常見的碼率控制模式CBR、VBR、CRF和Capped-CRF

每次在使用H.264、HEVC、VP9或者AV1等面向分發(fā)的編解碼器對視頻文件進行編碼時，你都要選擇一種碼率控制機制來控制碼率、整體質(zhì)量、瞬態(tài)質(zhì)量和編碼成本。常見的碼率控制模式包括CBR、VBR、CRF和Capped-CRF。本篇文章將向大家介紹這些模式的工作原理，它們各自的優(yōu)點和缺點，如何以及何時實現(xiàn)它們。

我們要討論的前兩個模式，CBR（恒定碼率編碼）和VBR（可變碼率編碼）幾乎可用于每一個分發(fā)出來的編碼器。后兩個模式CRF（恒定碼率系數(shù)）和Capped CRF（上限恒定碼率系數(shù)）可用于FFmpeg中的x264、x265、libvpx-VP9和libaom-AV1，但本文中只討論x264。

在本文的討論中，我將用到三個文件：

測試文件（Test）:這個兩分鐘的短片包括30秒的人物對著鏡頭講話的視頻和30秒的芭蕾舞視頻，分別重復兩次。

足球視頻：這是一個兩分鐘的含有大量動作（高幀率）的足球測試視頻，其中既有高幀率的區(qū)域，又有低幀率的區(qū)域。

人物近距離講話視頻：這是一個兩分鐘的慢動作（低幀率）人物近距離講話視頻。

每當你為了分發(fā)視頻（而非為了存檔或者轉碼上傳文件）而編碼視頻文件時，你都應該考慮到五個因素：兼容性、整體質(zhì)量、瞬態(tài)質(zhì)量、可傳輸性和編碼成本。下面是對這五個因素的簡單描述：

兼容性：當把視頻傳輸給播放器，它能解碼和播放文件嗎？這里我們討論的是H.264，它幾乎可以和任何播放器兼容。而HEVC、 VP9和AV1都可能存在兼容問題。

整體質(zhì)量：是指視頻文件的整體質(zhì)量，在本文中，使用計算調(diào)和平均數(shù)的VMAF測量。

瞬態(tài)質(zhì)量：是指視頻文件顯示時所可能出現(xiàn)的瞬間質(zhì)量問題。在本文中，由低幀VMAF或者文件中任意幀的最低VMAF分值測量。

可傳輸性：向遠在天邊的觀眾傳輸無中斷的視頻是你應具備的能力。通常情況下，擁有高帶寬連接的觀眾無需擔心，但使用3G或類似網(wǎng)絡連接傳輸視頻肯定會出現(xiàn)問題

編碼成本：涉及多次編碼的技術明顯增加編碼時間，如果你需要為編碼farm付費或者使用了很多云廠商的編碼基礎設施（如AWS Elemental Media Convert），那么兩次編碼將顯著提高成本。

最后，在FFmpeg中，大多數(shù)編碼工具都部署了x264和x265編解碼器，其中有三個開關控制碼率，它們分別是：

b:v ：設置整體碼率

maxrate：設置最大碼率

bufsize ：設置VBV（Video Buffer Verifier，視頻緩存檢驗器）大小。

讓我們先從CBR開始。

CBR：恒定碼率編碼

顧名思義，當你使用CBR（Constant Bitrate Encoding）編碼時，意味著你對全部文件都使用了恒定的碼率（無論視頻文件中場景的復雜度如何）。當使用FFmpeg編碼時，你可以通過對b:v、maxrate和bufsize使用相同的數(shù)據(jù)率實現(xiàn)CBR，如下所示：

-b:v 5000k -maxrate 5000k -bufsize 5000k

在測試文件中，交替播放30秒人物近距離講話和30秒芭蕾舞的視頻內(nèi)容，CBR編碼文件如圖1（在Bitrate Viewer中）。如果你仔細觀察，你會看到跟蹤平均碼率的藍色波浪線在碼率5000kbps左右徘徊。

在右側，你可以看到平均碼率為4938kbps，峰值碼率為6013kbps，高出平均碼率約20%。大多數(shù)編碼器軟件中，CBR的顯示都不是一條直線，但相比于下文的其他控制技術，它的可變性明顯更小。

圖1 使用CBR編碼的測試文件

我們稍后將回顧CBR的質(zhì)量影響。

從可傳輸性的角度來說，CBR的優(yōu)勢非常明顯。

如果你將直播視頻通過固定碼率連接上傳到云，或者通過受限連接將視頻發(fā)送給遙遠的觀看者，那么視頻流缺乏可變性將確保其不會中斷。CBR也是單Pass（Single-Pass）技術，這意味著它的成本要比接下來討論的VBR低。

VBR：可變碼率編碼

VBR（Variable Bitrate Encoding）編碼的目的是達到碼率目標，但是在播放期間能夠根據(jù)視頻內(nèi)容的復雜度來調(diào)整碼率。VBR通常要求2 pass：第一遍掃描視頻，識別不同區(qū)域的復雜度；第二遍進行實際的編碼。

