FFmpegのpresetを変えると変換時間と容量がどう変わるか

​​FFmpeg​H.264,コマンドライン,動画

FFmpeg で動画を H.264(libx264)に変換するとき、-preset で「変換の速さ」と「圧縮の効率」の釣り合いを選べます。私は検証環境で、10段階のプリセットすべてを同じ CRF 23 で試し、変換にかかった時間とファイルサイズ、画質の数値を測りました。動画の変換(エンコード)を速く終わらせたいときや、容量を少しでも小さくしたいときに、どのプリセットを選べばどれくらい変わるかは、この結果が目安になります。

結果を先に書くと、細かい模様の映像では、ultrafast は初期値の medium の半分以下の時間で終わる代わりに容量が約2.5倍になりました。反対に placebo は約11倍の時間をかけて、容量は約7%しか減りませんでした。

補足

検証環境は Ubuntu 24.04.5、FFmpeg 6.1.1(Ubuntu のパッケージ)、x264 core 164、CPU 4コアの仮想マシンです。エンコーダーは libx264 だけを使い、映像は FFmpeg で作ったテスト用の映像(10秒、1280×720、30fps)です。カメラで撮った映像、x265(H.265)などほかのエンコーダー、-tune、2パスのエンコードは試していません。時間はこの仮想マシンで測った値で、別のマシンでは変わります。

プリセットは10段階あり、初期値は medium

libx264 のプリセットは、速いほうから次の10段階です。名前は x264 のソースにある一覧と同じです。

ultrafast、superfast、veryfast、faster、fast、medium、slow、slower、veryslow、placebo

x264 のヘルプの文言(ソースの x264.c)では、--preset は初期値が medium で、個別に指定した設定がプリセットより優先されると説明されています。検証環境で -preset を付けずに変換した動画と、-preset medium を付けた動画とで、x264 が動画の中に書き込む設定を比べると、同じ値でした。

text
 cabac=1 ref=3 me=hex subme=7 trellis=1 bframes=3 rc_lookahead=40
 cabac=1 ref=3 me=hex subme=7 trellis=1 bframes=3 rc_lookahead=40

プリセットが変えるのは、参照するフレームの数(ref)や動きの探し方(me、subme)など、圧縮のためにどこまで手間をかけるかの設定です。検証で変換した動画に書き込まれた設定から、いくつかを抜き出しました。

text
ultrafast:  cabac=0 ref=1 deblock=0:0:0 me=dia subme=0 trellis=0 bframes=0
medium:  cabac=1 ref=3 deblock=1:0:0 me=hex subme=7 trellis=1 bframes=3 rc_lookahead=40
veryslow:  cabac=1 ref=16 deblock=1:0:0 me=umh subme=10 trellis=2 bframes=8 rc_lookahead=60
placebo:  cabac=1 ref=16 deblock=1:0:0 me=tesa subme=11 trellis=2 bframes=16 rc_lookahead=60

ultrafast では、Bフレーム(bframes=0)やデブロッキングフィルター(deblock=0:0:0)も使われていませんでした。

測り方

元の映像は、FFmpeg のフィルターで2種類作りました。画質を測るときの基準にするため、劣化しない形式(FFV1)で保存しています。

bash
# シンプルな図形(testsrc2 のテストパターン)
ffmpeg -f lavfi -i "testsrc2=size=1280x720:rate=30,format=yuv420p" -t 10 -c:v ffv1 src-simple.mkv
# 細かい模様(ズームしていくマンデルブロ集合)
ffmpeg -f lavfi -i "mandelbrot=size=1280x720:rate=30,format=yuv420p" -t 10 -c:v ffv1 src-detail.mkv

これを、CRF を 23 に決めたまま、プリセットだけを変えて変換しました。音声は入れていません。

bash
ffmpeg -i src-detail.mkv -c:v libx264 -preset veryslow -crf 23 -an out-detail-veryslow.mp4

