一、三个工具，三件事

同一个 FFmpeg 装出来有三个可执行文件，各干一件事：

工具 干什么 会不会改文件

ffmpeg 转码、转封装、加滤镜、推流 会，输出是新文件 ffprobe 读容器头，报时长、码率、流信息 不会，只读 ffplay 放出来给人看／听 不会，只读

排查的顺序永远是「先 probe、再 play、最后才 ffmpeg」： 先确认「它到底是什么」，再看「它能不能正常放」， 最后才是「我要把它变成什么」。顺序反了，就会拿着错的参数改错的东西。

二、ffprobe 把容器头念一遍

ffprobe -show_streams -show_format 会吐一大堆，其实关键的只有十几个：

字段 本片的值 它到底是什么

format_name mov,mp4,m4a,3gp,3g2,mj2 容器格式，别名一串 duration 2.00 秒 整片时长 bit_rate 941556 整片平均码率 codec_name（视频） h264 编码器名 width ／ height 320 ／ 240 画面尺寸 pix_fmt yuv420p 像素格式 r_frame_rate 25 每秒多少帧 time_base（视频） 1/12800 时间刻度，命根子 codec_name（音频） aac 音频编码器 sample_rate 44100 Hz 采样率 channels 2 声道数

format_name 那一串别名值得多看一眼： mp4 家族的容器共用同一套解析器，所以 -f 写 mp4、mov、m4a 都能开。 这也解释了 9.1 里那 414 个格式名为什么那么多——很多是同一个解析器的别名。

time_base 是这一整章最该记住的一个：它不是「帧率」，是「时间的最小刻度」。 本片是 1/12800，也就是 12800 分之 1 秒一格，一帧 25 fps 占 512 格。 所有 pts、所有 seek 的偏移，都要换算到这个刻度上才对得上。

三、seek 的单位不是秒

av.open() 出来的 seek() 收的是「按 av.time_base 计的整数」， 而 av.time_base 是百万分之一秒。 传帧号、传秒、传流自己的 time_base，三种都是错的。

要跳到 落点 pts 换成秒 偏了多少

0.5 秒 6144 0.48 秒 -20 毫秒 1.0 秒 12800 1.00 秒 +0 毫秒 1.5 秒 18944 1.48 秒 -20 毫秒

三个落点跟目标时刻的差都在一帧（40 毫秒）以内， 因为它们都落在「目标之前最近的那个可解码帧」上。 这就是 seek 的本质：不是「跳到那个时刻」，是「跳到那个时刻之前最近的落脚点」。

落脚点是什么？默认是关键帧。 本课这个测试源几乎每帧都带关键帧标记，所以它能落到「刚好前一帧」这么准； 换成正常发行的片子，一个 GOP 里只有第一帧是关键帧， seek 就只能落到那个关键帧上，要精确到某一帧必须再解码丢弃—— ffplay -ss 干的就是这件事，所以它在长片上定位会先卡一下。

四、ffplay 的八条常用参数

ffplay 的参数分两类：一类只影响「怎么看」，一类影响「看哪里」。

参数 管什么 哪里容易踩

-x ／ -y 窗口宽高 只影响显示，不改分辨率 -autoexit 播完就退出 不写会停在最后一帧不动 -loop 0 无限循环 后面那个 0 是「一直」 -ss 从第几秒开始 精确定位，长片上会先卡一下 -t 只播多少秒 和 -ss 配合就是截一段看 -vf 挂视频滤镜 串多条用逗号；有空格或括号才必须加引号 -nodisp 只出声不出画 纯听音频时用 -sync 音画以谁为准 默认 audio，改成 video 容易掉音

-autoexit 是新手最容易漏的一条：不加它，播完画面就僵在那儿， 看着像卡死，其实早就放完了。 批处理里循环调 ffplay 时，少这一个参数会让脚本永远停住。

五、为什么 probe 永远是第一步

因为后面每一个参数都要跟 probe 出来的值对上：

-s 要跟 width×height 对上，不然画面会拉花； -r 要跟 r_frame_rate 对上，不然会掉帧或重复帧； -ar 要跟 sample_rate 对上，不然声音会变调； -ac 要跟 channels 对上，不然会少一声道。

这四组参数写错，都不会报错，只会「结果不对」—— 画面歪、声音快、少一半声道。 而只要先 probe 一次，这些坑全都能提前绕开。

六、动手 Demo：手写一个 ffprobe，再验一次 seek 的落点

ffprobe 的输出不是黑魔法，值全在容器头里躺着。 下面这段自己造一个 2 秒的小片，再把关键字段念一遍，最后验两个 seek 落点。

from fractions import Fraction

import av

W, H, FPS, NF = 320, 240, 25, 50
SRC = "probe10.mp4"

c = av.open("testsrc=size=%dx%d:rate=%d" % (W, H, FPS), format="lavfi")
o = av.open(SRC, "w")
v = o.add_stream("libx264", rate=Fraction(FPS, 1))
v.width, v.height, v.pix_fmt = W, H, "yuv420p"
for n, f in enumerate(c.decode(c.streams[0])):
    if n >= NF:
        break
    g = f.reformat(format="yuv420p")
    g.pts, g.time_base = n, Fraction(1, FPS)
    for pk in v.encode(g):
        o.mux(pk)
for pk in v.encode(None):
    o.mux(pk)
o.close()
c.close()

cc = av.open(SRC)
print("容器 %s  时长 %.2f 秒" % (cc.format.name, float(cc.duration) / av.time_base))
for s in cc.streams:
    k = s.codec_context
    print("%-5s %-6s %dx%d %-9s 时间基 %s" %
          (s.type, k.name, k.width, k.height, k.pix_fmt, s.time_base))
cc.close()

for t in (0.5, 1.0):
    cc = av.open(SRC)
    cc.seek(int(t * av.time_base))
    for f in cc.decode(cc.streams.video[0]):
        print("seek %.1f 秒 -> 首帧 pts %d" % (t, f.pts))
        break
    cc.close()

