Video Engineering · Phần 7 — Filtergraph và video rendering với FFmpeg

Xây renderer bằng filtergraph: scale, crop, pad, overlay, drawtext, burn subtitle và mix audio; đồng thời quản lý pad, timestamp, aspect ratio và encoding đầu ra.

JUL 12, 2026 8 MIN READ

Một renderer video không nhất thiết là ứng dụng có timeline kéo-thả. Cần phân biệt hai nghĩa trong series: playback renderer/compositor ở Phần 2 chọn frame đã decode để trình bày realtime; còn bài này xây một offline render pipeline nhận video, ảnh, chữ, subtitle và audio, compose theo timeline rồi encode thành file mới. FFmpeg filtergraph cho ta mô hình thứ hai bằng CLI.

Bài này dựng một clip dọc 1080×1920 từ fixture ngang, thêm logo, text, subtitle và nhạc nền. Quan trọng hơn output cuối cùng là cách đọc graph: mỗi label là một pad có loại dữ liệu và timeline cụ thể.

1. Chuẩn bị fixture cục bộ

Tạo clip chính 12 giây có video test và âm thanh 440 Hz:

ffmpeg -hide_banner -y -f lavfi -i "testsrc2=size=1280x720:rate=30:duration=12" -f lavfi -i "sine=frequency=440:sample_rate=48000:duration=12" -map 0:v:0 -map 1:a:0 -c:v libx264 -pix_fmt yuv420p -preset veryfast -crf 20 -c:a aac -b:a 128k scene.mp4

Tạo một ảnh logo màu xanh có alpha:

ffmpeg -hide_banner -y -f lavfi -i "color=c=0x22c55e@0.85:s=240x80:d=1,format=rgba" -frames:v 1 -update 1 logo.png

Tạo subtitle SRT mà không cần editor:

printf '%s\n' '1' '00:00:00,500 --> 00:00:04,000' 'Renderer là một media graph' '' '2' '00:00:05,000 --> 00:00:09,000' 'Mỗi label là một pad dữ liệu' '' > ve07-captions.srt

Ta sẽ tạo nhạc nền bằng lavfi ngay trong lệnh render, nên không cần thêm file. Kiểm tra các filter có trong build:

ffmpeg -hide_banner -filters

drawtext thường cần FreeType/fontconfig; subtitles cần libass. Nếu build thiếu chúng, FFmpeg sẽ báo “No such filter”. Đây là khác biệt build-time, không phải lỗi cú pháp graph.

2. Filter đơn giản và filter phức tạp

-vf mô tả một video filterchain có một input và một output:

ffmpeg -hide_banner -y -i scene.mp4 -vf "scale=640:360,format=yuv420p" -c:v libx264 -crf 21 -preset medium -c:a copy scaled.mp4

Dấu phẩy nối filter tuần tự: frame đi qua scale, rồi format. -af làm điều tương tự cho audio.

Khi có nhiều input, nhiều nhánh hoặc nhiều output pad, dùng -filter_complex. Cú pháp khái niệm:

[input pad] filter,filter [named pad];
[another input] filter [another pad];
[named pad][another pad] combining-filter [output pad]

Input pad như [0:v] nghĩa là video từ input 0. Label như [base] do ta đặt, không phải tên đặc biệt. -map "[vout]" nối pad cuối tới output file.

3. Fit bằng scale + pad

Muốn đưa video 16:9 vào canvas dọc mà không cắt nội dung:

ffmpeg -hide_banner -y -i scene.mp4 -vf "scale=w=1080:h=1920:force_original_aspect_ratio=decrease:force_divisible_by=2,pad=1080:1920:(ow-iw)/2:(oh-ih)/2:color=black,setsar=1" -c:v libx264 -crf 21 -preset medium -pix_fmt yuv420p -c:a copy portrait-fit.mp4

scale thu/phóng tới kích thước lớn nhất vẫn nằm trong 1080×1920. pad tạo canvas đúng kích thước và đặt hình vào giữa. setsar=1 chuẩn hóa sample aspect ratio để pixel vuông; nó không thay đổi display aspect bằng cách kéo giãn frame.

Với input ngang, kết quả có vùng trống lớn trên/dưới. Đó là lựa chọn “fit”: giữ toàn bộ nội dung.

