常见的码率控制模式CBR、VBR、CRF和Capped-CRF

每次在使用H.264、HEVC、VP9或者AV1等面向分发的编解码器对视频文件进行编码时，你都要选择一种码率控制机制来控制码率、整体质量、瞬态质量和编码成本。常见的码率控制模式包括CBR、VBR、CRF和Capped-CRF。本篇文章将向大家介绍这些模式的工作原理，它们各自的优点和缺点，如何以及何时实现它们。

我们要讨论的前两个模式，CBR（恒定码率编码）和VBR（可变码率编码）几乎可用于每一个分发出来的编码器。后两个模式CRF（恒定码率系数）和Capped CRF（上限恒定码率系数）可用于FFmpeg中的x264、x265、libvpx-VP9和libaom-AV1，但本文中只讨论x264。

在本文的讨论中，我将用到三个文件：

测试文件（Test）:这个两分钟的短片包括30秒的人物对着镜头讲话的视频和30秒的芭蕾舞视频，分别重复两次。

足球视频：这是一个两分钟的含有大量动作（高帧率）的足球测试视频，其中既有高帧率的区域，又有低帧率的区域。

人物近距离讲话视频：这是一个两分钟的慢动作（低帧率）人物近距离讲话视频。

每当你为了分发视频（而非为了存档或者转码上传文件）而编码视频文件时，你都应该考虑到五个因素：兼容性、整体质量、瞬态质量、可传输性和编码成本。下面是对这五个因素的简单描述：

兼容性：当把视频传输给播放器，它能解码和播放文件吗？这里我们讨论的是H.264，它几乎可以和任何播放器兼容。而HEVC、 VP9和AV1都可能存在兼容问题。

整体质量：是指视频文件的整体质量，在本文中，使用计算调和平均数的VMAF测量。

瞬态质量：是指视频文件显示时所可能出现的瞬间质量问题。在本文中，由低帧VMAF或者文件中任意帧的最低VMAF分值测量。

可传输性：向远在天边的观众传输无中断的视频是你应具备的能力。通常情况下，拥有高带宽连接的观众无需担心，但使用3G或类似网络连接传输视频肯定会出现问题

编码成本：涉及多次编码的技术明显增加编码时间，如果你需要为编码farm付费或者使用了很多云厂商的编码基础设施（如AWS Elemental Media Convert），那么两次编码将显著提高成本。

最后，在FFmpeg中，大多数编码工具都部署了x264和x265编解码器，其中有三个开关控制码率，它们分别是：

b:v ：设置整体码率

maxrate：设置最大码率

bufsize ：设置VBV（Video Buffer Verifier，视频缓存检验器）大小。

让我们先从CBR开始。

CBR：恒定码率编码

顾名思义，当你使用CBR（Constant Bitrate Encoding）编码时，意味着你对全部文件都使用了恒定的码率（无论视频文件中场景的复杂度如何）。当使用FFmpeg编码时，你可以通过对b:v、maxrate和bufsize使用相同的数据率实现CBR，如下所示：

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

在测试文件中，交替播放30秒人物近距离讲话和30秒芭蕾舞的视频内容，CBR编码文件如图1（在Bitrate Viewer中）。如果你仔细观察，你会看到跟踪平均码率的蓝色波浪线在码率5000kbps左右徘徊。

在右侧，你可以看到平均码率为4938kbps，峰值码率为6013kbps，高出平均码率约20%。大多数编码器软件中，CBR的显示都不是一条直线，但相比于下文的其他控制技术，它的可变性明显更小。

图1 使用CBR编码的测试文件

我们稍后将回顾CBR的质量影响。

从可传输性的角度来说，CBR的优势非常明显。

如果你将直播视频通过固定码率连接上传到云，或者通过受限连接将视频发送给遥远的观看者，那么视频流缺乏可变性将确保其不会中断。CBR也是单Pass（Single-Pass）技术，这意味着它的成本要比接下来讨论的VBR低。

VBR：可变码率编码

VBR（Variable Bitrate Encoding）编码的目的是达到码率目标，但是在播放期间能够根据视频内容的复杂度来调整码率。VBR通常要求2 pass：第一遍扫描视频，识别不同区域的复杂度；第二遍进行实际的编码。