VBR通常通過描述最大碼率在目標碼率上的變化來進一步明確。你可以稱下文中第一個示例為200%受限VBR，因為最大碼率為目標碼率的兩倍；第二個示例為150%受限VBR，因為最大碼率為目標碼率的150%；第三個示例為110%受限VBR。

-b:v 5000k -maxrate 10000k -bufsize 10000k-b:v 5000k -maxrate 7500k -bufsize 7500k-b:v 5000k -maxrate 5500k -bufsize 5500k

圖2 使用200%受限VBR編碼的測試文件

圖2顯示了使用200%受限VBR編碼的測試文件的碼率配置。在交替的慢動作近距離講話視頻與高速動作的芭蕾舞之間，數(shù)據(jù)波動明顯。即使平均碼率與CBR相似（分別為5041kbps和4938kbps），但最大碼率顯著提高（分別為11137kbps和6013kbps）。150%受限VBR視頻擁有相似的平均碼率（5036kbps）和降低了20%的峰值碼率（9090kbps）。

從可傳輸性角度來說，VBR明顯更具挑戰(zhàn)，但這只有在受限連接與視頻流碼率接近時才會出現(xiàn)。如果你正在向美國、歐洲、斯堪的納維亞地區(qū)的觀眾通過50 mbps或者更高的網(wǎng)速傳輸5000kbps、1080p的視頻，你很可能不會出現(xiàn)任何傳輸問題。但是如果是向相同地區(qū)的觀眾以40mbps網(wǎng)速傳輸8K視頻，那么使用200%受限VBR就有點嚇人了。當然，如果是3G連接上的500kbps 200%受限VBR，那么使用CBR（或110%受限VBR）聽起來就好多了。

這一切所帶來的質(zhì)量影響都有哪些？

表1顯示了真實世界中足球視頻片段所使用的四種模式的得分。平均碼率非常相似，峰值碼率差異明顯。整體VMAF得分非常接近。CBR與最高VBR值之間的分值差小于0.7。

表1 碼率控制技術的質(zhì)量影響

最大的不同在低幀分值（審校者注：指以幀的粒度看VMAF分數(shù)，其最低單幀VMAF分），即瞬態(tài)質(zhì)量問題的指標，其中CBR比200%受限VBR低了約5.5分。這表示一些觀眾有可能注意到瞬間出現(xiàn)的問題。有趣的是，在200%受限VBR和150%受限VBR的低幀VMAF之間只有1分之差，150%受限VBR和110%受限VBR之間有兩分之差。

為了進一步探索，我對比了莫斯科國立大學視頻質(zhì)量衡量工具中的CBR和200%受限VBR文件（圖3）。

上圖是整個視頻文件播放期間，CBR和200%受限VBR文件的VMAF分值，其中CBR為紅色，200%受限VBR為綠色。

下圖是上圖中突出顯示區(qū)域的放大圖（大致為2100幀到3400幀），紅色鐘乳石狀所表示的幀中的CBR質(zhì)量明顯低于VBR。

圖3 使用200%受限VBR編碼的測試文件

在圖中，你可以在右下角看到Show frame按鈕。在這段視頻中，使用了相當保守的編碼參數(shù)，CBR幀和VBR幀之間的區(qū)別幾乎忽略不計，因為其中最明顯的差異只有1~2幀。

其他視頻片段中，如果使用較低的碼率編碼，那么瞬態(tài)問題就會更加明顯。所以大部分VOD生產(chǎn)商為了避免這些問題選擇使用VBR（而非CBR），尤其是在向高帶寬觀眾分發(fā)1080p視頻時。

有趣的是，Apple在HLS Authoring Specifications中支持了200%受限VBR，其說明如下：“1.30. 對于VOD內(nèi)容來說，峰值碼率不應該超過平均碼率的200%。”但是200%受限VBR是否適用于高幀率8K內(nèi)容（可能需要40mbps才能達到可接受的質(zhì)量）還有待觀察。

現(xiàn)在讓我們來總結一下，CBR在成本和可傳輸性上勝出一籌，而VBR在整體質(zhì)量上扳回一局。然而，CBR所帶來的瞬態(tài)質(zhì)量問題風險卻是實實在在的。

CRF：恒定碼率系數(shù)

使用CBR和VBR時，你需要選擇一個目標碼率，編碼器會調(diào)整視頻質(zhì)量以達到該目標。這種方法的問題是，如果你對所有視頻片段使用了相同的碼率階梯，那么就會在容易編碼的視頻（如近距離講話視頻）上浪費很多不必要的帶寬。

圖4顯示了使用200%受限VBR編碼、目標碼率為5mbps（與足球視頻相同）的近距離人物講話視頻。平均碼率和峰值碼率與上面的足球視頻一致，但是VMAF分值為97.61。

研究顯示，VMAF值一旦超過93分，觀眾便無法感知。這也是我推薦生產(chǎn)商把VMAF目標值設置為95作為上限的原因。如下圖所示，使用該視頻，你可以減少至少60%的碼率，但仍然能夠達到VMAF 95的目標。

