ffmpeg编译支持cuda编解码

最新推荐文章于 2025-03-06 17:06:12 发布

su@coding

最新推荐文章于 2025-03-06 17:06:12 发布

阅读量7.9k

点赞数 4

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/A199222/article/details/103233935

本文详细记录了在ffmpeg4.1下成功编译出支持cuda编码版本的过程，包括解决ffnvcodec依赖、nv-codec-headers安装及Nvidia驱动版本匹配等问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天在ffmpeg4.1下成功编译出支持cuda编码的版本，记录一下编译过程。

编译增加选项--enable-cuda --enable-cuvid --enable-nvenc

如果遇到提示错误

ERROR: cuda requested, but not all dependencies are satisfied: ffnvcodec

说明需要下载nvenc的头文件。

git clone https://git.videolan.org/git/ffmpeg/nv-codec-headers.git
cd nv-codec-headers
make
sudo make install

安装后重新编译，仍然提示找不到ffnvcodec，这时需要把ffnvcodec.pc的路径加入环境变量中。

export PKG_CONFIG_PATH="/usr/local/lib/pkgconfig"

重新编译，遇到新的报错：

[nvenc_hevc @ 0x3f928c0] Driver does not support the required nvenc API version. Required: 9.1 Found: 8.1
[nvenc_hevc @ 0x3f928c0] The minimum required Nvidia driver for nvenc is 390.25 or newer

猜测原因可能是nv-codec-headers的版本是9.1，但是Nvidia driver版本只支持8.1。查看nv-codec-headers的所有tag，checkout到8.1版本，重新编译ffmpeg成功。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

su@coding

关注关注

4
点赞
踩
12

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【ffmpeg入门】安装CUDA并使用gpu加速

m0_62599305的博客

07-18

5276

在处理视频的过程中，FFmpeg 是一个非常强大和广泛使用的开源工具。然而，视频处理通常需要大量的计算资源，特别是在进行高分辨率视频的编码和解码时。为了提高处理效率，我们可以利用 GPU 的强大并行计算能力。NVIDIA 的 CUDA 平台提供了一个利用 GPU 加速计算的框架，结合 FFmpeg，我们可以大幅提升视频处理的速度。本篇文章将简要介绍如何在 FFmpeg 中安装并启用 CUDA，以实现 GPU 加速。

【ffmpeg+cuda实现硬编解码】

jiexijihe945的博客

07-02

6907

最近在搞一个项目，我需要向AI提供视频帧数，本来一开始摄像头是H.264的编码，我直接复制流推到AI层去推理，然后需要将事件回溯成30秒的视频截取。结果摄像头换成了HEVC编码，截取的视频不能在网页直接播放（需要JS实现调用硬解码）。一开始的方案是ffmpeg直接将HEVC转成H.264结果因为事务巨多CPU占用量过大，导致影响到了推理，因为本身选用的模型+杂七杂八的业务逻辑也要占用大量的CPU资源，所以经过研究把ffmpeg和nvcodec结合起来来平衡设备性能，算是解决了这个问题吧。这两个是前提条件，我

2 条评论您还未登录，请先登录后发表或查看评论

ffmpeg源码编译支持cuda

iummature的博客

03-03

523

在选择组件的时候，将CUDA中的Nsight VSE和Visual Studio Integration取消勾选。把cuda编译宏定义开启，再编译avcodec。2.编译ffmpeg。

ffmpeg编译cuda版

大鱼的博客

03-17

3695

ffmpeg默认是使用cpu版的但是机器上有gpu，又不能不充分利用gpu进行加速安装之前需要准备其他环境：（1）cmake apt install cmake （2）x265_2 wget http://ftp.videolan.org/pub/videolan/x265/x265_2.6.tar.gz tar -xvf x265_2.6.tar.gz cd x265_v2.6/build/linux/ sh ./make-Makefiles.bash make make insta

ubuntu18.04 编译ffmpeg、cuda

sz76211822的专栏

07-21

845

一、安装cuda依赖 apt install nvidia-cuda-toolkit 二、进入ffmpeg目录 cd /opt/ffmpeg-4.2.3 然后执行 git clone https://git.videolan.org/git/ffmpeg/nv-codec-headers.git cd nv-codec-headers make sudo make install 三、编译 PKG_CONFIG_PATH=/opt/ffmpeg-4.2.3/nv-codec-h.

