一、三步：给源、给输出、播放

Qt 6 的最小播放器：

QMediaPlayer *player = new QMediaPlayer(this);
QAudioOutput *audio  = new QAudioOutput(this);
QVideoWidget *video  = new QVideoWidget(this);

player->setAudioOutput(audio);        // 声音往哪出
player->setVideoOutput(video);        // 画面往哪出
player->setSource(QUrl::fromLocalFile("demo.mp4"));
player->play();

Qt 5 与 Qt 6 的差别全在这几个 API 上，必须分清：

音量搬到 QAudioOutput 是 Qt 6 最容易被漏掉的改动： Qt 6 里 QMediaPlayer 根本没有 setVolume，代码能编译过才怪。

setSource 是异步的：它立刻返回，真正的加载在后台线程做， 结果通过 mediaStatusChanged 回来。所以「设完源马上取时长」拿到的一定是 0。

二、状态靠信号回传

五个信号，缺一个界面就不完整：

mediaStatusChanged 有七个状态，但只有三个要处理：LoadedMedia（能播了）、 EndOfMedia（播完了，该切下一首）、InvalidMedia（播不了）。其余四个是过渡态，看一眼就行。

positionChanged 的频率不能假设。文档没说多久发一次，它由后端决定， 通常是几十到一百毫秒一次。 所以「进度条每帧都刷新」这种想法在这一层是错的——你拿到的位置本来就是粗糙的。

这也是为什么进度条不用刷得太勤：数据源本身就是百毫秒级的，你按 16 毫秒去刷， 刷的只是同一个值。Demo 里那个「100 到 250 毫秒」的结论，根子在这里。

三、三种画面输出方式

画面往哪去，有三种接法：

QVideoWidget 的两个细节值得知道：它有 aspectRatioMode 和 fullScreen， 默认会按比例居中、留黑边，想铺满就把 aspectRatioMode 设成 Qt::IgnoreAspectRatio。 但拉伸会变形，正片场景一般保持默认。

QVideoSink 是 Qt 6 才有的，videoFrameChanged(QVideoFrame) 一到，你就拿到了这一帧。 要截图、要送 AI 推理、要自己做 shader，走的都是这条。

注意 QVideoFrame 要 map() 之后才能读像素，读完必须 unmap()， 而且它可能是显存里的纹理——那种情况下 map 会触发一次回读，很慢。 所以「每帧取一帧做处理」这种用法，帧率会掉得很明显。

四、动手 Demo：三行代码就能播，这就是 Multimedia 的优势

这段没有 Qt 环境，所以用一个「最小解码器」当等价物：只解码、不显示， 量出「每帧的解码成本」是多少。 这个数越小，越说明「三行代码」买到的东西有多厚。

c = av.open(path)
s = c.streams.video[0]

t0 = time.perf_counter()
n = 0
for frame in c.decode(s):
    n += 1
    if n >= 60:
        break
elapsed = (time.perf_counter() - t0) * 1e3

print("%d 帧，合计 %.1f 毫秒" % (n, elapsed))
print("平均每帧 %.2f 毫秒" % (elapsed / n))

实跑输出：

--------------------------------------------------------------------
三行代码就能播，这就是 Multimedia 的优势
--------------------------------------------------------------------
**QMediaPlayer 的用法是三行：setMedia、setVideoOutput、play。**
**解码、同步、渲染、声音全在背后。**

**真跑一个「最小播放器」的等价物**（PyAV 版，只做解码不做显示）：

  解出 60 帧，一共 8.0 毫秒，**平均每帧 0.13 毫秒**。

**三行代码换来了什么，又没换来什么**：

  能力                         QMediaPlayer 给了吗     LibVLC 给了吗
  ----------------------------------------------------------------------
  解封装＋解码                 给了                    给了
  音视频同步                   给了                    给了
  显示与声音输出               给了                    给了
  拿单帧图像做处理             很难                    要写回调
  自定义渲染（滤镜、叠加）     基本不行                可以
  冷门格式                     看系统                  基本全覆盖

**前两行是「三行代码买到的」**，**后三行是「三行代码买不到的」。**
  **要做视频分析（人脸、车牌、AI 推理），必须能拿到单帧图像**——QMediaPlayer 在这件事上很别扭，
  LibVLC 有视频回调，FFmpeg 最直接。
  **要做自定义渲染（比如把画面贴到 3D 场景里）**，只能自己控制。

**所以「三行代码」是一个很危险的诱惑**：
**它能让你两天做出一个能播的 demo，也能让你两个月后推倒重来。**
**选型时要先问一句：将来需不需要「看到帧」？**

60 帧一共 8 毫秒，平均每帧 0.13 毫秒。 这个数小得有点可疑，原因是测试片只有 320×240、而且第二帧之后都是 P 帧， 真实 1080p 的 H.264 每帧解码在几毫秒量级。

重点是那张六行表：前三行是「三行代码买到的」——解封装、解码、同步、显示、声音。 后三行是「三行代码买不到的」——取帧、自定义渲染、冷门格式。

「取单帧」那一行写「很难」不是客套：Qt 6 之前根本没有公开接口， Qt 6 有了 QVideoSink，但给的是 QVideoFrame， 你还得自己转到 QImage。做 AI 推理的流水线里，这一层转换就够写一天。

所以「三行代码」这个词要这么理解：它买到的是「一个能播的窗口」，不是「一个播放器内核」。 前者两天能做出来，后者才是要两个月的那部分。

30 秒实验

1. 写一个最小播放器，只 setSource 加 play，看能不能出声（提示： 忘了 setAudioOutput 就没声音）。
2. 算一下：positionChanged 每 100 毫秒来一次，进度条按 16 毫秒刷，一秒里有多少次是白刷？
3. 判断一下：只想要「播完自动播下一首」，用 mediaStatusChanged 的哪个状态？

常见误区

1. 忘了 setAudioOutput。 Qt 6 里没有音频输出对象就完全没声音，而且不报错。这是最经典的一个。
2. 在 setSource 之后立刻 duration()。 它是异步加载的，这时候拿到的是 0。 要在 durationChanged 里取。
3. 用 QMediaPlayer::setVolume 调音量。 Qt 6 里这个方法不存在，音量在 QAudioOutput 上， 而且范围是 0 到 1 的浮点。
4. 假设 positionChanged 会每帧来。 频率由后端定，通常百毫秒级。 想逐帧控制的，得自己按 QVideoSink 或走 FFmpeg。

能播之后，一个真正的播放器还差三样东西：进度条、音量、播放列表。 下一节把它们挨个装上，顺便解决进度条那个「自己动自己」的回环。

• ☐ （本节完，下一节 04.03 Qt实现音乐播放器）

相关笔记

• Qt的Multimedia多媒体框架简介
• Qt实现音乐播放器
• 🎬 音视频原理及应用 · 26 课
• 🎬 播放器原理及应用 · 索引