一文速通GPU版FFmpeg视频转码的安装使用

目录写在前面一、FFmpeg 版本二、完整安装步骤1. 安装编译依赖2.安装nv-codec-headers SDK 12.03.如果需要 x264/x265软件编码备用4. 下载 FFmpeg 6.0 源码5. 配置编译选项6. 编译并安装三、 验证安装1.查看FFmpeg版本2.检查 NVENC 编码器是否可用3.检查 CUVID 解码器是否可用4. 检查 NVIDIA 硬件加速是否启用5.试着转码一个视频四、NVENC是什么五、nv-codec-headers SDK是什么写在前面我有一张破显卡P100我要在这张显卡上用FFmpeg 进行视频转码。因为这张卡虽然破也比纯CPU转码要快的多配置如下显卡Tesla P100 PCIe 16GB显卡驱动525.105.17CUDA 版本:12.0操作系统Ubuntu 18.04.1一、FFmpeg 版本我的配置不高但是FFmpeg 的 GPU 加速NVENC/NVDEC完全可用只是不能使用最高版本的FFmpeg 。驱动 525.105.17 最高支持 Video Codec SDK 12.0可以安装最高 FFmpeg 6.0 版本。最终方案编译 FFmpeg 6.0 配合 nv-codec-headers SDK 12.0 分支以避免 Driver does not support the required nvenc API version 错误。二、完整安装步骤1. 安装编译依赖sudo apt-get update sudo apt-get install -y build-essential yasm cmake libtool libc6 libc6-dev unzip wget libnuma1 libnuma-dev git pkg-config2.安装nv-codec-headers SDK 12.0wget -O nv-codec-headers-sdk-12.0.tar.gz https://github.com/FFmpeg/nv-codec-headers/archive/refs/heads/sdk/12.0.tar.gz tar -xzf nv-codec-headers-sdk-12.0.tar.gz cd nv-codec-headers-sdk-12.0 sudo make install3.如果需要 x264/x265软件编码备用a.安装依赖sudo apt-get install -y libx264-dev libx265-dev libnuma-devb.如果libx264-dev找不到用sudo apt-get install -y libx264-163 libx264-dev4. 下载 FFmpeg 6.0 源码先准备文件夹我所有ffmpeg相关的文件都放在/mnt/ffmpeg目录cd /mnt/ffmpeg wget https://ffmpeg.org/releases/ffmpeg-6.0.1.tar.xz tar -xJf ffmpeg-6.0.1.tar.xz cd ffmpeg-6.0.15. 配置编译选项./configure --enable-nonfree --enable-cuda-nvcc --enable-libnpp --enable-cuvid --enable-nvenc --enable-ffnvcodec --enable-cuda --extra-cflags-I/usr/local/cuda/include --extra-ldflags-L/usr/local/cuda/lib64 --disable-static --enable-shared --enable-gpl --enable-libx264 --enable-libx265关键参数说明--enable-cuda-nvcc启用 CUDA 编译--enable-cuvid启用 NVDEC 硬件解码--enable-nvenc启用 NVENC 硬件编码--enable-libnpp启用 NVIDIA Performance Primitives用于 GPU 滤镜如 scale_npp--extra-cflags-I/usr/local/cuda/include指向 CUDA 头文件--extra-ldflags-L/usr/local/cuda/lib64指向 CUDA 库文件6. 编译并安装make -j$(nproc) sudo make install sudo ldconfig三、 验证安装1.查看FFmpeg版本ffmpeg -version2.检查 NVENC 编码器是否可用ffmpeg -hide_banner -encoders | grep nvenc3.检查 CUVID 解码器是否可用ffmpeg -hide_banner -decoders | grep cuvid4. 检查 NVIDIA 硬件加速是否启用ffmpeg -hide_banner -hwaccels | grep cuda5.试着转码一个视频ffmpeg \ -hwaccel cuda \ -hwaccel_output_format cuda \ -i input_video.mp4 \ -vf scale_npp1920:1080 \ -c:v h264_nvenc \ -preset fast \ -b:v 4M \ -maxrate 6M \ -bufsize 8M \ -r 30 \ -c:a copy \ -y output_1080p_4m_gpu_video.mp4四、NVENC是什么上面提到了NVENCNVENC是NVIDIA Video Encoder的缩写NVIDIA 的硬件视频编码器。简单地说NVENC 是 NVIDIA 显卡上的一个独立硬件模块专门负责视频编码不占用 GPU 的 CUDA 核心。Tesla P100 有这个模块所以可以用显卡硬件编码视频而不是用 CPU 软编码。方式命令占用资源速度质量CPU 软编码-c:v libx264CPU 核心慢好GPU 硬编码-c:v h264_nvencNVENC 专用芯片快够用我们注意到表格中最后一列中CPU 软编码质量更好。没错同码率下 CPU 软编码libx264通常比 GPU 硬编码h264_nvenc画质更清晰但差距在缩小。原因说明压缩算法更精细CPU 可以做更复杂的运动估计、帧间预测找到更优的压缩方式码率分配更智能复杂画面如树叶、水波纹给更多码率简单画面省码率B帧更多CPU 编码可以用更多 B帧双向预测压缩率更高心理视觉优化x264 的 psychovisual 优化更成熟但差距没那么大特别是高码率时场景差距低码率2Mbps 1080pCPU 优势明显GPU 可能有明显块效应中等码率4Mbps 1080p差距较小肉眼难分辨高码率8Mbps 1080p几乎看不出区别HEVCh265_nvenc vs libx265GPU 差距更小HEVC 本身压缩率高所以同码率下 CPU 更清晰但 GPU 快 5-10 倍。如果 GPU 编码码率给高一点比如 CPU 用 3MGPU 用 5M画质就能追平速度还是快很多。五、nv-codec-headers SDK是什么nv-codec-headers是 NVIDIA 视频编解码的头文件库FFmpeg 编译 GPU 加速功能时必须用到。简单的说它是 NVIDIA 提供的接口定义文件.h头文件让 FFmpeg 知道怎么调用显卡上的NVENC硬件编码器和NVDEC/CUVID硬件解码器。没有它FFmpeg 编译时就找不到这些接口GPU 编解码功能就启用不了。为什么需要单独安装NVIDIA 的 Video Codec SDK 是闭源的但头文件是开源的。FFmpeg 不能直接链接 SDK只能通过这些头文件动态加载显卡驱动里的编码/解码功能。版本必须匹配nv-codec-headers 分支对应 NVIDIA SDK 版本适用 FFmpeg 版本sdk/11.1Video Codec SDK 11.1FFmpeg 5.1, 6.0sdk/12.0Video Codec SDK 12.0FFmpeg 6.0sdk/12.1Video Codec SDK 12.1FFmpeg 6.1六、CPU版FFmpeg这是CPU版预编译的FFmpeg下载地址可以下载直接用不需要上面的一系列操作FFbinaries - Download binaries for ffmpeg, ffprobe, ffserver and ffplay (cross-platform: Windows, Mac, Linux)GPU版FFmpeg的安装就介绍到这里。关注不迷路(*^▽^*)暴富入口》 https://bbs.csdn.net/topics/619691583