FFmpegで、動画にフェードインとフェードアウトを付ける方法

​​FFmpeg​AAC,H.264,コマンドライン,動画

FFmpeg で動画にフェードインとフェードアウトを付けるには、映像に fade フィルター、音声に afade フィルターを使います。動画の始まりを黒からだんだん明るくし、終わりをだんだん暗くして、BGM の音量も映像に合わせて上げ下げしたいときの書き方です。ここでは、コマごとの明るさと 0.1秒ごとの音の大きさを測って、どう変わるかを確かめます。

補足

検証環境は Ubuntu 24.04.5、FFmpeg 6.1.1(Ubuntu のパッケージ 6.1.1-3ubuntu5)、libx264 0.164.3108 です。元の動画は、FFmpeg の testsrc2 で作った 1280×720、30fps、yuv420p の H.264 の映像に、AAC の音声(440Hz の音、44.1kHz)を付けた5秒の動画です。カメラやスマホで撮った動画、可変フレームレートの動画、2本の動画をつなぐときのクロスフェード(xfade)は試していません。

最初と最後の1秒で、映像と音声をフェードさせる

5秒の動画の、最初の1秒でフェードイン、最後の1秒でフェードアウトします。

bash
ffmpeg -i main.mp4 \
  -vf "fade=t=in:st=0:d=1,fade=t=out:st=4:d=1" \
  -af "afade=t=in:st=0:d=1,afade=t=out:st=4:d=1" \
  -c:v libx264 -c:a aac out.mp4

t は種類(in か out)、st は始める時刻(秒)、d はかける時間(秒)です。フェードインとフェードアウトは、同じフィルターを , でつないで2つ書きます。FFmpeg のフィルターのドキュメントの fade と afade の項によると、映像はフェードアウトの後に color で指定した色(初期値は黒)で埋まり、音声はフェードアウトの後に(初期値では)無音になります。

できた動画の映像は、元と同じ 1280×720、150コマ、5秒でした。

フェードインの間のコマを 0.2秒ごとに取り出すと、真っ黒から、元の明るさまで少しずつ変わっていました。

テストパターンの動画の6つのコマを、3つずつ2段に並べた画像。0.0秒は真っ黒で、0.2秒、0.4秒、0.6秒、0.8秒と色の帯がだんだん明るくなり、1.0秒で元の鮮やかな色になっている
fade=t=in:st=0:d=1 を付けた動画の、0〜1秒のコマ

どのくらいの割合で変わるかを、数字でも確かめました。映像の明るさは、signalstats フィルターでコマごとの Y(輝度)の平均を測りました。FFmpeg 6.1.1 の fade フィルターのソースコード(libavfilter/vf_fade.c)では、この動画の形式(yuv420p)の黒の Y を16として計算しています。そこで、元の動画からの割合を「(フェード後の Y − 16) ÷ (元の Y − 16)」で出しました。

text
コマ  時刻     元の Y  フェード後の Y  割合
  0  0.0000  125.98   16.00   0.000
 15  0.5000  125.96   70.73   0.498
 30  1.0000  126.03  126.01   1.000
120  4.0000  125.94  125.93   1.000
135  4.5000  125.85   71.22   0.503
149  4.9667  125.92   19.52   0.032

0秒のコマは真っ黒(Y が16)で、0.5秒でほぼ半分、1秒で元の明るさに戻りました。4秒からは逆に暗くなります。間のコマも、時刻に比例した割合になっていました。

音声は、0.1秒ごとの RMS(音の大きさの平均、単位は dB)を astats フィルターで測りました。元の音は −21dB 前後です。フェード後は、最初の 0.1秒が −45.97dB、0.5〜0.6秒が −26.28dB、1.0〜1.1秒が −21.04dB でした。最後の 0.1秒(4.9〜5.0秒)は −45.89dB です。

映像と音声の割合をグラフにすると、どちらも同じ形の台形になりました。音声は dB の差を振幅の比に直し、元の何割の大きさかで表しています。

横軸が0秒から5秒、縦軸が元の動画に対する割合のグラフ。水色の実線(映像の明るさ)と灰色の破線(音声の大きさ)がほぼ重なり、0秒の0%から1秒で100%まで直線で上がり、4秒から下がっている。5秒の手前の最後の点がピンクで示され、最後のコマは3.2%と書かれている
映像の明るさと音声の大きさの、元の動画に対する割合

afade の音量の変わり方(curve)は、初期値が tri(直線)です。映像の fade も、時刻に比例して明るさを変えています。どちらも直線なので、グラフが重なります。

フェードアウトの開始時刻は、動画の長さから計算する

フェードアウトの st は「動画の長さ − フェードの時間」です。長さは ffprobe で調べられます。シェルで計算して、そのまま渡すこともできます。

bash
dur=$(ffprobe -v error -show_entries format=duration -of csv=p=0 main.mp4)
st=$(echo "$dur - 1" | bc)
ffmpeg -i main.mp4 -vf "fade=t=in:st=0:d=1,fade=t=out:st=$st:d=1" \
  -af "afade=t=in:st=0:d=1,afade=t=out:st=$st:d=1" -c:v libx264 -c:a aac out.mp4

