jvinhit//lab

Search posts

Type to search across journal entries.

↑ ↓ navigate ↵ open esc close

Video Engineering · Phần 8 — Cắt, nối video và quản lý audio/subtitle

Chọn đúng giữa stream copy và cắt chính xác, nối bằng concat demuxer hoặc concat filter, rồi bảo toàn metadata, audio và subtitle mà không phá timeline.

8 MIN READ

“Cắt từ 4.25 giây đến 9.75 giây” nghe như thao tác đơn giản trên timeline. Với media compressed, nó là một quyết định kiến trúc: giữ packet để nhanh và không mất chất lượng, hay decode/encode để biên cắt bám theo frame và sample? Audio, subtitle, chapter và timestamp còn làm bài toán khó hơn video đơn track.

Bài này không hứa stream copy chính xác từng frame. Thay vào đó, ta chọn chiến lược theo yêu cầu, kiểm chứng keyframe, rồi nối clip bằng đúng công cụ.

1. Tạo fixture có video, audio và subtitle

Tạo 18 giây video H.264 và audio AAC. GOP cố định 60 frame ở 30 fps cho ta keyframe gần mỗi hai giây:

ffmpeg -hide_banner -y -f lavfi -i "testsrc2=size=1280x720:rate=30:duration=18" -f lavfi -i "sine=frequency=440:sample_rate=48000:duration=18" -map 0:v:0 -map 1:a:0 -c:v libx264 -preset veryfast -crf 20 -pix_fmt yuv420p -g 60 -keyint_min 60 -sc_threshold 0 -c:a aac -b:a 128k source-av.mkv

Tạo ba cue SRT:

printf '%s\n' '1' '00:00:01,000 --> 00:00:05,000' 'Đoạn mở đầu' '' '2' '00:00:06,000 --> 00:00:11,000' 'Đoạn ở giữa' '' '3' '00:00:12,000 --> 00:00:17,000' 'Đoạn kết' '' > ve08-captions.srt

Mux subtitle mềm vào Matroska:

ffmpeg -hide_banner -y -i source-av.mkv -i ve08-captions.srt -map 0:v:0 -map 0:a:0 -map 1:s:0 -c:v copy -c:a copy -c:s srt -metadata title="Cut and concat fixture" -metadata:s:a:0 language=vie -metadata:s:s:0 language=vie -metadata:s:s:0 title="Vietnamese captions" -disposition:a:0 default -disposition:s:0 default source.mkv

Probe trước khi edit:

ffprobe -v error -show_format -show_streams -of json source.mkv

2. Vì sao keyframe quyết định stream-copy cut?

H.264 thường dùng I/P/B-frame. Nhiều frame phụ thuộc frame trước hoặc sau; decoder không thể bắt đầu tùy ý ở một P/B-frame nếu thiếu reference. Keyframe/điểm truy cập ngẫu nhiên là nơi an toàn hơn để bắt đầu decode độc lập.

Liệt kê timestamp các keyframe đã decode:

ffprobe -v error -select_streams v:0 -skip_frame nokey -show_frames -show_entries "frame=best_effort_timestamp_time,pict_type,key_frame" -of csv=p=0 source.mkv

Fixture dự kiến có keyframe quanh 0, 2, 4, 6 giây… nhưng container timestamp và encoder có thể làm giá trị hiển thị khác đôi chút. Với video thật, scene-cut, open GOP hoặc packaging còn khiến khoảng cách không đều.

Stream copy chỉ chuyển compressed packet từ demuxer sang muxer. Nếu yêu cầu bắt đầu ở 4.25 giây, packet video tự đủ dữ liệu gần nhất có thể nằm ở 4 hoặc 6 giây. Muxer có thể thay đổi timestamp đầu ra; nó không tạo được frame mới tại 4.25 giây.

3. Cắt nhanh bằng stream copy

Khi biên đã thẳng keyframe hoặc sai số nhỏ được chấp nhận:

ffmpeg -hide_banner -y -ss 4 -i source.mkv -t 6 -map 0:v:0 -map 0:a:0 -map "0:s:0?" -c copy -map_metadata 0 copy-cut.mkv

-ss 4 đứng trước input nên FFmpeg yêu cầu demuxer seek nhanh. -t 6 là duration của output. Không có filter hay encoder.

Ưu điểm:

  • chạy nhanh và dùng ít CPU;
  • không thêm generation loss;
  • giữ codec bitstream gốc.

Đổi lại, content thực tế ở đầu clip, timestamp và subtitle cue có thể không khớp đúng con số người dùng nhập. Audio có granularity và priming riêng; biên audio không tự động “đúng theo frame video”.

-avoid_negative_ts make_zero có thể dịch timestamp để tránh giá trị âm trong một số output, nhưng nó không làm điểm cắt chính xác hơn. Tương tự, -copyts giữ timestamp gốc và có thể hữu ích trong pipeline chuyên biệt, song không nên thêm theo thói quen: output có thể bắt đầu ở timestamp khác 0 và làm logic downstream bất ngờ.