時間は /usr/bin/time で経過時間を測り、1つの設定につき3回変換した中央値を使いました。画質は FFmpeg の psnr と ssim のフィルターで、元の映像と1フレームずつ比べました。PSNR は大きいほど、SSIM は 1 に近いほど、元の映像に近いことを表します。

CRF 23 のまま、プリセットだけを変えた結果

ファイルサイズは 1MB=1,000,000バイトで書いています。「medium 比」は、medium の時間とサイズを 1 としたときの値です。PSNR は Y・U・V を合わせた平均、SSIM は全体(All)の値です。

細かい模様(マンデルブロ集合)の結果です。

プリセット 時間 medium 比 サイズ medium 比 PSNR SSIM
ultrafast 2.81秒 0.46 17.69MB 2.50 43.63dB 0.9888
superfast 3.07秒 0.50 10.74MB 1.52 41.77dB 0.9912
veryfast 3.40秒 0.55 6.00MB 0.85 38.05dB 0.9854
faster 4.57秒 0.74 6.72MB 0.95 39.26dB 0.9883
fast 5.53秒 0.90 7.33MB 1.04 39.87dB 0.9894
medium 6.17秒 1.00 7.08MB 1.00 39.87dB 0.9893
slow 8.53秒 1.38 6.96MB 0.98 39.90dB 0.9895
slower 13.36秒 2.17 6.87MB 0.97 40.00dB 0.9898
veryslow 22.54秒 3.65 6.53MB 0.92 39.48dB 0.9892
placebo 65.62秒 10.64 6.56MB 0.93 39.47dB 0.9893

シンプルな図形(testsrc2)の結果です。

プリセット 時間 medium 比 サイズ medium 比 PSNR SSIM
ultrafast 1.07秒 0.38 9.32MB 2.47 51.00dB 0.9981
superfast 1.25秒 0.45 6.21MB 1.64 47.44dB 0.9978
veryfast 1.55秒 0.56 3.35MB 0.89 42.58dB 0.9940
faster 1.96秒 0.71 3.75MB 0.99 43.87dB 0.9952
fast 2.48秒 0.89 3.80MB 1.01 44.39dB 0.9955
medium 2.78秒 1.00 3.78MB 1.00 44.54dB 0.9956
slow 4.57秒 1.64 3.64MB 0.96 44.47dB 0.9956
slower 7.46秒 2.68 3.39MB 0.90 44.75dB 0.9959
veryslow 10.77秒 3.87 3.19MB 0.85 44.36dB 0.9957
placebo 32.43秒 11.67 3.11MB 0.82 44.48dB 0.9959

細かい模様の映像の時間とサイズをグラフにすると、次のようになります。

細かい模様の映像を CRF 23 で変換したときの、プリセットごとのエンコード時間とファイルサイズの横棒グラフ。時間は ultrafast の2.8秒から placebo の65.6秒まで、slow より遅い側で急に長くなる。サイズは ultrafast が17.69MB と飛び抜けて大きく、veryfast から placebo までは6.00〜7.33MB に収まっている。初期値の medium(6.2秒、7.08MB)だけピンク色
細かい模様の映像を CRF 23 で変換したときの、プリセットごとの時間とサイズ

遅いプリセットは、時間の割に容量が減らない

medium より遅い側では、時間が大きく伸びるのに対して、容量の減り方は小さくなりました。細かい模様の映像では、slow で時間が medium の 1.38倍、サイズは 0.98倍です。veryslow では時間が 3.65倍で、サイズは 0.92倍でした。

いちばん遅い placebo は、細かい模様の映像で 65.62秒かかりました。veryslow の約3倍の時間ですが、サイズは 6.53MB から 6.56MB で、わずかに大きくなっています。シンプルな図形の映像でも、veryslow から placebo にすると、3.19MB が 3.11MB になり、減ったのは約2.5%でした。

CPU を使った時間も大きく増えます。細かい模様の映像の1回目の変換で、CPU を使った時間(user と sys の合計)は medium で 22.17秒、placebo で 236.58秒でした。どちらも経過時間より長く、複数のコアを使って変換していました。

