2024年，将相册里的视频压缩为AV1编码

手机相册里拍摄的视频越来越多，占用了大量储存空间。为了释放空间，我将拍摄的所有视频压缩为AV1编码，同时尽可能避免视频中的信息损失。在此简要记录过程。

我选择使用libsvtav1软件编码器进行AV1编码，因为：

大部分设备和软件都已经支持解码AV1视频；
libaom和librav1eAV1编码器速度太慢；
我没有设备支持硬件AV1编码，而libsvtav1软件编码器的速度已经可以接受：在我的笔记本（CPU：AMD R7 6800H）上，使用中等预设编码1080P视频，平均速度可达18.7fps；
同等耗时和画质，libsvtav1的码率明显小于libx264和libx265。

音频使用libopus编码器，这是普遍认为音质最佳的有损编码器，并且受大部分设备和软件支持。

我没有启用硬件加速编解码，因为我感觉AMD的集显很不可靠（在我的电脑上，有时硬解播放2K H.264的视频，画面都可能出现马赛克/花屏；软解正常）。

我使用的转码脚本（Windows 命令提示符）：

for %%i in (*.mp4) do ffmpeg -hide_banner -benchmark -i "%%i" -c:v libsvtav1 -crf 31 -preset 4 -pix_fmt yuv420p10le -svtav1-params tune=0:keyint=10s:film-grain=8 -c:a libopus -b:a 128k -movflags use_metadata_tags+faststart -map_metadata 0 "%%~ni.mkv"

使用方法：在配置好FFmpeg环境变量的情况下，将上方的代码保存为cmd格式，放入所有视频文件所在的文件夹并执行。

使用此脚本压缩我拍摄的所有视频，最后统计得出：文件体积累计减小了63.5%。

下面是参数的详细解析：

for %%i in (*.mp4) do

遍历当前文件夹内的所有mp4格式视频。

-crf 31

默认值：35；取值区间：[1, 63]；值越大，码率越低。

为了减少压缩带来的信息损失，我选择的值是31。

-preset 4

默认值：10；取值区间：[-1, 13]；值越大，编码速度越快，但画质越低，码率越高。

对于视频压缩，可取的值是4和6。低于4的值太慢，高于6的值损失较大。为了更好的画质和更小的体积，我选择的是4。

6相比4禁用了这五个特性：Filter intra、Global motion compensation、Wedge prediction、Difference-weighted prediction和Distance-weighted prediction；但收益是：6的编码速度大约是4的2.5倍。

-pix_fmt yuv420p10le

如果不填此项，则像素格式会尽可能保持与原视频一致。yuv420p10le意味着强制将输出视频的像素格式设为10bit的yuv420p，这样做是因为根据文档和实测，即使原视频像素格式是8bit，输出为10bit相比输出为8bit能得到更好的色彩品质和更高的VMAF指标，同时文件体积只会增大约5%。

tune=0

可选择的值有：[0 = 优化视觉质量, 1 = 优化PSNR指标, 2 = 优化SSIM指标]，默认值为1。我选择的值是0。

keyint=10s

指定关键帧距离。如果不填，默认值为“大约5秒”。更长的关键帧距离可以提高压缩率，所以我选择10秒。

film-grain=8

根据文档：

众所周知，与胶片颗粒（或 CCD 噪声）相关的随机图案很难压缩。当原始源中存在颗粒时，通过删除胶片颗粒并将其替换为不占用文件中大量空间的合成颗粒，可以显着提高效率。启用film-grain后，SVT-AV1 对图像进行降噪，将生成的图像与原始图像进行比较，并分析颗粒的性质。然后它会插入具有类似特性的合成颗粒。这可以极大地提高效率，同时保留视觉质量和特征。

去除颗粒的过程有时会删除原始图像中非常精细的细节，因此不应过度使用。传递给film-grain参数的级别控制该过程的使用程度。一般来说，film-grain对于具有正常颗粒量的实景视频来说，8 左右的级别就足够了。噪声较大的视频受益于 10-15 范围内的较高级别。 2-D 动画通常具有较少的颗粒，因此 4 左右的级别适用于标准（手绘）动画。颗粒动画可以受益于高达 10 左右的更高级别。

由于我压缩的视频都是通过手机拍摄的，通常存在噪点，所以启用此功能。实测此功能能明显降低码率，同时保持良好的画质，但会减慢编码速度。

-c:a libopus -b:a 128k

对于立体声音频，编码为opus格式、码率128kbps足以达到感知上无损。

-movflags use_metadata_tags+faststart -map_metadata 0

保留原视频中的元数据（比如拍摄时间、机型、地理位置）；以及优化视频文件，使视频可以被快速加载。

参考资料：
https://gitlab.com/AOMediaCodec/SVT-AV1
https://trac.ffmpeg.org/wiki/Encode/AV1
https://ottverse.com/analysis-of-svt-av1-presets-and-crf-values/
https://gist.github.com/mrintrepide/b3009f5d0f08d437ebbb4c17cbf36e18

@tasy5kg，以前我转 AVIF 照片时，意外发现，像素格式是 12bit 的话，体积会比 8bit、10bit 下降很多。。

但是 Windows 只支持 8bit 的。。不高兴

@tasy5kg，我的意思是，AVIF 也是 AV1 编码的。

说不定你转视频时，也用 12bit，会发现体积又瞬间小一些了呢？（好像有 20% ？）

@tasy5kg，另外，好像 webp、HEIF、AVIF，都支持动图？

@tasy5kg，诶，K40 不是天生支持 HEIF 吗？直接用这个，压缩率就能挺高了的吧？

另外，尝试 12bit 了吗？体积有进一步下降吗？

@tasy5kg，维基说：

Motion JPEG（……）是一种影像压缩格式，其中每一帧图像都分别使用JPEG编码。

看来那个动态照片，就是一堆 jpg 绑在一起。。怪不得尺寸这么大。。

我找了半个钟，没找到怎么转成视频的办法。。

@tasy5kg，看了看文档，libsvtav1 确实只支持 8/10 bit。。

但 avifenc 支持 12 bit。我搜索论坛里的 mp4 文件，选了其中三个，试了试转成动图，确实 12 bit 能比 8 bit 再小 20% 左右。

image.png（13.77 KB）

转码脚本（Windows 下可用 600KB 的 busybox-w32 来运行，要求 PATH 处能找到 ffmpeg、avifenc）：

speed=5
quality=50

for file in *.mp4; do
    for depth in 8 10 12; do
        ffmpeg -v quiet -i "$file" -strict -1 -pix_fmt "yuv420p$( [[ $depth == 8 ]] && echo '' || echo "${depth}le" )" -f yuv4mpegpipe - |
        avifenc -q "$quality" -s "$speed" --min 0 --max 63 --stdin "${depth}bit_${speed}s_${quality}q_${file%.*}.avif"
    done
done

文件所在帖子：