4. Cắt chính xác bằng decode, trim và encode

Khi biên 4.25 giây là yêu cầu nội dung, dùng filter trên frame/sample đã decode:

ffmpeg -hide_banner -y -i source.mkv -filter_complex "[0:v:0]trim=start=4.25:duration=5.5,setpts=PTS-STARTPTS[v];[0:a:0]atrim=start=4.25:duration=5.5,asetpts=PTS-STARTPTS[a]" -map "[v]" -map "[a]" -c:v libx264 -preset medium -crf 21 -pix_fmt yuv420p -c:a aac -b:a 128k -movflags +faststart exact-cut.mp4

trim chọn video frame trong khoảng; atrim chọn audio sample. Cả hai không tự đặt timestamp về 0, nên setpts và asetpts tạo timeline output mới.

“Chính xác” ở đây nghĩa là chính xác theo frame có sẵn và sample boundary sau decode. Với 30 fps, không tồn tại frame ở mọi số thập phân tùy ý. AAC đầu ra còn có encoder delay/priming được container mô tả. Vì thế hãy kiểm chứng nội dung đầu/cuối và sync, không chỉ nhìn duration được in.

Subtitle không đi qua video/audio trim graph. Muốn giữ subtitle mềm, cần cắt/re-time cue theo timeline mới và xử lý cue giao biên. Burn subtitle trước khi trim là một lựa chọn nếu không cần track bật/tắt; còn sản phẩm đa ngôn ngữ nên có bước xử lý subtitle riêng.

Một kỹ thuật tối ưu nâng cao là encode lại GOP ở hai biên rồi copy phần giữa. Nó chỉ an toàn khi codec parameters, extradata, timestamp và join point tương thích; không nên biến thành một one-liner chung cho mọi file.

5. Concat demuxer: nối các stream tương thích

Concat demuxer đọc danh sách file như một input logic và giữ compressed packet. Tạo hai phần bằng cùng cấu hình video encoder. Riêng audio dùng PCM trong fixture này để tránh encoder delay/priming xuất hiện riêng ở đầu mỗi file AAC:

ffmpeg -hide_banner -y -i source.mkv -filter_complex "[0:v]trim=start=0:duration=4,setpts=PTS-STARTPTS[v];[0:a]atrim=start=0:duration=4,asetpts=PTS-STARTPTS[a]" -map "[v]" -map "[a]" -c:v libx264 -preset veryfast -crf 20 -pix_fmt yuv420p -g 60 -keyint_min 60 -sc_threshold 0 -c:a pcm_s16le part-a.mkv
ffmpeg -hide_banner -y -i source.mkv -filter_complex "[0:v]trim=start=8:duration=4,setpts=PTS-STARTPTS[v];[0:a]atrim=start=8:duration=4,asetpts=PTS-STARTPTS[a]" -map "[v]" -map "[a]" -c:v libx264 -preset veryfast -crf 20 -pix_fmt yuv420p -g 60 -keyint_min 60 -sc_threshold 0 -c:a pcm_s16le part-b.mkv

Tạo manifest và nối:

printf '%s\n' "file 'part-a.mkv'" "file 'part-b.mkv'" > concat.txt
ffmpeg -hide_banner -y -f concat -safe 0 -i concat.txt -map 0 -c copy joined.mkv

Các part cần cùng topology và thông số stream tương thích: codec, codec configuration, resolution, pixel format, sample rate, channel layout và time-base hợp lý. Concat demuxer không resize hay resample để cứu hai file khác nhau. Duration metadata sai ở part cũng có thể tạo gap/overlap timestamp.

PCM làm fixture lớn hơn nhưng có biên sample dễ kiểm chứng. Nếu encode từng part thành AAC riêng, mỗi part có thể mang encoder delay/padding riêng; stream-copy concat sẽ giữ những khoảng đó và làm timeline dài hơn dự kiến. Trong pipeline thật, ưu tiên segment từ cùng một encode liên tục, hoặc decode/concat audio rồi encode một lần ở output nếu cần AAC liền mạch.

-safe 0 cho phép nhiều dạng đường dẫn hơn trong manifest; với danh sách nhận từ người dùng, hãy validate path thay vì bật nó một cách mù quáng.

