PyAV编码视频总时长与原文件不符的原因及解决方法

核心问题分析 #

你的代码存在两个关键问题，直接导致输出视频时长偏短：

1. 未保留原帧的时间戳信息：将帧转为numpy数组再转回VideoFrame时，你没有传递原帧的pts（显示时间戳）和time_base。编码器只能用默认规则生成时间戳，当原视频帧率为非整数时，微小的时间戳误差会随视频长度累积放大，最终造成明显的时长偏差。
2. 未触发编码器缓存flush：H.265编码器（libx265）会缓存部分帧（尤其是B帧）用于编码优化，直接关闭容器前没有强制输出剩余缓存的帧，会丢失最后几帧，进一步缩短视频时长。

另外，你硬编码了输出分辨率为640x480，如果原视频分辨率不同，可能导致画面拉伸或变形，但这不是时长问题的直接原因。

修复后的代码 #

import av

container = av.open('input.mp4')
video_stream = container.streams.video[0]

# 创建输出容器
output_container = av.open('output.mp4', 'w', format='mp4')
# 添加输出流，复用原视频的帧率和时间基准
output_stream = output_container.add_stream('libx265', rate=video_stream.average_rate)
# 匹配原视频分辨率（如需固定分辨率可保留硬编码，建议优先匹配原视频）
output_stream.width = video_stream.width
output_stream.height = video_stream.height
# 关键：同步输出流与原视频的时间基准，避免时间戳转换误差
output_stream.time_base = video_stream.time_base

print('Starting transcoding...')

actual_frame = 0
try:
    # 仅解复用视频流，避免处理音频等其他流
    for packet_input in container.demux(video_stream):
        if packet_input.dts is None:
            continue
        for frame in packet_input.decode():
            actual_frame += 1
            # 保留原帧的时间戳和时间基准
            frame_nd = av.VideoFrame.from_ndarray(frame.to_ndarray(format='bgr24'), format='bgr24')
            frame_nd.pts = frame.pts
            frame_nd.time_base = frame.time_base
            
            # 编码帧，注意编码器可能不会立即输出数据包
            packet_output = output_stream.encode(frame_nd)
            if packet_output:
                output_container.mux(packet_output)
            print(f'Frame: {actual_frame}')
except Exception as e:
    print(f'Transcoding error: {e}')

# 关键：flush编码器，输出剩余缓存的帧
print('Flushing encoder...')
while True:
    packet_output = output_stream.encode(None)
    if not packet_output:
        break
    output_container.mux(packet_output)

output_container.close()
container.close()
print('Finished transcoding')

额外优化建议 #

• 不要依赖容器帧计数：container.streams.video[0].frames在多数容器格式中是估算值，并非实际解码的帧数量，建议通过actual_frame的实际计数确认处理的帧总数。
• 同步时间基准：time_base是时间戳的最小单位，保持和原视频一致可以避免时间戳转换时的精度损失，对非整数帧率的视频尤为关键。
• 补充音频处理（如需要）：当前代码仅处理视频流，若原视频包含音频，输出文件会缺失音频，可添加类似的音频转码逻辑。
• 关键帧参数调整：若需要更精确的编码控制，可设置output_stream.gop_size（关键帧间隔），但这通常不是时长偏差的核心原因，除非关键帧设置不合理导致帧丢失。

内容的提问来源于stack exchange，提问作者Diego Medeiros