编译FFmpeg（支持CUDA加速，支持h264）

彪哥的专栏

01-10

1301

注意：--enable-shared选项是必需的，否则安装之后仍无法识别x264。1、如果需要支持h264，需先安装x264。如果需要支持CUDA，还需加上。本次安装使用的是4.4版本。2、安装nvcodec。可以看到各组件的版本号。（2）进入源码根目录。3、安装FFmpeg。

ffmpeg 采用cuda 硬编解码

weixin_43360707的博客

04-21

8439

在找资料的过程中，找到两中方法：第一种是ffmpeg官方文档，连接： http://ffmpeg.org/doxygen/trunk/hw_decode_8c-example.html 第二种是git上一种： https://github.com/chinahbcq/ffmpeg_hw_decode 两种方法都测试过，可以通过，不过第二种简单一点。 ...

ffmpeg NVIDIA编解码一：ffmpeg编译安装

不定期更新关于音视频的文章

03-19

1804

如果是安装再/usr/local下面，可以不用进行上面的配置，如果没安装在/usr/local下面就需要进行上面的配置，路径用ffmpeg安装的实际路径。ffmpeg支持NVIDIA编解码编译安装(需要安装cuda)nv-codec-headers下载安装。这里以4.0.5版本为例。

FFMPEG--CUDA硬解码

Every moment of My life !!!

12-30

1119

FFMPEG 动态库编译(GPU) 下载FFMPEG源码https://ffmpeg.org/ ,这里选择的是ffmpeg-4.3.1.tar.bz2 下载nvenc的头文件git clone https://git.videolan.org/git/ffmpeg/nv-codec-headers.git cd nv-codec-headers make sudo make install export PKG_CONFIG_PATH="/usr/local/lib/pkgconfig" 注意选择对应

ffmpeg安装测试（支持cuda支持SRT）

zhangdonghuirjdd的博客

09-06

2321

在音视频开发测试中，FFmpeg是一个不可或缺的工具，它以其强大的音视频处理能力，支持多种格式的编解码、转换、录制、流化等功能，赢得了广泛的应用。当编译 glibc 或其他系统级库时，包含当前目录作为搜索路径可能会导致意外的链接到不正确的库版本，或者链接到正在构建的库的不稳定版本，从而引入潜在的问题。这意味着在编译 glibc（GNU C Library，GNU 的 C 语言标准库）时，你的 LD_LIBRARY_PATH 环境变量中包含了当前目录（. 或 ./），这通常是不被推荐的。

ffmpeg-适配英伟达Jetson的ffmpeg流媒体编解码库-附项目源码+编译流程教程-优质项目实战.zip

06-07

通过FFmpeg的CUDA模块，我们可以将部分编解码工作负载转移到Jetson的GPU上，从而实现更高效的多媒体处理。项目源码提供了详细的编译流程教程，这对于开发者来说是一份宝贵的资源。首先，你需要了解FFmpeg的构建...

Ubuntu16.04编译ffmpeg以及cuda加速配置

dongkaiwen48的博客

10-30

2254

Preliminary（此部分摘自此博客）安装依赖关系 $ sudo apt-get update $ sudo apt-get -y install autoconf automake build-essential libass-dev libfreetype6-dev libsdl2-dev libtheora-dev libtool libva-dev libvdpau-dev li...

ffmpeg + cuda(cuvid) 硬解码+像素格式转换(cpu主导)实战

u012780655的博客

11-06

7434

注意: VAAPI 是inter gpu 提供的硬编解码接口 VDPAU 是 video decode present api for unix nvdec / ncvid 都是nivida产出的硬解接口，区别在于解码方式，和数据传输方式不同 nvenc nivida 硬编接口编译 & 运行 linux: gcc -g video_decode_gpu.c `pkg-co...

自编译支持CUDA硬解的OPENCV和FFMPEG

gogoytgo的博客

04-15

2100

查阅opencv的，可看到有个cudacodec扩展，用他可方便的进行编解码。唯一麻烦的是需要自行编译opencv。

ffmpeg编译，支持QSV，CUDA

weixin_40637594的博客

12-15

2631

一、配置环境 1、下载工具下载mfx源码：https://github.com/lu-zero/mfx_dispatch.git 下载msys2，并安装下载ffmpeg 2、编译库(64位) a、在系统开始菜单中启动MSYS2 MSYS，在终端中执行以下升级操作: pacman –Syu /* 重新启动MSYS2 MSYS */ pacman -Su pacman –S g...

