FFmpeg查看所有支持的编码/解码器/封装/解封装/媒体格式/滤镜

原创 已于 2024-03-16 15:59:35 修改 · 3.2k 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#ffmpeg

于 2024-03-16 15:59:19 首次发布
本文详细介绍了FFmpeg工具中各种编码器、解码器、封装器、解封装器以及滤镜的查看方法，特别是针对H264的支持。此外，还涵盖了媒体格式的相关内容。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

查看所有支持的编码器与解码器 

ffmpeg -codecs

 只查看所有编码器:

ffmpeg -encoders

只查看所有解码器:

ffmpeg -decoders

 

只查看H264编码器:

ffmpeg -h encoder=h264

只查看H264解码器:

ffmpeg -h decoder=h264

查看所有支持的封装:

ffmpeg -muxers

查看所有支持的解封装:

ffmpeg -demuxers

只查看H264封装:

ffmpeg -h muxer=h264

只查看H264解封装:

ffmpeg -h demuxer=h264

 

查看所有支持的滤镜:

 只查看colorkey滤镜:

ffmpeg -h filter=colorkey

查看所有支持的媒体格式:

 ffmpeg -formats

FFmpeg 视频编码
希望能帮助大家，希望大家多多支持，你们的支持是我前进的动力。
07-25 2182
编码视频数据，如下图所示，将原始的YUV数据编码为H.264或者H.265。
FFmpeg概述及编码支持
DaveBobo的博客
06-02 4875
FFmpeg是一款音视频编解码库，是多媒体开发者的必备技能。FFmepg提供了多种媒体格式的封装和解封装，包括音视频编码、多种协议的流媒体、多种色彩格式转换、多种采样率转换、多种码率转换等。 1 FFmepg的基本组成 FFmpeg框架的基本组成包含AVFormat、AVCodec、AVFilter、AVDevice、AVUtil等模块库。 （1）FFmpeg的封装模块AVFormat ...
FFmpeg 命令详解（完整详细版）
qq_56694800的博客
03-04 2793
FFmpeg 是一个强大的多媒体处理工具，支持音视频转换、剪辑、合并、滤镜、压缩等操作。查看 FFmpeg 支持的输入/输出格式（如 MP4、MKV、MP3、AVI）。列出 FFmpeg 支持的所有编解码器（视频、音频、字幕）。（FFmpeg 会自动选择合适的编解码器）。查看 FFmpeg 版本、编译选项等信息。，帮助你高效使用 FFmpeg。
视频编码与FFmpeg简介
最新发布
zc180248的博客
04-30 1032
FFmpeg是一个开源免费的强大的多媒体处理工具，可以灵活处理你的音视频文件，实现剪辑功能等，包括转换音视频文件格式。python社区也提供了同样强大的ffmpeg-python库来灵活处理媒体文件，现在处理媒体文件不再局限于FFmpeg原始的命令行，你甚至可以灵活使用代码来处理你的音视频文件了。
[ffmpeg] find 编码器
dss875914213的博客
12-03 1227
看了一下 FFCodec 中的结构定义，AVCodec p 是定义在FFCodec 最前面的，所以如果当前使用的 AVCodec 是用FFCodec 创建的，直接强转就能找到对应的 FFCodec 对象。ffmpeg 中所有支持的编码器都会注册到 codec_list.c 文件中，保存在 codec_list 结构体中，既有编码器也有解码器，且该结构体最后一个是 NULL，这样方便 ffmpeg 内部的迭代算法使用。主要是 FF_CODEC_ENCODE_CB，表示这个 codec 是编码器。
FFMPEG: [ 命令 ] ＞查看支持 的解码器,编码器,过滤器等等
总是春的博客
04-18 1518
FFMPEG: [ 命令 ] ＞查看支持 的解码器,编码器,过滤器等等
ffmpeg源码笔记-查找编解码器(一)
qq_39048131的博客
07-10 3721
avcodec_find_encoder_by_name和avcodec_find_encoder
Qt/C++音视频开发80-ffmpeg实现srt推拉流/实时性非常好/音视频同步/支持格式众多
Qt/C++视频监控/推流/物联网/大屏系统/自定义控件/UI定制/输入法
07-31 1923
目前互联网上的视频直播有两种，一种是基于RTMP协议的直播，这种直播方式上行推流使用RTMP协议，下行播放使用RTMP，HTTP+FLV或者HLS，直播延时一般大于3秒，广泛应用秀场、游戏、赛事和事件直播，满足了对交互要求不高的场景；另一种是WebRTC协议的直播，这种直播方式使用UDP的协议进行流媒体的分发，直播延时小于1秒，同时连接数一般小于10个，主要应用在视频通话、秀场连麦等应用场景。
FFmpeg查看支持的封装、编解码器、滤镜(四)
Android系统攻城狮
06-28 2604
