Очерки сисадмина Видео и DVB в Linux
Анализ ключевых кадров в видеопотоке с помощью ffprobe
Задержка при старте видео или после перемотки часто связана с редкими ключевыми кадрами. Показываем, как увидеть последовательность кадров через ffprobe и как задать нужный GOP в ffmpeg.
При перемотке файла или переключении онлайн-потока в плеере можно заметить, что иногда воспроизведение начинается сразу, а иногда — после паузы. Причина обычно в ключевых кадрах. Разберём, как они устроены, как увидеть их в потоке и как управлять их частотой.
Как устроены кадры I, P и B
Видеопоток — это последовательность кадров, быстро сменяющих друг друга. Хранить каждый кадр целиком расточительно, поэтому кодеки делят их на типы:
| Тип | Название | Что хранит |
|---|---|---|
| I | ключевой (опорный) | кадр целиком, не зависит от других |
| P | предсказанный | изменения относительно предыдущих кадров |
| B | двунаправленный | изменения относительно предыдущих и последующих кадров |
Между двумя ключевыми кадрами находится группа кадров, которую называют GOP (group of pictures). Пока изменений мало, этого достаточно, но со временем отличий накапливается много или появляются новые объекты, и кодер вставляет следующий ключевой кадр. Если ключевые кадры вставляются слишком редко, изображение может начать «сыпаться» или замирать, а после потери пакета восстанавливается долго.
Отсюда и задержка на старте: пока декодер не получил ключевой кадр, он не может восстановить картинку. Чем длиннее GOP, тем дольше в среднем ждать начала показа при подключении к потоку в произвольный момент.
Просмотр последовательности кадров
Для анализа используют ffprobe из пакета ffmpeg:
ffprobe -i путь_до_видеопотока_или_файла -select_streams v -show_frames -show_entries frame=pict_type -of csv
На выходе появляется поток строк с типами кадров:
frame,I
frame,B
frame,B
frame,P
frame,B
frame,B
Для живого источника, например UDP-потока или устройства /dev/dvb/adapter0/dvr0, вывод идёт в реальном времени. Порядок отображения типов зависит от кодера: B-кадры могут идти группами между опорными.
Чтобы видеть только ключевые кадры и их время, пропустим остальные при декодировании:
ffprobe -v error -skip_frame nokey -select_streams v:0 \
-show_entries frame=pts_time,pict_type -of csv input.ts
Разность значений pts_time в соседних строках — интервал между ключевыми кадрами в секундах. Для быстрой проверки файла можно получить и список с ключевым признаком key_frame:
ffprobe -v error -select_streams v:0 -show_entries frame=key_frame,pts_time -of csv input.mp4
Строка с единицей в поле key_frame — ключевой кадр.
Какой интервал считать нормой
Универсального числа кадров нет: интервал определяется частотой кадров и выбранным временем. Для онлайн-вещания обычно ключевые кадры ставят каждые 1–2 секунды. При 25 кадрах в секунду это 25–50 кадров на группу, при 30 — 30–60. Иногда интервал сознательно увеличивают, чтобы снизить битрейт и сэкономить трафик, но это ухудшает отзывчивость: переключение каналов и перемотка становятся медленнее.
Настройка GOP в ffmpeg
При перекодировании интервал задаётся параметрами энкодера. Для x264 при 25 кадрах в секунду и ключевом кадре раз в 2 секунды:
ffmpeg -i input.ts -c:v libx264 -r 25 -g 50 -keyint_min 50 -sc_threshold 0 \
-c:a aac -f mpegts output.ts
| Параметр | Что делает |
|---|---|
-g 50 |
максимальный интервал между ключевыми кадрами, в кадрах |
-keyint_min 50 |
минимальный интервал, чтобы GOP был стабильным |
-sc_threshold 0 |
отключает вставку ключевых кадров на смене сцены |
Для HLS и DASH важно, чтобы границы сегментов совпадали с ключевыми кадрами. Тогда плеер может начать воспроизведение с любого сегмента и переключаться между качествами без артефактов:
ffmpeg -i input.ts -c:v libx264 -g 50 -keyint_min 50 -sc_threshold 0 \
-c:a aac -f hls -hls_time 2 -hls_list_size 6 playlist.m3u8
Альтернатива фиксированному -g — принудительная вставка ключевых кадров по времени: -force_key_frames "expr:gte(t,n_forced*2)". Этот способ полезен, если частота кадров источника нестабильна.
Если ключевые кадры не нужно менять, а требуется просто скопировать поток без перекодирования (-c copy), интервал останется прежним: ffmpeg сохраняет исходную структуру. Поток с ТВ-тюнера, настроенного по заметке о czap и w_scan, можно проверить тем же способом. Подробнее о параметрах — в документации ffprobe.
Типичные ошибки
- Слишком длинный GOP при низком битрейте. Экономия трафика достигается ценой долгого старта и медленного восстановления после потерь пакетов. Для трансляций с подключением зрителей в произвольный момент лучше держать интервал не более двух секунд.
- Смена сцены вставляет лишние ключевые кадры. Без
-sc_threshold 0энкодер добавит ключевой кадр на каждой резкой смене плана, и сегменты HLS получат разную длину. - Несовпадение частоты кадров и
-g. Если источник даёт переменную частоту кадров, фиксированное число кадров соответствует разному времени. Задайте частоту явно через-rили используйте-force_key_framesпо времени. - Проверка только по началу файла. Интервал может меняться по ходу записи, поэтому анализируйте не первые секунды, а весь поток либо хотя бы несколько участков.
Если после настройки старт всё ещё медленный, проверьте и другие причины: размер буфера плеера, длину сегмента HLS и сетевые задержки. Но именно GOP чаще всего определяет, сколько зритель ждёт первую картинку.
Частые вопросы
Что такое ключевой кадр в видео?
Ключевой кадр, или I-кадр, кодируется целиком и не зависит от соседних. Остальные кадры хранят только изменения относительно других, поэтому декодер не может начать показ без ключевого кадра.
Почему видео стартует не сразу при переключении потока?
Плеер дожидается первого ключевого кадра. Чем реже ключевые кадры в потоке, тем дольше пауза перед началом воспроизведения.
Как проверить интервал ключевых кадров через ffprobe?
Выведите типы кадров командой ffprobe -select_streams v -show_frames -show_entries frame=pict_type -of csv или список времени ключевых кадров с ключом -skip_frame nokey. Разность времени между строками и есть интервал GOP.
Какой интервал ключевых кадров выбрать для стриминга?
Для HLS и онлайн-трансляций обычно используют 1–2 секунды, то есть частота кадров, умноженная на число секунд. Например, при 25 кадрах в секунду это 25–50 кадров между ключевыми.