常见的码率控制模式CBR、VBR、CRF和Capped-CRF

每次使用面向分发的编解码器(如H.264、HEVC、VP9或AV1)对文章文件进行编码时，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。常见的速率控制模式包括CBR、VBR、CRF和Capped-CRF。本文将介绍这些模式的工作原理，各自的优缺点，以及如何和何时实现。

我们将讨论的前两种模式，CBR(恒定比特率编码)和VBR(可变比特率编码)，几乎可以用于所有分布式编码器。FFmpeg中的x264、 x265、 lib vpx-vp9和libaom-AV1可以使用后两种模式CRF(恒定比特率系数)和Capped CRF(上限恒定比特率系数)，但本文只讨论x264。

在本文的讨论中，我将使用三个文件：

测试文件：这个两分钟的短片包括一个30秒的角色对着镜头说话的文章和一个30秒的芭蕾舞文章，文章重复播放两次。

足球文章：这是一个两分钟的足球测试文章，动作很多(高帧率)，既有高帧率区域，也有低帧率区域。

人的文章 Close Talk:这是一个两分钟的文章人慢动作近距离说话(低帧率)。

每当您出于文章分发的目的(而不是为了存档或转码)对文章文件进行编码时，您应该考虑五个因素：兼容性、整体质量、瞬态质量、可传输性和编码成本。以下是对这五个因素的简要描述：

兼容性：文章传输到播放器时，能否解码播放文件？这里说的是H.264，几乎兼容任何播放器。而HEVC、VP9和AV1可能都存在兼容性问题。

整体质量：是指文章文件的整体质量。本文采用VMAF测量来计算谐波平均值。

瞬态质量：指文章文件显示时可能出现的瞬时质量问题。在本文中，它是通过低帧VMAF或文件中任何帧的最低VMAF分数来测量的。

可传播性：就是你把不间断的文章传输给远方观众的能力。通常，具有高带宽连接的观众不会不用担心，但使用3G或类似的网络连接传输文章时肯定会有问题。

编码：涉及多重编码的技术显著增加了编码时间。如果你需要支付编码农场的费用，或者使用很多云厂商的编码基础设施(比如AWS Elemental Media Convert)，那么两次编码会显著增加成本。

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比特率。它们是：

B:v:设置整体码率。

Maxrate:设置最大码率。

Bufsize:设置VBV(文章缓冲验证器)的大小。

让让我们从案例推理开始。

恒定比特率编码

顾名思义，当你使用CBR(恒定比特率编码)编码时，意味着你对所有文件使用恒定的比特率(不管文章文件中场景的复杂程度)。使用FFmpeg编码时，可以通过对b:v、maxrate和bufsize使用相同的数据速率来实现CBR，如下所示：

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

在测试文件中，30秒字符的文章内容的亲密对话和30秒的芭蕾舞交替播放。CBR编码文件如图1所示(在比特率查看器中)。如果你仔细观察，你会看到蓝色波浪线跟踪平均比特率徘徊在5000kbps左右。

右边可以看到平均比特率为4938kbps，峰值比特率为6013kbps，比平均比特率高出20%左右。在大多数编码器软件中，CBR的显示不是一条直线，但其可变性明显小于下面的其他控制技术。

图1 CBR编码的测试文件

稍后我们将回顾CBR对质量的影响。

从可移植性的角度来看，CBR的优势是显而易见的。

如果通过固定比特率的连接将文章文章上传到云端，或者通过受限的连接发送给远处的观众，文章流的可变性不足将确保它不会被中断。CBR也是一种单程(single-Pass)技术，这意味着它的成本比VBR接下来讨论的要低。

VBR:可变速率编码

VBR(可变比特率编码)编码的目的是实现码率目标，但在播放期间可以根据文章内容的复杂性调整码率。VBR通常要求2关：第一遍扫描文章，识别不同区域的复杂程度；第二次执行实际编码。

VBR通常通过描述目标比特率下最大比特率的变化来进一步定义。低于200%的受限VBR可以调用第一个例子，因为最大比特率是目标比特率的两倍；第二个例子是150%受限VBR，因为最大比特率是目标比特率的150%；第三个例子是110%受限的VBR。