4. Fill bằng scale + crop

Muốn lấp kín canvas và chấp nhận cắt hai bên:

ffmpeg -hide_banner -y -i scene.mp4 -vf "scale=w=1080:h=1920:force_original_aspect_ratio=increase:force_divisible_by=2,crop=1080:1920:(iw-ow)/2:(ih-oh)/2,setsar=1" -c:v libx264 -crf 21 -preset medium -pix_fmt yuv420p -c:a copy portrait-fill.mp4

increase bảo đảm cả hai chiều sau scale không nhỏ hơn canvas; crop lấy vùng giữa. Đây là “center crop”, chưa phải smart crop. Với phỏng vấn, chủ thể lệch trái có thể bị cắt mất; renderer production cần focal point từ người dùng, face tracking hoặc metadata vùng quan tâm.

Đừng viết scale=1080:1920 trực tiếp nếu mục tiêu là giữ tỉ lệ. Cách đó ép mọi input thành 9:16 và làm mặt người méo.

5. Overlay và framesync

overlay nhận hai video input: base và lớp phủ. Ví dụ nhanh:

ffmpeg -hide_banner -y -i scene.mp4 -loop 1 -i logo.png -filter_complex "[0:v][1:v]overlay=x=W-w-32:y=32:shortest=1[v]" -map "[v]" -map 0:a:0 -c:v libx264 -crf 21 -preset medium -pix_fmt yuv420p -c:a copy with-logo.mp4

-loop 1 là input option của ảnh, nên đứng trước -i logo.png. Biến W/H là kích thước main input; w/h là kích thước overlay. shortest=1 kết thúc output overlay khi input ngắn nhất kết thúc. Nếu ảnh không loop, nó chỉ có một frame; tùy timestamp và framesync option, logo có thể biến mất hoặc graph kết thúc sớm.

Khi input có timestamp bắt đầu khác 0, chuẩn hóa trước:

[0:v]setpts=PTS-STARTPTS[base];
[1:v]setpts=PTS-STARTPTS[logo];
[base][logo]overlay=32:32[vout]

setpts không “sửa mọi lỗi sync”; nó cố ý đặt lại gốc timeline. Chỉ dùng khi semantics của composition thực sự muốn các nguồn cùng bắt đầu tại 0.

6. Drawtext và subtitle là hai bài toán khác nhau

drawtext phù hợp với title, watermark, timecode hoặc dữ liệu động:

ffmpeg -hide_banner -y -i scene.mp4 -vf "drawtext=font='Sans':text='Video Engineering':x=48:y=h-th-48:fontsize=42:fontcolor=white:box=1:boxcolor=black@0.55:boxborderw=16" -c:v libx264 -crf 21 -preset medium -pix_fmt yuv420p -c:a copy title-card.mp4

Ví dụ dùng tên font generic để ngắn gọn, nhưng renderer production nên đóng gói font có license và truyền fontfile rõ ràng. Font fallback khác nhau có thể thay đổi kích thước chữ, line break và cả glyph tiếng Việt.

subtitles parse SRT/ASS qua libass và burn chữ vào pixel:

ffmpeg -hide_banner -y -i scene.mp4 -vf "subtitles=filename='ve07-captions.srt':force_style='FontName=Sans,FontSize=22,Outline=1'" -c:v libx264 -crf 21 -preset medium -pix_fmt yuv420p -c:a copy burned-subtitles.mp4

Sau khi burn, subtitle không còn là track có thể bật/tắt. Nếu cần accessibility, localization hoặc nhiều ngôn ngữ, hãy giữ subtitle mềm trong container/player; Phần 8 xử lý trường hợp đó.

Đường dẫn chứa dấu nháy, dấu hai chấm hoặc backslash cần escape ở cả tầng shell và tầng filter parser. Cách ít lỗi nhất là dùng tên file tương đối đơn giản hoặc sinh filter script riêng cho graph lớn.

7. Mix audio có chủ đích

Audio mix không nên chỉ cộng hai tín hiệu ở full volume vì dễ clipping. Ví dụ trộn audio gốc với tone nền nhỏ:

ffmpeg -hide_banner -y -i scene.mp4 -f lavfi -i "sine=frequency=220:sample_rate=48000:duration=12" -filter_complex "[0:a]volume=1.0[main];[1:a]volume=0.10[music];[main][music]amix=inputs=2:duration=first:dropout_transition=2,alimiter=limit=0.95[aout]" -map 0:v:0 -map "[aout]" -c:v copy -c:a aac -b:a 160k mixed-audio.mp4

Video được copy, audio được decode → filter → encode. duration=first lấy thời lượng audio chính làm chuẩn; alimiter hạn chế peak sau mix. Đây chưa phải loudness mastering. Với nội dung xuất bản, đo LUFS bằng loudnorm và dùng quy trình two-pass nếu cần loudness nhất quán.