圖4 VBR編碼的問題在于，即使對于該視頻來說數(shù)據(jù)率和質(zhì)量水平過高，它也會達到目標碼率

所以，當使用CBR和VBR編碼時，編碼器會調(diào)整所需的視頻質(zhì)量進而達到目標碼率。相比之下，使用CRF編碼（Constant Rate Factor Encoding，一種單pass編碼模式），你選擇一種目標質(zhì)量，編碼器會通過調(diào)整碼率達到該質(zhì)量水平。CRF值分布為從0到51，數(shù)值越低，質(zhì)量越高。使用CRF和FFmpeg編碼如下所示：

ffmpeg -i input_file -crf 23 output_file

CRF適用于存檔或者生成需上傳和轉碼的mezzanine文件。然而，從可傳輸性的角度來說，它并不是最理想的方法：因為你并不知道將產(chǎn)生的數(shù)據(jù)率，直到你編碼了文件。

在人物近距離講話視頻中，CRF值22生成了平均碼率為1878kbps和VMAF分值為96.29的文件，比VBR編碼的碼率降低了60%以上，且質(zhì)量沒有明顯影響。

然而，在足球視頻中，CRF值22產(chǎn)生了10650的平均碼率，這對于1080p編碼階梯來說太高了。

如何才能在確保合理碼率限制的同時節(jié)省可用帶寬？將CRF和碼率上限組合使用就可以，也就是Capped CRF。

Capped CRF ：上限恒定碼率系數(shù)

顧名思義，Capped CRF就是將CRF值與碼率上限組合使用。相關的命令如下所示：

-crf 22 -maxrate 5000k -bufsize 10000k

圖5顯示了在人物近距離講話和芭蕾舞交替出現(xiàn)的視頻中，該命令所生成的結果。同樣，雖然最大碼率不是一條水平直線，但芭蕾舞GOP與5000kbps線非常接近，碼率峰值為6302kbps。在操作中，編碼器使用CRF值對人物近距離講話區(qū)域進行編碼，并在芭蕾舞區(qū)域應用Capped CRF。

這與200%受限VBR相比效果如何？

200%受限VBR編碼產(chǎn)生了一個平均的VMAF分值：97.30（以及碼率5041 kbps）。所以Capped CRF編碼節(jié)省了約30%帶寬，并產(chǎn)生一個96.55的平均VMAF值，與200%受限VBR編碼相比，它們之間的差異肉眼無法察覺。然而，如你所見，碼率變化顯著，所以在使用受限網(wǎng)絡連接時，很可能會影響傳輸能力。

圖5 Capped CRF與人物近距離講話和芭蕾舞交替出現(xiàn)的視頻

在含有大量動作的視頻中，如足球測試視頻中，CRF值在視頻中許多區(qū)域所產(chǎn)生的碼率要高于上限。在這些區(qū)域，碼率由上限控制，而非CRF值。這種情況下，Capped CRF不會節(jié)省太多帶寬，因為編碼器在不超過上限的情況下生成特定質(zhì)量的視頻區(qū)域很少。

表2顯示了分別使用200%受限VBR編碼和Capped CRF（CRF 22/5 上限）的足球視頻的碼率數(shù)據(jù)和VMAF分值?？梢钥吹剿鼈兊钠骄a率相近，但使用了Capped CRF的視頻的峰值碼率卻低很多。平均VMAF分值也非常相似。

表2 足球視頻；200%受限VBR vs. Capped CRF

而使用CBR，最主要的差異就是瞬態(tài)質(zhì)量問題的指標——低幀VMAF。圖6顯示了來自VQMT的對比結果。同樣，我在觀察主要的鐘乳石狀所代表的幀的位置時，沒有發(fā)現(xiàn)明顯的差異。

然而，其中CBR只是提高了可傳輸性，Capped CRF被應用于容易編碼的文件中，可以提升可傳輸性且節(jié)省帶寬。本質(zhì)上，這使得Capped CRF成為一種Per-Title編碼技術，你可以通過幾乎所有基于FFmpeg的編碼工具（直播和點播）來實現(xiàn)它。

圖6 200%受限VBR與Capped CRF之間的對比

Capped CRF也不是銀彈。你應該運行自己的測試文件，然后確定視頻中的瞬態(tài)問題是否比我在足球視頻中看到的更明顯。如果瞬態(tài)問題很少，而你在考慮使用Capped CRF，這個時候你應該嘗試不同的CRF級別（參見：

https://streaminglearningcenter.com/learning/choosing-the-optimal-crf-value-for-capped-crf-encoding.html）。

同樣，并不是所有編碼器和Codec都能夠使用CRF和Capped CRF；如果你正在使用第三方的編碼器（該編碼器并不是基于FFmpeg，且沒有使用x264、x265、libvpx-VP9或者libaom-AV1 Codec），那么CRF和Capped CRF就可能不可用。

表3總結了上文討論的四種編碼方法的優(yōu)點和缺點。

表3 四種碼率控制模式對比

審核編輯 ：李倩