-b:v 5000k-maxrate 10000k-bufsize 10000k-b:v 5000k-maxrate 7500k-bufsize 7500k-b:v 5000k-maxrate 5500k-bufsize 5500k

图2用200%受限VBR编码的测试文件

图2显示了用200%受限VBR编码的测试文件的码率配置。在交替的慢动作短距离语音文章和高速芭蕾之间，数据波动明显。即使平均比特率与CBR相似(分别为5041kbps和4938kbps)，最大比特率也有显著提高(分别为11137kbps和6013kbps)。50%受限VBR文章具有相似的平均比特率(5036kbps)和20%降低的峰值比特率(9090kbps)。

从传输速率的角度来看，VBR显然更具挑战性，但这只会发生在受限连接接近文章流比特率的情况下。如果你正在以50 mbps或更高的网速向美国、欧洲和斯堪的纳维亚的观众传输5000kbps和1080p的文章，你很可能赢了没有任何传输问题。但是，如果8K文章以40mbps的速度传输给同一地区的观众，那么使用200%受限VBR就有点吓人了。当然，如果是3G连接上500kbps 200%受限VBR，那么用CBR(或者110%受限VBR)听起来要好得多。

所有这些对质量有什么影响？

表1显示了现实世界足球文章剪辑中使用的四种模式的得分。平均比特率非常相似，峰值比特率明显不同。整体VMAF评分非常接近。CBR和最高VBR之间的差异小于0.7。

平均编码率峰值编码率VMAF低帧vmafcbr 4938601395 . 1779 . 76200% cvbr 50411113795

表1速率控制技术的质量影响

最大的区别在于帧分低(reviewer s注：VMAF评分是基于帧的粒度的最低单帧VMAF评分)，是瞬态质量问题的指标，其中CBR比200%受限VBR低5.5分左右。意味着有些观众可能会注意到瞬间出现的问题。有趣的是，200%受限的VBR和150%受限的VBR之间只有一点区别以及150%受限的VBR和110%受限的VBR之间的两点差异。

为了进一步探索，我在莫斯科国立大学比较了CBR和200%受限的VBR档案的文章质量测量工具(图3)。

上图显示了整个文章文件播放期间，CBR和200%受限VBR文件的VMAF评分，其中CBR为红色，200%受限VBR为绿色。

下图是上图中高亮区域的放大图(大概2100帧到3400帧)。以红色钟乳石为代表的画面CBR质量明显低于VBR。

图3用200%受限VBR编码的测试文件

在图中，您可以看到右下角的“显示帧”按钮。在这个文章中，使用了相当保守的编码参数，CBR帧和VBR帧的差别几乎可以忽略不计，因为最明显的差别只有1~2帧。

在其他文章剪辑中，如果使用较低的码率，瞬变问题会更加明显。因此，大多数VOD制造商选择使用VBR(而不是CBR)来避免这些问题，尤其是在向高带宽观众分发1080p文章时。

有趣的是，苹果在HLS创作规范中支持200%受限VBR，解释如下：1.30.对于VOD内容，峰值比特率不应超过平均比特率的200%。"但200%受限VBR是否适合高帧率的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，让综上，CBR在成本和可移植性上胜出，VBR在整体质量上扳回一局。然而，由CBR引起的短暂质量问题的风险是真实的。

恒定码率系数

在使用CBR和VBR时，您需要选择一个目标比特率，编码器将调整文章质量来实现这一目标。这种方法的问题是，如果对所有文章剪辑使用相同的码率阶梯，会在易于编码的文章(如短程语音文章)上浪费大量不必要的带宽。

图4示出了使用200%受限VBR编码的近距离角色的语音文章，并且目标比特率是5mbps(与足球文章相同)。平均比特率和峰值比特率与上述足球文章一致，但VMAF得分为97.61。

研究表明，一旦VMAF值超过93，观众就我察觉不到。那这就是为什么我建议制造商将VMAF目标值设置为95作为上限。如下图所示，有了这个文章，你至少可以降低60%的码率，但仍然可以达到VMAF 95的目标。