VBR通常通过描述最大码率在目标码率上的变化来进一步明确。你可以称下文中第一个示例为200%受限VBR，因为最大码率为目标码率的两倍；第二个示例为150%受限VBR，因为最大码率为目标码率的150%；第三个示例为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

图2 使用200%受限VBR编码的测试文件

图2显示了使用200%受限VBR编码的测试文件的码率配置。在交替的慢动作近距离讲话视频与高速动作的芭蕾舞之间，数据波动明显。即使平均码率与CBR相似（分别为5041kbps和4938kbps），但最大码率显著提高（分别为11137kbps和6013kbps）。150%受限VBR视频拥有相似的平均码率（5036kbps）和降低了20%的峰值码率（9090kbps）。

从可传输性角度来说，VBR明显更具挑战，但这只有在受限连接与视频流码率接近时才会出现。如果你正在向美国、欧洲、斯堪的纳维亚地区的观众通过50 mbps或者更高的网速传输5000kbps、1080p的视频，你很可能不会出现任何传输问题。但是如果是向相同地区的观众以40mbps网速传输8K视频，那么使用200%受限VBR就有点吓人了。当然，如果是3G连接上的500kbps 200%受限VBR，那么使用CBR（或110%受限VBR）听起来就好多了。

这一切所带来的质量影响都有哪些？

表1显示了真实世界中足球视频片段所使用的四种模式的得分。平均码率非常相似，峰值码率差异明显。整体VMAF得分非常接近。CBR与最高VBR值之间的分值差小于0.7。

编码模式	平均码率	峰值码率	VMAF	低帧VMAF
CBR	4938	6013	95.17	79.76
200% CVBR	5041	11137	95.69	85.39
150% CVBR	5036	9090	95.80	84.47
110% CVBR	4944	6662	95.57	82.59

表1 码率控制技术的质量影响

最大的不同在低帧分值（审校者注：指以帧的粒度看VMAF分数，其最低单帧VMAF分），即瞬态质量问题的指标，其中CBR比200%受限VBR低了约5.5分。这表示一些观众有可能注意到瞬间出现的问题。有趣的是，在200%受限VBR和150%受限VBR的低帧VMAF之间只有1分之差，150%受限VBR和110%受限VBR之间有两分之差。

为了进一步探索，我对比了莫斯科国立大学视频质量衡量工具中的CBR和200%受限VBR文件（图3）。

上图是整个视频文件播放期间，CBR和200%受限VBR文件的VMAF分值，其中CBR为红色，200%受限VBR为绿色。

下图是上图中突出显示区域的放大图（大致为2100帧到3400帧），红色钟乳石状所表示的帧中的CBR质量明显低于VBR。

图3 使用200%受限VBR编码的测试文件

在图中，你可以在右下角看到Show frame按钮。在这段视频中，使用了相当保守的编码参数，CBR帧和VBR帧之间的区别几乎忽略不计，因为其中最明显的差异只有1~2帧。

其他视频片段中，如果使用较低的码率编码，那么瞬态问题就会更加明显。所以大部分VOD生产商为了避免这些问题选择使用VBR（而非CBR），尤其是在向高带宽观众分发1080p视频时。

有趣的是，Apple在HLS Authoring Specifications中支持了200%受限VBR，其说明如下：“1.30. 对于VOD内容来说，峰值码率不应该超过平均码率的200%。”但是200%受限VBR是否适用于高帧率8K内容（可能需要40mbps才能达到可接受的质量）还有待观察。

现在让我们来总结一下，CBR在成本和可传输性上胜出一筹，而VBR在整体质量上扳回一局。然而，CBR所带来的瞬态质量问题风险却是实实在在的。

CRF：恒定码率系数

使用CBR和VBR时，你需要选择一个目标码率，编码器会调整视频质量以达到该目标。这种方法的问题是，如果你对所有视频片段使用了相同的码率阶梯，那么就会在容易编码的视频（如近距离讲话视频）上浪费很多不必要的带宽。

图4显示了使用200%受限VBR编码、目标码率为5mbps（与足球视频相同）的近距离人物讲话视频。平均码率和峰值码率与上面的足球视频一致，但是VMAF分值为97.61。