实跑输出：

--------------------------------------------------------------------
10.2 使用 ffplay 和 ffprobe
--------------------------------------------------------------------

**① ffprobe 干的活：把容器的头拆开念一遍**

  ffprobe 字段        本片的值                  它到底是什么
  ------------------------------------------------------------------------
  format_name         mov,mp4,m4a,3gp,3g2,mj2   容器格式，别名一串
  duration            2.00 秒                   整片时长
  bit_rate            941556                    整片平均码率
  size                235389 字节               文件多大
  codec_name（视频）  h264                      编码器名
  width ／ height     320 ／ 240                画面尺寸
  pix_fmt             yuv420p                   像素格式
  r_frame_rate        25                        每秒多少帧
  time_base（视频）   1/12800                   时间刻度，命根子
  codec_name（音频）  aac                       音频编码器
  sample_rate         44100 Hz                  采样率
  channels            2                         声道数

**这十三行就是 `ffprobe` 输出的骨架。`ffprobe -show_streams` 多出来的那些，**
**大部分是这几项的衍生（`avg_frame_rate` 由总帧数除时长算出来）。**

**② 最容易踩的一处：`seek` 的单位不是秒**

**`av.open()` 出来的 `seek()` 收的是「按 `av.time_base` 计的整数」，**
**`av.time_base` 是百万分之一秒。传帧号、传秒、传流自己的 `time_base` 都错。**

  要跳到      落点 pts        换成秒        偏了多少
  ----------------------------------------------------------
  0.5 秒      6144            0.48 秒       -20 毫秒
  1.0 秒      12800           1.00 秒       +0 毫秒
  1.5 秒      18944           1.48 秒       -20 毫秒

**三个落点跟目标时刻的差都在一帧（40 毫秒）以内——**
**这不是精度不够，是「只能落到关键帧上」。**

**本片一共 50 个包，其中 50 个都带关键帧标记**——几乎每帧都是。
**所以上面的 seek 才能落到「刚好前一帧」这么准。**

**这是本课测试源的特点：帧是一张张图直接喂给编码器的。**
**换成正常发行的片子，一个 GOP 里只有第一帧带这个标记，**
**seek 就只能落到那个关键帧上，要精确到某一帧必须再解码丢弃——**
**`ffplay -ss` 干的就是这件事，所以它在长片上定位会先卡一下。**

**③ ffplay 的参数，记住这几条就够用**

  参数          管什么                        哪里容易踩
  --------------------------------------------------------------------------
  -x ／ -y      窗口宽高                      只影响显示，不改分辨率
  -autoexit     播完就退出                    不写会停在最后一帧不动
  -loop 0       无限循环                      后面那个 0 是「一直」
  -ss           从第几秒开始                  精确定位，长片上会先卡一下
  -t            只播多少秒                    和 -ss 配合就是截一段看
  -vf           挂视频滤镜                    串多条用逗号，要加引号
  -nodisp       只出声不出画                  纯听音频时用
  -sync         音画以谁为准                  默认 audio，改 video 会掉音

**`ffprobe` 只管「是什么」，`ffplay` 只管「看/听」，两个都不改文件。**
**真正动手改的永远是 `ffmpeg`——这三件套的分工就到这里。**

读出来的那行 1/12800 就是 time_base：一帧 512 格，25 帧正好 12800 格一秒。 seek 那句 int(t * av.time_base) 是唯一的正确写法—— 把秒换算成「百万分之一秒」，塞给 seek()。

代码块里这段源只有视频流，所以只打出一行； 上面那张表里的音频字段，是带立体声的那份源跑出来的。 换成你自己的片子，for s in cc.streams 会自动把音频流也列出来。

30 秒实验

1. 把 int(t * av.time_base) 改成 int(t / vs.time_base) 再跑：看落点跑到哪去了。
2. 把 any_frame=True 加上：对比默认行为，理解「只落关键帧」和「任意帧」的差别。
3. 用真片子跑一次 ffprobe -show_streams：数一数有多少字段是上面这张表没提到的。

常见误区

1. 把 seek() 的参数当秒传。它要的是微秒整数，传 1 就是 1 微秒。
2. 以为 seek 能精确到某一帧。默认只落关键帧，精确帧要解码丢弃。
3. ffplay 忘了 -autoexit。播完画面僵住，看着像卡死。

• ☐ 10.2 完——下一节 10.3 使用 FFmpeg 实现文字水印及跑马灯

相关笔记

• ffmpeg 工具简介
• show_streams
• 使用 FFmpeg 实现音视频转码
• 🎬 FFmpeg命令行与特效 · 索引