Windows下编译FFmpeg和Cuda9

cwbguaijie的专栏

01-22

3277

具体步骤参考 Video_Codec_SDK_8.0里《Using_FFmpeg_with_NVIDIA_GPU_Hardware_Acceleration》 1. 安装msys2 ww.msys2.org 2.下载ffmpeg git clone https://git.ffmpeg.org/ffmpeg.git 3.在FFMPEG父目录下创建一个nv_sdk文件夹，复制cuda/v9

ffmpeg+cuda+opencv

weixin_30379911的博客

06-28

732

为了让ffmpeg使用gpu进行解码，可以按以下步骤： 1 下载nvidia官网提供的ffmpeg，编译安装 https://developer.nvidia.com/ffmpeg 注意原来的选项上还需要添加上 --enable-shared 如果出现编译错误 ERROR: cuda requested, but not all dependencies are satisfied: f...

FFmpeg再学习 -- 硬件加速编解码

最新发布

03-15

<think>好的，我现在需要帮助用户了解如何用CUDA编译FFmpeg。首先，我需要回忆之前用户提供的参考引用，特别是引用[2]提到的关于Windows环境下编译FFmpeg支持Nvidia Cuda的部分。用户可能是在Windows系统下操作，但问题中没有明确说明，可能需要先确认系统环境，但根据用户提供的引用，可能以Windows为主，但也要考虑Linux的可能。接下来，我需要整理编译FFmpeg与CUDA的一般步骤。通常，编译过程涉及获取源码、安装依赖、配置编译选项、编译安装等步骤。需要确保FFmpeg版本与CUDA兼容，这可能涉及到查找官方文档或社区资源。例如，用户提到的引用[2]中的博客可能提供了具体的配置参数，比如启用CUDA的选项。然后，需要明确CUDA在FFmpeg中的作用，主要是硬件加速编解码，比如使用nvenc进行编码。因此，编译时需要启用相关的编码器，如h264_nvenc、hevc_nvenc等。同时，需要确保安装正确版本的NVIDIA驱动和CUDA工具包。可能的挑战包括依赖项的正确安装，比如确保CUDA的路径被正确识别，编译工具链（如gcc或MSVC）的版本兼容性，以及解决编译过程中出现的错误。例如，在Windows上可能需要使用MSYS2或Cygwin环境，或者在Linux上使用适当的包管理器安装依赖。另外，用户可能遇到的问题包括版本不匹配，如FFmpeg版本过旧不支持最新的CUDA版本，或者编译选项错误导致CUDA支持未被正确启用。因此，需要强调检查配置步骤，验证CUDA是否被正确集成。最后，生成相关问题时要围绕编译步骤、验证方法、常见问题解决、跨平台差异和应用场景展开，帮助用户进一步理解相关主题。</think>### 如何使用 CUDA 编译 FFmpeg #### 1. **环境准备** - **操作系统**：支持 Windows/Linux（以 Windows 为例）[^2] - **安装依赖工具**： - **MSYS2**（Windows）或 **gcc/clang**（Linux）：提供编译环境 - **CUDA Toolkit**：需与 NVIDIA 显卡驱动版本匹配 - **FFmpeg 源码**：建议从官方仓库克隆最新版本 ```bash git clone https://git.ffmpeg.org/ffmpeg.git ``` #### 2. **配置编译选项** - 在编译配置中启用 CUDA 相关功能： ```bash ./configure \ --enable-cuda \ --enable-cuvid \ --enable-nvenc \ --enable-nonfree \ --enable-libnpp \ --extra-cflags=-I/usr/local/cuda/include \ --extra-ldflags=-L/usr/local/cuda/lib64 ``` 注意：路径需根据实际 CUDA 安装位置调整[^2]。 #### 3. **编译与安装** ```bash make -j$(nproc) # Linux 使用多线程编译 make install ``` #### 4. **验证 CUDA 支持** ```bash ffmpeg -hwaccels | findstr cuda # Windows ffmpeg -hwaccels | grep cuda # Linux ``` 若输出包含 `cuda`，则 CUDA 支持已启用。 #### 5. **使用 CUDA 加速功能** - **编码示例**（H.264 使用 NVIDIA NVENC）： ```bash ffmpeg -i input.mp4 -c:v h264_nvenc -preset fast output.mp4 ``` ---