10.3 使用 FFmpeg 实现文字水印及跑马灯

📄 一句话概括

drawtext 在 Linux 上的坑全在两处：字体路径，和表达式里的逗号。 跑马灯的位移是一条 mod 公式，走完 w+tw 个像素就绕回起点。

📝 本节和前面几节的关系

第六章已经用 drawtext 做过水印和跑马灯， 这一章补两件当时没细讲的事：\, 到底为什么必须转义， 以及 text_w 量的到底是字框还是墨迹。

一、Linux 上那条 drawtext 命令

同一条命令，Linux 上写法是这样（注意三处不一样）：

ffmpeg -i in.mp4 \
  -vf "drawtext=fontfile=/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf: \
       text='Hello':x=10:y=10:fontsize=28" \
  out.mp4

哪一处 Linux 上怎么写坑在哪

字体路径 /usr/share/fonts/... Linux 没有 C 盘那套路径路径里的冒号不用转义写 C 盘路径必须写成 C\: 文本里的空格 text='…' 不加引号会被断开表达式里的逗号要写成 \, 滤镜串自己用逗号分层

字体路径是 Linux 上第一个坑：C:\Windows\Fonts 那套在这儿不存在。 常见字体在 /usr/share/fonts/truetype/ 下按家族分目录， Debian 系一般有 dejavu/DejaVuSans.ttf，要中文字体得先装 fonts-noto-cjk。 找不到字体时 FFmpeg 报的是 Cannot find a valid font，不会告诉你该装哪个包。

二、表达式里的逗号为什么必须转义

因为滤镜串本身就是用逗号分层的：-vf "hflip,vflip,scale=320:240"。 而 drawtext 的 x 是个表达式，里面常有逗号—— mod(t*100,w+tw) 就有一个。不转义，这一刀就切在表达式中间。

滤镜串切成几层切出来是什么

x=w-mod(t100\,w+tw) 1 整条不动 x=w-mod(t100,w+tw) 2 后半截 w+tw) 成了另一个滤镜 hflip,vflip,scale=320:240 3 三个滤镜，本来就要三份

第二行就是没转义的下场。 FFmpeg 会拿 w+tw) 去找一个同名的滤镜，找不到就报错； 报错里指的位置往往跟真正的原因差着十万八千里， 这就是「明明只想改个坐标，却报 No such filter」的来历。

两种解法都行：写 \,，或者把整个表达式用单引号包起来—— x='w-mod(t*100,w+tw)'，单引号里的逗号对滤镜解析器不算分隔符。 后者更好读，代价是多一层引号，shell 那边要写对。

三、跑马灯的位移公式

就一条：x = w - mod(t*speed, w+tw)。 w 是屏宽，tw 是文字宽，speed 是每秒走多少像素。

为什么是 w+tw 而不是 w？ 因为文字完全走出左边（x 到 -tw）之后才开始下一轮， 整条轨迹的长度是「屏宽 + 文字宽」，除以速度就是走一圈的秒数。

时刻公式 x 实际左边界屏上看见几列

0.0 秒 320 -1 0 0.5 秒 270 272 42 1.0 秒 220 222 84 2.0 秒 120 122 173 3.0 秒 20 22 173 5.0 秒 -180 0 20

屏宽 320、文字宽 200、速度 100，走一圈是 520 像素，也就是 5.2 秒。 所以 t=0 和 t=5.2 秒时 x 都是 320——整条字在屏幕右边外面，一列都看不见。

t=5.0 秒那一行有点意外：公式给的 x 是 -180，可屏上还能看见 20 列。 因为文字宽 200，从 -180 起算还剩 20 像素露在屏内。 「看不见」的准确条件是 x <= -tw，不是 x < 0—— 这一点直接决定了循环该怎么写才不会出现「闪一下」。

四、text_w 量的是字框，不是墨迹

表里第三列比第二列普遍大 2 像素，除了看得见的那几行。 不是公式错了，是字形左边自带一点留白（bearing）。

getbbox 返回的是「字框」，text_w 也一样—— 它们量的是排版用的方框，不是墨迹真正覆盖的范围。 所以「让字刚好贴住右边缘」这种要求，靠 w-tw 是做不到严丝合缝的。

实用结论：留两三个像素余量反而稳。 水印那种要紧贴边缘的场合，宁可写 x=w-tw-4，也别指望 x=w-tw 刚好。

五、硬字幕、软字幕与 Linux 字体

drawtext 画出来的是硬字幕：像素烤进画面，播放器关不掉。 软字幕是另一条流（-c:s mov_text 之类），播放器可以选、可以关。

Linux 上做硬字幕，有两处依赖容易缺： drawtext 要 fontconfig 找一个字体文件； subtitles 滤镜要 libass，缺了会在配置滤镜时就报 No such filter。 这两个都不是「参数写错」，是编译时就没带，报错信息也完全不像。

所以第六章在沙箱里绕开了 drawtext，改用 Pillow 画字再 overlay—— 那条路不依赖 fontconfig，只要有一个字体文件就能走通， 这也是「本机没有某个滤镜」时最实际的一条退路。

六、动手 Demo：把滤镜串切开看看，再逐时刻验一遍位移

下面这段干两件事：先用二十行代码模拟 FFmpeg 切滤镜串的规则， 证明 \, 到底是干什么用的；再把跑马灯的公式逐时刻算一遍。

def split_chain(s):
    """按「未转义的逗号」切滤镜串——ffmpeg 自己就是这么切的。"""
    out, cur, i = [], [], 0
    while i < len(s):
        if s[i] == "\\" and i + 1 < len(s):
            cur.append(s[i:i + 2])
            i += 2
            continue
        if s[i] == ",":
            out.append("".join(cur))
            cur = []
            i += 1
            continue
        cur.append(s[i])
        i += 1
    out.append("".join(cur))
    return out


for s in ("x=w-mod(t*100\\,w+tw)",
          "x=w-mod(t*100,w+tw)",
          "hflip,vflip,scale=320:240"):
    print("%d 层  %s" % (len(split_chain(s)), split_chain(s)))