研究显示，VMAF值一旦超过93分，观众便无法感知。这也是我推荐生产商把VMAF目标值设置为95作为上限的原因。如下图所示，使用该视频，你可以减少至少60%的码率，但仍然能够达到VMAF 95的目标。

图4 VBR编码的问题在于，即使对于该视频来说数据率和质量水平过高，它也会达到目标码率

所以，当使用CBR和VBR编码时，编码器会调整所需的视频质量进而达到目标码率。相比之下，使用CRF编码（Constant Rate Factor Encoding，一种单pass编码模式），你选择一种目标质量，编码器会通过调整码率达到该质量水平。CRF值分布为从0到51，数值越低，质量越高。使用CRF和FFmpeg编码如下所示：

ffmpeg -i input_file -crf 23 output_file

CRF适用于存档或者生成需上传和转码的mezzanine文件。然而，从可传输性的角度来说，它并不是最理想的方法：因为你并不知道将产生的数据率，直到你编码了文件。

在人物近距离讲话视频中，CRF值22生成了平均码率为1878kbps和VMAF分值为96.29的文件，比VBR编码的码率降低了60%以上，且质量没有明显影响。

然而，在足球视频中，CRF值22产生了10650的平均码率，这对于1080p编码阶梯来说太高了。

如何才能在确保合理码率限制的同时节省可用带宽？将CRF和码率上限组合使用就可以，也就是Capped CRF。

Capped CRF ：上限恒定码率系数

顾名思义，Capped CRF就是将CRF值与码率上限组合使用。相关的命令如下所示：

-crf 22 -maxrate 5000k -bufsize 10000k

图5显示了在人物近距离讲话和芭蕾舞交替出现的视频中，该命令所生成的结果。同样，虽然最大码率不是一条水平直线，但芭蕾舞GOP与5000kbps线非常接近，码率峰值为6302kbps。在操作中，编码器使用CRF值对人物近距离讲话区域进行编码，并在芭蕾舞区域应用Capped CRF。

这与200%受限VBR相比效果如何？

200%受限VBR编码产生了一个平均的VMAF分值：97.30（以及码率5041 kbps）。所以Capped CRF编码节省了约30%带宽，并产生一个96.55的平均VMAF值，与200%受限VBR编码相比，它们之间的差异肉眼无法察觉。然而，如你所见，码率变化显著，所以在使用受限网络连接时，很可能会影响传输能力。

图5 Capped CRF与人物近距离讲话和芭蕾舞交替出现的视频

在含有大量动作的视频中，如足球测试视频中，CRF值在视频中许多区域所产生的码率要高于上限。在这些区域，码率由上限控制，而非CRF值。这种情况下，Capped CRF不会节省太多带宽，因为编码器在不超过上限的情况下生成特定质量的视频区域很少。

表2显示了分别使用200%受限VBR编码和Capped CRF（CRF 22/5 上限）的足球视频的码率数据和VMAF分值。可以看到它们的平均码率相近，但使用了Capped CRF的视频的峰值码率却低很多。平均VMAF分值也非常相似。

表2 足球视频；200%受限VBR vs. Capped CRF

而使用CBR，最主要的差异就是瞬态质量问题的指标——低帧VMAF。图6显示了来自VQMT的对比结果。同样，我在观察主要的钟乳石状所代表的帧的位置时，没有发现明显的差异。

然而，其中CBR只是提高了可传输性，Capped CRF被应用于容易编码的文件中，可以提升可传输性且节省带宽。本质上，这使得Capped CRF成为一种Per-Title编码技术，你可以通过几乎所有基于FFmpeg的编码工具（直播和点播）来实现它。

图6 200%受限VBR与Capped CRF之间的对比

Capped CRF也不是银弹。你应该运行自己的测试文件，然后确定视频中的瞬态问题是否比我在足球视频中看到的更明显。如果瞬态问题很少，而你在考虑使用Capped CRF，这个时候你应该尝试不同的CRF级别（参见：

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

同样，并不是所有编码器和Codec都能够使用CRF和Capped CRF；如果你正在使用第三方的编码器（该编码器并不是基于FFmpeg，且没有使用x264、x265、libvpx-VP9或者libaom-AV1 Codec），那么CRF和Capped CRF就可能不可用。

表3总结了上文讨论的四种编码方法的优点和缺点。

表3 四种码率控制模式对比

审核编辑 ：李倩