图4中VBR编码的问题是，即使文章的数据速率和质量水平太高，它也会达到目标比特率。

因此，当使用CBR和VBR编码时，编码器将调整所需的文章质量以达到目标比特率。相比之下，使用CRF(恒定速率因子编码)，您选择一个目标质量，编码器将通过调整比特率来达到该质量水平。CRF值从0到51分布，值越低，质量越高。使用CRF和FFmpeg的编码如下：

ffmpeg -i输入文件-crf 23输出文件

CRF适用于归档或生成需要上传和转码的夹层文件。但是，从可转让性的角度来看，它并不是最理想的方法：因为你不在对文件进行编码之前，我们不知道将会产生的数据速率。

在短距离语音文章中，CRF值为22生成的文件平均比特率为1878kbps，VMAF评分为96.29，比VBR编码低60%以上，质量无明显影响。

但是在足球文章中，CRF值为22产生的平均码率为10650，对于1080p的编码阶梯来说太高了。

如何在保证合理速率限制的同时，节省可用带宽？结合码率上限即封顶CRF使用CRF就足够了。

上限CRF:上限恒定码率系数

顾名思义，Capped CRF是CRF值和码率上限的组合。相关命令如下：

-CRF 22-maxrate 5000k-bufsize 10000k

图5显示了该命令在文章中生成的结果，其中角色近距离说话，芭蕾交替出现。同样，虽然最大比特率不是水平直线，但芭蕾GOP已经非常接近5000kbps的线，峰值比特率为6302kbps。在操作中，编码器使用CRF值来编码人的近距离语音区域，并将封顶的CRF应用于芭蕾区域。

这与200%受限的VBR相比如何？

200%受限VBR编码产生97.30的平均VMAF分数(以及5041 kbps的码率)。因此，封顶CRF编码节省了大约30%的带宽，并且产生了96.55的平均VMAF值。与200%受限VBR编码相比，它们之间的差别肉眼是察觉不到的。但是，如您所见，码率变化很大，因此在使用受限网络连接时，很可能会影响传输容量。

图5带帽CRF与字符交替的文章亲密交谈和芭蕾

在动作量大的文章中，比如足球测试文章，文章中很多区域的CRF值生成的码率都高于上限。在这些区域，码率由上限控制，而不是由CRF值控制。在这种情况下，封顶的CRF赢了因为由编码器生成的具有特定质量的文章区域很少不超过上限。

表2显示了分别使用200%受限VBR编码和上限CRF(CRF 22/5上限)的足球文章的码率数据和VMAF得分。可以看出，它们的平均比特率相似，但使用Capped CRF的文章的峰值比特率要低得多。平均VMAF分数也很相似。

表2足球文章；200%限制性VBR对上限CRF

而使用CBR，主要区别是瞬态质量问题的指标：——低帧VMAF。图6显示了来自VQMT的比较结果。同样，当我观察主钟乳石所代表的框架位置时，也没有发现明显的区别。

但CBR只是提高了可移植性，Capped CRF应用于易于编码的文件，可以提高可移植性，节省带宽。本质上，这使得Capped CRF成为一种按标题编码的技术，你可以通过几乎所有基于FFmpeg(文章和点播)的编码工具来实现。

图6 200%限制性VBR和上限通用报告格式之间的比较

封顶的CRF也不是银弹。您应该运行自己的测试文件，然后确定文章中的瞬态问题是否比我在足球文章中看到的更明显。如果短暂的问题很少发生，并且您正在考虑使用Capped CRF，此时您应该尝试不同的CRF水平(参见：

https://streaminglearningcenter . com/learning/choose-the-optimal-CRF-value-for-capped-CRF-encoding . html).

类似地，不是所有编码器和编解码器都可以使用CRF和Capped CRF；如果您使用的是第三方编码器(不是基于FFmpeg，并且不使用X264、 X265、 libvpx-VP9或libaom-AV1编解码器)，则CRF和Capped CRF可能不可用。

表3总结了上述四种编码方法的优缺点。

表3四种速率控制模式的比较

编辑：李倩