ffmpeg在做音视频编解码时非常方便,所以在很多场景下转码使用的是ffmpeg,通过ffmpeg --help可以看到ffmpeg常见的命令大概分为6个部分,具体如下。 ffmpeg信息查询部分 公共操作参数部分 文件主要操作参数部分 视频操作参数部分 音频操作参数部分 字幕操作参数部分 ffmpeg信息查询部分的主要参数具体如下: 通过ffmpeg --help查看到的help信息是ffmpeg命令的基础信息,如果想获得高级参数部分,那么可以通过使用ffmpeg --help long参数
FFmpeg解复用器如何从封装格式中解析出不同的音视频数据
dvlinker的技术专栏
07-26 379
本文讲述FFmpeg解复用器如何从封装格式中解析出不同的音视频数据。
最简单的基于FFMPEG的视频编码器
05-09
FFMPEG工程浩大，可以参考的书籍又不是很多，因此很多刚学习FFMPEG的人常常感觉到无从下手。因此特地分离出了一个简单的视频编码器供学习之用。 该视频编码器实现了YUV420P像素数据编码为H.264码流 尽管该视频编码器的代码十分简单，但是几乎包含了使用FFMPEG编码一个视频所有必备的API。十分适合FFmpeg的初学者。 工程基于VC2010。 使用了2014.5.6版本的FFmpeg类库。
FFMpegdoc.zip_流媒体/Mpeg4/MP4_Visual_C++_
08-11
此外，还要了解如何选择合适的编码器和解码器，以及如何利用FFmpeg提供的过滤器进行视频和音频处理。在Visual C++环境下，需要配置FFmpeg的编译环境，创建动态链接库或静态链接库，并将它们与项目集成。 七、FFmpeg...
如何查看ffmpeg支持的编码器和封装格式
weixin_30413739的博客
06-04 810
查看支持的编码器（也就是-vcodec后面可以接的参数）:ffmpeg -codecs 查看支持的封装格式（也就是-f后面可以接的参数）:ffmpeg -formats 查看支持的滤镜（也就是-vf后面可以接的参数）:ffmpeg -filters 此内容可以在ffmpeg文档3.1部分找到http://www.ffmpeg.org/ffmpeg-doc.html#SEC4 http...
FFmpeg 查看编码器支持的pix_fmt
selivert的博客
08-22 2028
FFmpeg获取编码器支持的pix_fmt
[ffmpeg] 输出当前使用的 ffmpeg 库支持的 h264 编码器
dss875914213的博客
01-02 178
【代码】[ffmpeg] 输出当前使用的 ffmpeg 库支持的 h264 编码器。
【FFmpeg学习】——FFmpeg编码
weixin_55799469的博客
05-23 1112
FFmpeg视频编码过程代码，1：注册组件 2：猜格式编码 3：查找编码器 4：打开编码器 5：写入头帧 6：像素数据编码成码流数据 7：写码流数据 8：结束编码 9：写尾帧 FFmpeg编码数据结构、FFmpeg编码的函数、FFmpeg编码的流程图，配置ffmpeg的环境配置资源。
autogptq
03-11
### 使用 AutoGPTQ 库量化 Transformer 模型 为了使用 `AutoGPTQ` 对 Transformer 模型进行量化，可以遵循如下方法： 安装所需的依赖包是必要的操作。通过 pip 安装 `auto-gptq` 可以获取最新版本的库。 ```bash pip install auto-gptq ``` 加载预训练模型并应用 GPTQ (General-Purpose Tensor Quantization) 技术来减少模型大小和加速推理过程是一个常见的流程。下面展示了如何利用 `AutoGPTQForCausalLM` 类来进行这一工作[^1]。 ```python from transformers import AutoModelForCausalLM, AutoTokenizer from auto_gptq import AutoGPTQForCausalLM model_name_or_path = "facebook/opt-350m" quantized_model_dir = "./quantized_model" tokenizer = AutoTokenizer.from_pretrained(model_name_or_path) model = AutoModelForCausalLM.from_pretrained(model_name_or_path) # 加载已经量化的模型或者创建一个新的量化器对象用于量化未压缩过的模型 gptq_model = AutoGPTQForCausalLM.from_pretrained(quantized_model_dir, model=model, tokenizer=tokenizer) ``` 对于那些希望进一步优化其部署环境中的模型性能的人来说，`AutoGPTQ` 提供了多种配置选项来自定义量化参数，比如位宽(bit-width)，这有助于平衡精度损失与运行效率之间的关系。 #### 注意事项 当处理特定硬件平台上的部署时，建议查阅官方文档以获得最佳实践指导和支持信息。此外，在实际应用场景之前应该充分测试经过量化的模型以确保满足预期的质量标准。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

自由软件开发者

有你的鼓励，我会更加努力。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值