Muốn duck nhạc theo lời nói cần sidechain compression, không phải một volume=0.1 cố định. Bắt đầu bằng mix đơn giản để graph đúng trước, rồi mới thêm dynamics processing.

8. Ghép renderer hoàn chỉnh

Lệnh sau kết nối tất cả node. Chuỗi -filter_complex được đặt trong một cặp nháy kép; newline bên trong vẫn là một argument shell:

ffmpeg -hide_banner -y -i scene.mp4 -loop 1 -i logo.png -f lavfi -i "sine=frequency=220:sample_rate=48000:duration=12" -filter_complex "
[0:v]scale=w=1080:h=1920:force_original_aspect_ratio=decrease:force_divisible_by=2,pad=1080:1920:(ow-iw)/2:(oh-ih)/2:color=0x111827,setsar=1[base];
[1:v]format=rgba,colorchannelmixer=aa=0.85[logo];
[base][logo]overlay=x=W-w-48:y=48:shortest=1,drawtext=font='Sans':text='Video Engineering':x=48:y=h-th-56:fontsize=44:fontcolor=white:box=1:boxcolor=black@0.55:boxborderw=14,subtitles=filename='ve07-captions.srt':force_style='FontName=Sans,FontSize=18'[vout];
[0:a]volume=1.0[main];
[2:a]volume=0.10[music];
[main][music]amix=inputs=2:duration=first:dropout_transition=2,alimiter=limit=0.95[aout]
" -map "[vout]" -map "[aout]" -c:v libx264 -preset medium -crf 21 -pix_fmt yuv420p -c:a aac -b:a 160k -movflags +faststart -shortest rendered.mp4

Đọc graph theo năm bước:

[0:v] thành canvas [base].
[1:v] chuẩn hóa alpha thành [logo].
Base + logo → drawtext → subtitles → [vout].
Audio chính và nhạc được gain, mix, limit → [aout].
Hai pad cuối được map, encode và mux vào MP4.

Renderer production thường tách graph thành các phase: normalize input, timeline edit, visual composition, audio mix, output encode và verification. Tách tư duy như vậy giúp tìm lỗi nhanh hơn một chuỗi filter khổng lồ.

9. Chất lượng và hiệu năng

Scale về kích thước làm việc sớm nếu các overlay sau không cần full resolution.
Tránh đổi RGB ↔ YUV hoặc 8-bit ↔ 10-bit nhiều lần; xác định pixel/color pipeline trước.
Hardware decoder không đảm bảo toàn graph ở GPU. Một software-only filter có thể kéo frame về RAM, làm mất lợi ích.
-preset đổi trade-off tốc độ/nén của encoder, không sửa graph sai.
Luôn probe output và xem vài frame ở đầu, giữa, cuối. Kiểm tra cả audio peak, subtitle glyph và duration.

Để render một đoạn ngắn khi lặp graph, dùng input nhỏ hoặc giới hạn output bằng -t. Tối ưu sau khi kết quả đúng và có benchmark, không dựa trên cảm giác.

Failure checklist

Bài tập

1. Tạo hai output dọc từ scene.mp4: một bản fit có nền xanh đậm, một bản fill center-crop. Chụp frame giữa và giải thích phần nội dung bị giữ/cắt.

2. Di chuyển logo qua bốn góc bằng biểu thức W, H, w, h. Thử bỏ -loop 1 để quan sát framesync.

3. Đổi audio nền thành 0.5 rồi bỏ limiter. Dùng astats hoặc meter phù hợp để kiểm tra peak; không chỉ nghe bằng tai.

Nâng cao: thêm một input portrait khác, chuẩn hóa timestamp bằng setpts, rồi dùng enable='between(t,3,7)' để overlay nó trong bốn giây. Viết graph ra giấy trước khi gõ lệnh.

Đọc thêm

Bài kế tiếp

Phần 8 — Cắt, nối video và quản lý audio/subtitle đúng cách