ffmpeg - 从不完整的视频文件中提取元数据

Question

谁能告诉我元数据以常见的视频文件格式存储在哪里？如果它位于文件的开头，或者分散在整个文件中。

我正在使用包含大量视频文件的远程对象存储，并且我想从这些文件中提取元数据，特别是视频持续时间和视频尺寸，而不是将整个文件内容流式传输到本地计算机。

我希望此元数据将存储在文件的前 X 个字节中，因此我可以只获取从开头开始的字节范围而不是整个文件，将此部分文件数据传递给 ffprobe .

出于测试目的，我创建了一个 22MB MP4 文件，并使用以下命令仅向 ffprobe 提供前 1MB 数据:

head -c1024K '2013-07-04 12.20.07.mp4' | ffprobe -

它打印:

avprobe version 0.8.6-4:0.8.6-0ubuntu0.12.04.1, Copyright (c) 2007-2013 the Libav developers
  built on Apr  2 2013 17:02:36 with gcc 4.6.3
[mov,mp4,m4a,3gp,3g2,mj2 @ 0x1a6b7a0] stream 0, offset 0x10beab: partial file
Input #0, mov,mp4,m4a,3gp,3g2,mj2, from 'pipe:':
  Metadata:
    major_brand     : isom
    minor_version   : 0
    compatible_brands: isom3gp4
    creation_time   : 1947-07-04 11:20:07
  Duration: 00:00:09.84, start: 0.000000, bitrate: N/A
    Stream #0.0(eng): Video: h264 (High), yuv420p, 1920x1080, 20028 kb/s, PAR 65536:65536 DAR 16:9, 29.99 fps, 30 tbr, 90k tbn, 180k tbc
    Metadata:
      creation_time   : 1947-07-04 11:20:07
    Stream #0.1(eng): Audio: aac, 48000 Hz, stereo, s16, 189 kb/s
    Metadata:
      creation_time   : 1947-07-04 11:20:07

所以我看到前 1MB 足以提取 9.84 秒的视频持续时间和 1920x1080 的视频尺寸，即使 ffprobe 打印了关于检测部分文件的警告。如果我提供少于 1MB，它会完全失败。

这种方法是否适用于其他常见的视频文件格式以可靠地提取元数据，或者任何常见的格式是否会在整个文件中分散元数据？

我知道容器格式的概念，并且可以使用各种编解码器来表示这些容器内的音频/视频数据。虽然我不熟悉细节。所以我猜这个问题可能适用于容器+编解码器的常见组合？提前致谢。

Answer 1

在大量挖掘 MP4、3GP 和 AVI 的规范之后，可以回答我自己的问题......

AVI

根据 AVI file format specification，元数据位于 AVI 文件的开头。 .

视频时长不会逐字存储在 AVI 文件中，而是按 dwMicroSecPerFrame x dwTotalFrames 计算(以微秒为单位)。

在规范的字里行间阅读，似乎可以直接从 AVI 文件中的偏移量中读取许多元数据项，而无需进行任何解析。但是规范没有明确提到这些偏移量，所以使用这个经验法则可能是有风险的。

偏移量 32:dwMicroSecPerFrame，偏移量 48:dwTotalFrames，偏移量 64:dwWidth，偏移量 68:dwHeight。

因此对于 AVI，可以仅使用文件的前 X 个字节来提取此元数据。

MP4、3GP (3GPP)、3G2 (3GPP2)

所有这些文件格式都基于 ISO base media file format称为 ISO/IEC 14496-12(MPEG-4 第 12 部分)。

这种格式允许将元数据存储在文件中的任何位置，但实际上它会在开头或结尾，因为原始捕获的音频/视频数据连续保存在中间。 (然而，一个异常(exception)是“碎片化”的 MP4 文件，它是 are rare。)

只有开始存储元数据的文件才能通过progressive download 播放。 ，但由捕获设备或解码器来支持这一点。

AFAICT 这意味着要从这些文件中提取元数据，只需要文件的前 X 个字节，并且从该信息可以确定可能还需要最后 X 个字节。但是不需要中间的字节。