6. Concat filter: normalize rồi nối

Khi hai input khác resolution hoặc audio sample rate, decode và chuẩn hóa trước:

ffmpeg -hide_banner -y -i first.mp4 -i second.mp4 -filter_complex "[0:v]scale=1280:720:force_original_aspect_ratio=decrease:force_divisible_by=2,pad=1280:720:(ow-iw)/2:(oh-ih)/2,setsar=1,fps=30,format=yuv420p,setpts=PTS-STARTPTS[v0];[0:a]aresample=48000,aformat=sample_fmts=fltp:sample_rates=48000:channel_layouts=stereo,asetpts=PTS-STARTPTS[a0];[1:v]scale=1280:720:force_original_aspect_ratio=decrease:force_divisible_by=2,pad=1280:720:(ow-iw)/2:(oh-ih)/2,setsar=1,fps=30,format=yuv420p,setpts=PTS-STARTPTS[v1];[1:a]aresample=48000,aformat=sample_fmts=fltp:sample_rates=48000:channel_layouts=stereo,asetpts=PTS-STARTPTS[a1];[v0][a0][v1][a1]concat=n=2:v=1:a=1[v][a]" -map "[v]" -map "[a]" -c:v libx264 -preset medium -crf 21 -pix_fmt yuv420p -c:a aac -b:a 128k joined-normalized.mp4

concat=n=2:v=1:a=1 đòi input pad theo thứ tự video/audio của từng segment. Mỗi segment nên bắt đầu tại timestamp 0. Filter này cho phép normalize nhưng phải encode lại output.

Nếu một clip không có audio, đừng map nhầm pad hoặc bỏ qua topology; tạo silence đúng duration bằng anullsrc, hoặc thiết kế graph riêng cho trường hợp thiếu track.

7. Metadata, audio và subtitle không tự “đi theo”

Với container cho phép giữ subtitle:

ffmpeg -hide_banner -y -i source.mkv -map 0:v:0 -map "0:a?" -map "0:s?" -c copy -map_metadata 0 -map_chapters 0 preserved.mkv

Nhưng đổi sang MP4 có thể cần đổi subtitle SubRip thành mov_text:

ffmpeg -hide_banner -y -i source.mkv -map 0:v:0 -map 0:a:0 -map "0:s:0?" -c:v copy -c:a copy -c:s mov_text -map_metadata 0 output-with-subtitles.mp4

Các điểm phải kiểm tra:

  • language, title và default/forced disposition của từng track;
  • subtitle cue cắt qua biên và timestamp sau trim;
  • chapter nằm ngoài khoảng mới hoặc chưa được dịch về timeline 0;
  • audio track có duration, sample rate và channel layout nhất quán;
  • attachment/font của ASS có được container đích hỗ trợ hay không.

-map_metadata 0 và -map_chapters 0 chỉ copy dữ liệu; chúng không hiểu ý nghĩa edit của bạn để viết lại chapter/cue. Với cut hoặc concat thật, metadata timeline thường cần tái tạo.

8. Chọn chiến lược bằng yêu cầu

Yêu cầuChiến lược mặc định
Nhanh, không generation loss, biên đã thẳng keyframeStream-copy cut
Biên nội dung theo frame/sampleDecode + trim/atrim + encode
Nối file cùng stream layout và codec parametersConcat demuxer + copy
Nối file khác kích thước/FPS/audio formatNormalize + concat filter + encode
Giữ subtitle mềm đa ngôn ngữMap track và xử lý/re-time cue riêng
Render chữ cố định vào hìnhBurn subtitle trong video filtergraph

Failure checklist

  • Hứa stream-copy cut chính xác từng frame.
  • Chọn điểm cắt mà không xem keyframe/timestamp.
  • Dùng -avoid_negative_ts như cách sửa nội dung biên cắt.
  • Reset video PTS nhưng quên audio PTS.
  • Nghĩ exact cut tồn tại giữa hai frame nguồn.
  • Nối bằng concat demuxer khi codec parameters hoặc stream layout khác nhau.
  • Concat filter nhưng không normalize resolution, FPS, SAR hoặc audio sample rate.
  • Quên audio ở một segment làm sai thứ tự pad.
  • Copy SRT thẳng vào container không hỗ trợ codec subtitle đó.
  • Copy metadata/chapter rồi giả định timestamp đã được viết lại.
  • Chỉ kiểm tra duration, không xem frame đầu/cuối và nghe điểm nối audio.

Bài tập

1. Cắt fixture từ 5.1 đến 9.6 giây bằng stream copy và bằng trim/encode. Trích frame đầu của hai output, so timestamp và giải thích khác biệt.

2. Tạo hai clip khác resolution, nối thử bằng concat demuxer, rồi sửa bằng concat filter có normalize. Probe output để xác nhận SAR, FPS và audio sample rate.

3. Cắt một khoảng đi xuyên cue subtitle thứ hai. Thiết kế cue output mong muốn: cue bị bỏ, bị clamp hay được chia? Giải thích lựa chọn UX.

Nâng cao: xây pipeline ba đoạn có hai audio language track. Đảm bảo mọi segment có cùng topology, đặt disposition sau mapping và viết bài kiểm tra ffprobe cho output cuối.

Đọc thêm

Bài kế tiếp

Phần 9 — HTML video và progressive download