原文地址：What is CBR, VBR, CRF, Capped-CRF? Rate Control Modes Explained
作者：Jan Ozer

序

当你用 H.264、HEVC、VP9、AV1 等编码分发视频文件时，你都需要选择流控制模式，以在码率、整体质量、瞬态质量、编码耗时间平衡，得出具体场景下的最佳选择。常见的流控制模式有 CBR、VBR、CRF、Capped-CRF。本文将介绍这些模式的运作方式、优缺点、使用场景。

本文将会首先讨论 CBR（恒定码率，Constant Bitrate Encoding）和 VBR（可变码率，Variable Bitrate Encoding）。所有编码器都支持这两个模式。而 CRF 和 Capped-CRF 仅在 FFmpeg 的 x264、x265、libvpx-VP9、libaom-AV1 编码器中可用，尽管本文仅讨论 x264。

以下是本文会用到的视频文件，之后将会以此指代：

• 测试：时长两分钟，前 \(30\) 秒为朝着镜头说话的视频，之后为 \(30\) 秒的芭蕾舞视频，之后再将整个视频重复一次。
• 足球：时长两分钟，整体高动态的足球视频，同时包含较低动态和较高动态的片段。
• 对话：时长两分钟，低动态的近距离对话视频。

当以分发为目的时（而非以归档或上传会被二压的视频为目的），这五个因素值得注意：

• 兼容性：播放器可以解码并播放你分发的文件吗？本文讨论 H.264，所以兼容性不成问题。但如果使用 HEVC、VP9、AV1，则需要考虑兼容性。
• 整体质量：文件的整体质量，在本文中以 VMAF¹ 度量。
• 瞬态质量：编码后视频可能会存在瞬态质量问题，在本文中以低帧 VMAF 或 VMAF 的单帧最小值衡量。
• 交付能力：顺畅地将文件传送给远程受众的能力。对于使用高速带宽连接的观众来说，自然不用考虑；但对于通过 3G 等低速网络接收视频的受众，可能是大问题。
• 编码耗时：如果使用涉及多通²的编码模式，会显著提高编码时间。如果你使用付费云编码服务（典型的如 AWS Elemental MediaConvert），多通编码会显著提高花费。

最后，在 FFmpeg 及大多数带有 x264、x265 编码器的工具中，有三个控制比特率的选项：

• b:v: 设置整体码率
• maxrate: 设置最大码率
• bufsize: 设置编码缓冲区大小，参见：摘抄：VBV 缓冲区详解（英语）

让我们从 CBR 开始。

CBR

顾名思义，使用 CBR 会使整个文件都是固定码率，而不会随场景复杂度变化。在 FFmpeg 中，将 b:v、maxrate、bufsize 的值设为一个，即为 CBR，如：

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

在测试视频中，\(30\) 秒的谈话和 \(30\) 秒的芭蕾舞片段交替出现，CBR 编码后的文件如下图所示。可以看到平均比特率（绿线）徘徊在 \(\pu{5000 Kbps}\) 附近。

在右侧，可以看到平均比特率为 \(\pu{4938 Kbps}\)，峰值比特率为 \(\pu{6013 Kbps}\)，较平均多 \(20\%\)。对于大多数软件编码器，CBR 的码率图并不是一条直线。但相比于下文的其他模式，CBR 的可变性明显更小。

我们稍后会回顾 CBR 编码的质量影响。

从交付能力来看，CBR 的优势显而易见。如果你的目的是云端直播，网络速率有限；或者通过低速连接将视频发送给远端受众，那么 CBR 缺乏可变性将确保连接稳定。CBR 是单通技术，编码成本也比接下来要讨论的 VBR 低。

VBR

VBR 编码的目的是达到码率目标，但在过程中根据视频内容的复杂度调整码率。VBR 通常还使用 2-pass 技术：第一遍扫描视频，识别复杂度；第二遍进行实际的编码。

VBR 通常通过最大码率和目标码率的比值来描述，如以下参数，分别称为 \(200\%\)、\(150\%\)、\(110\%\) 受限 VBR（也可称 CVBR，constrained VBR）：

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

如下图所示，比特率在高动态（芭蕾舞）和低动态场景（谈话）之间明显波动。尽管平均比特率类似于 CBR（\(\pu{5041 Kbps}\) 与 \(\pu{4938 Kbps}\) 相比），但最大比特率明显更高（\(\pu{11137 Kbps}\) 与 \(\pu{6013 Kbps}\) 相比）。\(150\%\) CVBR 具有类似平均比特率（\(\pu{5036 Kbps}\)），但峰值比特率低 \(20\%\)（\(\pu{9090 Kbps}\)）。

所有这些对质量有何影响？

下表显示了使用四种模式压缩足球视频的分数。平均比特率与峰值比特率的显着增量非常相似。整体 VMAF 得分非常接近；低帧 VMAF 得分正是 CBR 和 VBR 的区别。

最大的区别在于低帧分数，即瞬态质量问题的指标，其中 CBR 比 \(200\%\) CVBR 低约 \(5.5\) 分。一些观众可能会注意到这种瞬时质量问题。有趣的是，\(200\%\) 和 \(150\%\) CVBR 之间的低帧 VMAF 仅相差约 1 点，而 \(150\%\) 和 \(110\%\) CVBR 之间相差两点。

为了进一步探索，我在 MSU（Moscow State University，莫斯科国立大学）研发的视频质量测量工具中，比较了 CBR 和 \(200\%\) CVBR，见下图。