この動画では、dur が 5.000000、st が 4.000000 になりました。上の節の結果は、このコマンドで作ったものです。

最後のコマは、真っ黒にはならない

上の表のとおり、st=4:d=1 では最後のコマ(149番、4.9667秒)の割合が 0.032 で、真っ黒(Y が16)にはなりませんでした。30fps の5秒の動画では、最後のコマの時刻は5秒ではなく、1コマ分(約 0.0333秒)手前の 4.9667秒だからです。フェードは5秒ちょうどで終わるように計算されるので、最後のコマは少しだけ明るさが残ります。

最後のコマまで真っ黒にしたいときは、1コマ分早く始めます。fade=t=out だけを付けて、最後の4コマの Y を比べました。

text
st=4       146: 30.71  147: 27.04  148: 23.36  149: 19.52
st=3.9667  146: 27.04  147: 23.36  148: 19.52  149: 16
st=3.9     146: 19.52  147: 16     148: 16     149: 16

st=3.9667(4 − 1/30 を小数で書いた値)にすると、最後のコマがちょうど16になりました。st=3.9 では、最後の3コマが真っ黒になります。動画を黒で終えて少し間を置きたいなら、st をもう少し早めても構いません。

st より前のコマは、黒のまま

フェードインの st を0以外にすると、それより前のコマは color の色で埋まります。fade=t=in:st=2:d=1 では、次のようになりました。

text
コマ  時刻     元の Y  フェード後の Y
  0  0.0000  125.98   16.00
 59  1.9667  126.01   16.00
 60  2.0000  126.02   16.00
 75  2.5000  125.81   70.65
 90  3.0000  126.06  126.08

0〜2秒は真っ黒で、2秒から明るくなり、3秒で元に戻りました。ドキュメントにも、最初の 5.5秒を黒にしてから 0.5秒でフェードインする例として、fade=t=in:st=5.5:d=0.5 が載っています。黒い画面から始まるので、始まりに間を置きたいときに使えます。

d を書かないと、25コマで数える

fade=t=in のように d を書かないと、フェードの長さを、時間ではなくコマ数で決めます。コマ数の nb_frames(n)は、初期値が25です。

text
コマ  時刻     元の Y  フェード後の Y
 24  0.8000  126.04  121.53
 25  0.8333  126.03  126.03

30fps の動画では、25番のコマ(0.8333秒)で元の明るさに戻りました。フレームレートによってかかる時間が変わるので、秒で指定したいときは d を書きます。ドキュメントによると、d と n の両方を書いたときは d が使われます。

白からフェードインする

color(c)で、黒以外の色からフェードできます。

bash
ffmpeg -i main.mp4 -vf "fade=t=in:st=0:d=1:color=white" -an -c:v libx264 white.mp4

0秒のコマの Y は 235 でした。0.5秒で 180.38、1秒で 125.78 になり、元の明るさ(126.03)に戻りました。

途中を切り出すときは、切り出した後の時刻で書く

-ss で途中から切り出して、同時にフェードを付けることもできます。このとき st は、元の動画の時刻ではなく、切り出した後の動画の時刻(0秒から)で書きます。

bash
ffmpeg -ss 2 -t 2 -i main.mp4 \
  -vf "fade=t=in:st=0:d=0.5,fade=t=out:st=1.5:d=0.5" \
  -af "afade=t=in:st=0:d=0.5,afade=t=out:st=1.5:d=0.5" \
  -c:v libx264 -c:a aac cut.mp4

元の動画の2〜4秒を切り出した、2秒・60コマの動画ができました。最初のコマの Y は16、0.5秒で 125.85、最後のコマ(1.9667秒)で 23.38 です。

同じ切り出しで、元の動画の時刻のつもりで fade=t=in:st=2:d=0.5 と書くと、2秒の動画の60コマすべてが、Y が16の真っ黒になりました。切り出した後の時刻では、2秒はもう動画の終わりだからです。

音声のフェードの形を変える

afade の curve で、音の大きさの変わり方を選べます。ドキュメントには tri(直線、初期値)、qsin(4分の1周期の正弦波)など、たくさんの形が載っています。440Hz の音に1秒のフェードインを付けて、0.1秒ごとの RMS を比べました。

text
時刻  tri      qsin
0.0  -45.87   -41.96
0.2  -33.06   -29.38
0.5  -26.26   -23.46
0.8  -22.48   -21.33
1.0  -21.07   -21.07

qsin のほうが早く大きくなり、0.8秒の時点でほぼ元の大きさ(−21dB 前後)になっていました。映像の fade にはこの設定はなく、明るさは時刻に比例して変わります。

フェードを付けるときは、映像を再エンコードする

フェードはコマの画素の値を書き換えるので、映像を -c:v copy のまま付けることはできません。-vf fade=... と -c:v copy を一緒に指定して、次のコマンドを実行しました。

bash
ffmpeg -i main.mp4 -vf "fade=t=in:st=0:d=1" -c:v copy out/copy.mp4

次のエラーで止まりました(ffmpeg のエラーの行だけを抜き出しました)。

text
[vost#0:0/copy @ 0x559554175a00] Filtergraph 'fade=t=in:st=0:d=1' was specified, but codec copy was selected. Filtering and streamcopy cannot be used together.
Error opening output file out/copy.mp4.
Error opening output files: Function not implemented

音声も同じで、-af "afade=t=in:st=0:d=1" と -c:a copy を一緒に指定すると、同じエラーで止まりました。-af を付けるときは -c:a copy を指定せず、-c:a aac などのエンコーダーを指定します。

​Posted by 86