลังประมวลผลมากขึ้น แต่ก็ยังไม่แน่ใจว่าในอนาคตจะเป็นปัญหาใหญ่หรือไม่

    • ผมเคยลองใช้กับคลังวิดีโอขนาดใหญ่แบบอัตโนมัติ แม้ในวิดีโอทดสอบจะดูโอเค แต่ การตั้งค่า CRF อ่อนไป ทำให้คุณภาพต่ำกว่าที่คาด
      ถือเป็นคำเตือนให้ตรวจสอบวิดีโอหลาย ๆ ไฟล์ก่อนลบต้นฉบับ
      แต่ถ้าแค่ 300GB พื้นที่เก็บข้อมูลก็ถูกพอแล้ว เก็บต้นฉบับไว้เฉย ๆ ก็ได้
    • เหตุผลหนึ่งที่ยังเลือก H.264 คือฮาร์ดแวร์เก่าหรือฮาร์ดแวร์ราคาถูกจำนวนมากไม่มีการถอดรหัส H.265 ด้วยฮาร์ดแวร์
      อีกอย่าง สำหรับการใช้กับ Plex แบบไม่ต้อง transcode ในโฮมแล็บของผม H.264 ก็ง่ายกว่าด้วย

  • ไกด์นี้แนะนำ yadif เป็นฟิลเตอร์ deinterlacing แต่ในสายตาผม w3fdif ดูดีกว่า
    มันไม่ทำ motion tracking แบบ yadif จึงค่อนข้างเร็ว และหลีกเลี่ยง artifact ที่น่ารำคาญซึ่ง motion tracking สร้างขึ้นเป็นบางครั้งได้
    ผมคิดว่าผลลัพธ์ที่สม่ำเสมอแม้จะกลาง ๆ ยังดีกว่าผลลัพธ์ที่บางครั้งยอดเยี่ยมแต่บางครั้งแย่
    อย่างไรก็ตาม ต่างจาก yadif ที่ดูสอง field, w3fdif พิจารณาสาม field พร้อมกัน จึงซ่อน artifact จาก interlacing ได้ดีกว่า

    • มีเวอร์ชันขยายของมันอยู่: https://github.com/HomeOfVapourSynthEvolution/VapourSynth-Bw...
      ถ้าจะ re-encode อยู่แล้ว ใช้ QTGMC ไปเลยจะดีกว่า
    • อย่างที่กล่าวไปก่อนหน้า w3fdif ส่วนใหญ่ถูกแทนที่ด้วย bwdif แล้ว
      w3fdif อาจทำให้เกิดอาการกระพริบได้ แต่ yadif ไม่เป็นแบบนั้น ดังนั้น bwdif จึงทำงานเหมือน yadif แต่ใช้การจับคู่ field ที่ดีกว่าของ w3fdif
    • bwdif เป็น ไฮบริด ของ yadif และ w3fdif

  • อุปสรรคที่ใหญ่ที่สุดในการเริ่มใช้ ffmpeg น่าจะเป็น เครื่องมือฟรีเมียมแบบออฟไลน์ กับเว็บฟรอนต์เอนด์ต่าง ๆ
    เว็บไซต์เหล่านั้นทำ SEO ไว้กับวลีที่คนมักพิมพ์ใน Google อย่าง “avi to mp4”, “mp3 to wav”
    กว่าจะยอมรับแอปบรรทัดคำสั่งได้ใช้เวลานานกว่าที่คิด เพราะโลกของ Windows สอนมาว่าทุกอย่างควรมี GUI

    • เคยคิดว่าเว็บแปลงไฟล์ส่วนใหญ่พวกนั้นมีโครงสร้างเป็นการวาง ffmpeg ไว้บนอะไรสักอย่างอย่าง nginx

  • คนบอกว่า ffmpeg ซับซ้อน แต่ต่อให้ทำเป็น GUI สวย ๆ ก็ไม่ได้ง่ายขึ้นเท่าไร สิ่งที่ซับซ้อนคือ การบีบอัดวิดีโอเอง
    ถ้าไม่ใช่วิธีที่ตัดสินใจแทนให้แบบอินเทอร์เฟซคลิก ๆ อย่าง HandBrake ก็คงไม่มีซอฟต์แวร์ไหนทำให้มันง่ายขึ้นได้
    ไม่แน่ใจนัก แต่ถ้าเรียนรู้การเข้ารหัสและการบีบอัดวิดีโอดิจิทัลอย่างละเอียดพอแล้ว สิ่งที่ต้องทำใน ffmpeg ก็น่าจะรู้สึกค่อนข้างเป็นธรรมชาติ มีใครเคยทำแบบนี้จริง ๆ ไหม?

    • ประมาณ 17 ปีก่อนเคยเขียน DirectShow filter สำหรับ WindowsMobile เลยเข้าใจ codec กับ container ค่อนข้างดี
      ตอนนั้นยังไม่มีรูปแบบอย่าง mkv หรือ codec อย่าง HEVC แต่แนวคิดเรื่องการจัดการเสียง/วิดีโอผ่าน filter หลายตัวนั้นยอดเยี่ยม และซอฟต์แวร์แปลง A/V ส่วนใหญ่ก็ทำงานแบบนั้น
      พอเริ่มดูหน้า manual ของ FFmpeg ก็เห็นความเชื่อมโยง และหลังลองเล่นอยู่ราวหนึ่งวันก็ใช้งานได้
      อาจเป็นข้อได้เปรียบด้วยที่ชอบบรรทัดคำสั่งและเป็นคนอ่าน man page อยู่แล้ว

  • ffmpeg ทรงพลังจนใช้บ่อย แต่ โครงสร้าง API ไม่เข้าหัวเลย ถ้ามี LLM ฟรอนต์เอนด์ก็คงดี

    • API ก็ไม่ค่อยเข้าหัวผมเหมือนกัน แต่ปกติถ้า grep ดูที่ https://ffmpeg.org/ffmpeg-all.html ก็มักหา option ที่ต้องการเจอ

  • เป็นไอเดียที่ดี การทำให้ FFmpeg ทำงานตามที่ต้องการเป็นเรื่องน่ากดดันเสมอ
    ChatGPT ช่วยได้อยู่ แต่ก็ไม่ได้สมบูรณ์แบบ

    • ChatGPT ทำให้อาร์กิวเมนต์และ option ของเครื่องมือบรรทัดคำสั่งจำนวนมากใช้งานง่ายขึ้น
      การจำ option และอาร์กิวเมนต์ของ OpenSSL เป็นเรื่องยากมาตลอด ตอนนี้เลยใช้ GPT ไปเลย
    • ChatGPT ทำให้ ffmpeg เข้าถึงง่ายขึ้นจริง ๆ
      เพียงแต่ความแตกต่างเล็ก ๆ น้อย ๆ ระหว่างระบบปฏิบัติการยังเป็นปัญหาเล็ก ๆ ที่เหลืออยู่