• 图顶部是两个文件的整体 VMAF 分数，CBR 为红色，\(200\%\) CVBR 为绿色。
• 底部图表是顶部图表中突出显示区域的放大图，大致范围为 \(2100\) 帧到 \(3400\) 帧。若红色折线在绿色折线之下，表示这一部分 CBR 质量明显差于 VBR。

有趣的是，Apple 支持 \(200\%\) CVBR，《HLS创作规范》 中写到，「1.30. 对于 VOD 内容，峰值比特率不应超过平均比特率的 \(200\%\)」。也就是说，\(200\%\) CVBR 是否适合高帧率 8K 内容还有待观察，实质上可能需要 \(\pu{40 Mbps}\)³ 才能达到可接受的质量。

小结

CBR 在编码耗时和交付能力方面胜出，而 VBR 在质量方面领先。然而，瞬时质量问题对于 CBR 来说也非常值得注意。

CRF

使用 CBR、VBR，我们可以选择目标比特率，编码器会调整质量以满足该比特率。这种方式的问题在于，如果对所有视频剪辑使用相同的参数，那么会浪费大量不必要的宽带，而实际上该视频可能是易于编码的，如对话视频。

上图显示了被 \(200\%\) CVBR \(\pu{5 Mbps}\) 目标编码的对话视频，参数和先前编码足球视频一样。平均码率和峰值码率也和其一致，但 VMAF 分数达到了 \(97.61\)。

研究⁴表明，一旦 VMAF 值超过 \(93\) 观众就无法感知，我也建议制作者不要让 VMAF 值超过 \(95\)。正如后面将要讲到的，对于此视频，可以将比特率降低至少 \(60\%\)，但仍能达到 \(95\) VMAF 的目标。

因此，同样，当使用 CBR 和 VBR 时，编码器会根据需要调整质量以达到目标比特率。相比之下，当使用 CRF（恒定质量因子编码，Constant Rate Factor）时，编码器则是根据质量目标调整比特率。CRF 值的范围为 \(0\) 到 \(51\)，数字越低质量越高。通过命令调用 FFmpeg 使用 CRF 模式编码：

ffmpeg -i input_file -crf 23 output_file

CRF 编码适用于归档视频，或生成用于上传和转码的中间文件。但是，从交付能力的角度来看，它不是最佳选择，因为在编码之前，产生文件的比特率是未知的。

• 对于对话视频，值为 22 的 CRF 编码的文件，平均比特率为 \(\pu{1878 Kbps}\)，VMAF 得分为 \(96.26\)，将VBR的比特率削减 \(60\%\) 以上，而对质量没有明显影响。
• 然而，对于足球视频，CRF 22 产生了 \(\pu{10650 Kbps}\) 的平均比特率，这对于大多数 1080P 编码而言都太高了。

如何在确保合理的比特率限制的同时，节省带宽？CRF 加上最高比特率限制（或称 Capped-CRF）就是答案。

Capped-CRF

顾名思义，使用 Capped-CRF，可以将 CRF 与最大比特率限制结合。FFmpeg 参数如下：

-crf 22 -maxrate 5000k -bufsize 10000k 

使用测试视频作为输入，此参数产生了下图的结果。虽然最大速率不是一条平坦的线，但芭蕾舞的部分非常接近 \(\pu{5000 Kbps}\)，峰值比特率为 \(\pu{6302 Kbps}\)。在编码过程中，编码器在对话部分使用 CRF 值，而在芭蕾舞部分被最大比特率限制。

这与 \(200\%\) CVBR 相比如何？

\(200\%\) CVBR 编码产生了 \(97.30\) 的平均 VMAF，\(\pu{5041 Kbps}\)的比特率。因此，Capped-CRF 节省了大约 \(30\%\) 的带宽并取得了 \(96.55\) 的 VMAF 分数，这在视觉上是无法区分的。而比特率存在显着差异，显著影响对受限连接的交付能力。

在高动态视频中，如足球视频，有许多部分 CRF 值产生高于上限的数据速率。在这些部分中，由最大上限控制比特率，而不是 CRF值。在这些情况下，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产生指定质量的部分很少。

如下表，该表显示了使用 \(200\%\) CVBR 和 Capped-CRF（CRF 22，\(\pu{5 Mbps}\)上限） 分别压缩足球视频的比特率和 VMAF 分数平均比特率大致相同，尽管 Capped-CRF 视频的峰值要低得多。平均 VMAF 分数也非常相似。

与 CBR 一样，主要区别出现在低帧 VMAF 中。下图显示了 VQMT 的比较结果图；当我查看折线图时，我没有看到明显的差异。

然而，CBR 仅提高交付能力，Capped-CRF 除了可以做到这一点，还能在更易于编码的文件上节省带宽。从本质上讲，这使 Capped-CRF 成为一种按内容编码的技术，可以使用几乎所有基于 FFmpeg 的编码工具应用 Capped-CRF。

Capped-CRF 不是灌篮高手；你应该在自己的场景下测试，并确定视频中的瞬态问题是否比足球视频更为明显。如果瞬态问题很小，并且考虑使用 Capped-CRF，那么应该尝试不同的 CRF 等级（参见：为 Capped-CRF 编码选择最佳的CRF值）。

重复一次，CRF 和 Capped-CRF 并非适用于所有编码器；因此，如果您使用的第三方编码器不是基于 FFmpeg 的，或者你不使用 x264、x265、libvpx-VP9、libaom-AV1 编码器，则它们可能不可用。

下表总结了所讨论的四种编码方法的优缺点。