CRF が同じでも、プリセットで容量と画質の両方が変わる

速い側では、ultrafast のサイズが medium の約2.5倍、superfast が約1.5〜1.6倍になりました。ultrafast で変換する時間は、medium の半分以下です。

表をよく見ると、容量と画質の動きがそろっていない箇所があります。veryfast は medium より速く、容量も小さい(細かい模様で 6.00MB と 7.08MB)のですが、PSNR は 38.05dB と、medium の 39.87dB より下がっています。ultrafast は容量が大きい代わりに、PSNR は 43.63dB と高くなりました。

CRF は、FFmpeg の libx264 のオプション説明では一定の画質で圧縮するモードの画質を決める値とされています。ところが、同じ CRF 23 でも、プリセットが違うと出来上がりの画質は同じになりませんでした。そのため、CRF を決めたままプリセットを変えた結果だけでは、「veryfast のほうが圧縮の効率がよい」とは言えません。

ポイント

CRF を決めたままプリセットを変えると、容量と画質の両方が動きます。容量だけを見てプリセットを選ぶと、知らないうちに画質が下がっていることがあります。

容量を決めて変換すると、プリセットの差は画質に出る

プリセットの差を画質で比べるため、細かい模様の映像を、ビットレートを -b:v 3000k に決めて(1パスで)変換しました。

bash
ffmpeg -i src-detail.mkv -c:v libx264 -preset ultrafast -b:v 3000k -an br-ultrafast.mp4
プリセット 時間 サイズ ビットレート PSNR SSIM
ultrafast 2.74秒 4.02MB 3,218kbps 32.26dB 0.9396
veryfast 3.47秒 4.02MB 3,213kbps 35.80dB 0.9787
medium 5.28秒 3.99MB 3,190kbps 36.09dB 0.9812
slow 7.62秒 4.01MB 3,200kbps 36.17dB 0.9815
veryslow 20.00秒 3.99MB 3,185kbps 36.21dB 0.9825

3000k を指定しても、実際のビットレートは 3,185〜3,218kbps と、指定より少し大きくなりました。それでも、どのプリセットも容量は 4MB 前後にそろい、画質に差が出ました。ultrafast は PSNR 32.26dB で、medium の 36.09dB より 3.8dB 低くなりました。一方で、medium から veryslow では、時間が約3.8倍になって PSNR は 0.12dB 上がっただけでした。時間は1回ずつ測った値です。

同じ5秒の位置のフレームの一部を2倍に拡大し、上から元の映像、ultrafast、medium の順に並べました。

細かい模様の映像の同じ場所を2倍に拡大し、元の映像、ultrafast(3000kbps)、medium(3000kbps)の順に縦に並べた画像。ultrafast では、ピンクとオレンジのなめらかな部分に四角いブロックの境目が見え、模様の縁もざらついている。medium は元の映像に近く、なめらかな部分にブロックは目立たない
ビットレートを3000kbpsに決めて変換したときの比較。上から元の映像、ultrafast、medium

ultrafast では、色がなめらかに変わる部分に四角いブロックの境目が見えます。medium は、元の映像とほとんど見分けがつきませんでした。

プリセットを選ぶときの目安

今回の2種類の映像での結果をまとめると、次のようになりました。

  • veryfast や faster にすると、時間は medium の約0.55〜0.74倍になった。ただし CRF が同じでも PSNR は 0.6〜2.0dB ほど下がった
  • ultrafast は CRF が同じだと容量が約2.5倍、容量を同じにすると画質がはっきり下がった
  • slow から veryslow は、時間が 1.4〜3.9倍になり、容量の減り方は 2〜15%だった
  • placebo は veryslow の約3倍の時間がかかり、容量はほとんど変わらなかった

容量の目安を決めておきたいときは、CRF の代わりにビットレートを指定します。そうすると、プリセットの違いは容量ではなく画質の差として出ます。その場合も、medium から veryslow の画質の差は、上の表のとおり小さいものでした。

​Posted by 86