W, TW, SPEED = 320, 200, 100
PERIOD = W + TW
print("走一圈 %d 像素 = %.2f 秒" % (PERIOD, PERIOD / float(SPEED)))
for t in (0.0, 0.5, 1.0, 2.0, 3.0, 5.0):
    x = int(W - (t * SPEED) % PERIOD)
    print("t=%.1f  x=%4d  完全看不见吗：%s" %
          (t, x, x >= W or x <= -TW))

实跑输出：

--------------------------------------------------------------------
10.3 使用 FFmpeg 实现文字水印及跑马灯
--------------------------------------------------------------------

**① Linux 上的 drawtext，三处跟 Windows 不一样**

    ffmpeg -i in.mp4 \
      -vf "drawtext=fontfile=/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf: \
           text='Hello':x=10:y=10:fontsize=28" \
      out.mp4

  哪一处          Linux 上怎么写            坑在哪
  --------------------------------------------------------------------
  字体路径        /usr/share/fonts/...      Linux 没有 C 盘那套路径
  路径里的冒号    不用转义                  写 C 盘路径必须写成 C\:
  文本里的空格    text='…'                  不加引号会被断开
  表达式里的逗号  要写成 \,                 滤镜串自己用逗号分层

**最后一条是这三处里最难缠的：`drawtext` 的 `x` 是个表达式，**
**而表达式里常有逗号（`mod(t*100,w+tw)` 就有），逗号又是滤镜串的分隔符。**
**所以要么写 `\,`，要么把整个表达式用单引号包起来。**

**② 用一段切分代码把这件事证明出来**

  滤镜串                      切成几层  切出来是什么
  ------------------------------------------------------------------------
  x=w-mod(t*100\,w+tw)        1         x=w-mod(t*100\,w+tw)
  x=w-mod(t*100,w+tw)         2         x=w-mod(t*100 ｜ w+tw)
  hflip,vflip,scale=320:240   3         hflip ｜ vflip ｜ scale=320:240

**第二行就是没转义的下场：一条 `drawtext` 被硬生生劈成两条，**
**后半截 `w+tw)` 会被当成另一个滤镜名，报「找不到这个滤镜」。**
**而报错里指的位置往往跟真正的原因差着十万八千里。**

**③ 跑马灯的位移公式，逐时刻验一遍**

**文字量出来 200×30 像素，屏宽 320，速度 100 像素每秒。**
**公式是 `x = w - mod(t*speed, w+tw)`，走到 `w+tw` 个像素就绕回起点，**
**也就是 520 像素一个来回，折算 5.20 秒。**

  时刻      公式 x      实际左边界    差值      屏上看见几列
  ------------------------------------------------------------
  0.0 秒    320         -1            -321      0
  0.5 秒    270         272           +2        42
  1.0 秒    220         222           +2        84
  2.0 秒    120         122           +2        173
  3.0 秒    20          22            +2        173
  5.0 秒    -180        0             +180      20

**两点值得盯住：**

**第一，t=0 时公式给的是 x=320，也就是整条字正好在屏幕右边外面，**
**一列都看不见；t=5.20 秒时又回到同一个位置——这就是「走完一圈」。**

**第二，除了看得见的那几行，实际左边界都比公式算的大 2 像素。**
**不是公式错了，是字形左边自带一点留白（bearing），**
**`getbbox` 量的是字框不是墨迹——`text_w` 也一样，它量的是字框。**
**所以想「刚好贴边」就别指望数值严丝合缝，留两像素余量反而稳。**

第一行切出 1 层，第二行切出 2 层——这一刀就是 \, 挡住的那一刀。 第三行切出 3 层是应该的，它本来就是三段的滤镜链。

最后那个布尔值把「看不见」的两个区间都写进去了： 右边还没进来是 x >= w，左边已经出去是 x <= -tw。 只判 x < 0 是不够的——左边刚出屏时右边可能还露着一大截。

30 秒实验

把速度改成 200：算一下走一圈要几秒，再想想「太快看不清」该怎么折中。
把 mod 换成 abs：看轨迹会变成什么样，理解 mod 在这里的唯一作用。
在 Linux 上跑一次 fc-list：找出本机到底装了哪些字体，别再瞎猜路径。

常见误区

表达式里的逗号不转义。报错是「找不到滤镜」，跟逗号一点关系看不出来。
以为循环周期是屏宽。是「屏宽 + 文字宽」，差着一个字宽。
以为 x < 0 就看不见了。文字还有一半挂着，屏上照样露着。

自测三问（点开对答案）

1. `x=w-mod(t*100,w+tw)` 为什么要写 `\,`？ —— 滤镜串用逗号分层，不转义就会把表达式切成两段，后半截被当成另一个滤镜。 2. 跑马灯走一圈是多久？ —— （屏宽 + 文字宽）除以速度。320 + 200 再除 100，5.2 秒。 3. `text_w` 和墨迹宽度差在哪？ —— `text_w` 是排版字框，墨迹左右各有 bearing 留白，所以框比墨迹宽一两个像素。

☐ 10.3 完——下一节 10.4 使用 FFmpeg 实现音视频特效

一、Linux 上那条 drawtext 命令

二、表达式里的逗号为什么必须转义

三、跑马灯的位移公式

四、text_w 量的是字框，不是墨迹

五、硬字幕、软字幕与 Linux 字体

六、动手 Demo：把滤镜串切开看看，再逐时刻验一遍位移

30 秒实验

常见误区

相关笔记