音视频格式与压缩怎么选

5 个决策要点 · 涉及 24 款工具 · 音视频处理 · 内容最后核对 2026-10-25

容器和编码是两回事：把 .mov 的扩展名改成 .mp4 不会让文件变小，换编码才会。

一句话结论

体积由码率决定而不是分辨率，画质由编码与码率共同决定；扩展名只代表容器，不改变编码，改后缀不等于转格式。

音视频处理里最普遍的一个误解是「改扩展名就是转格式」。把 a.mov 重命名成 a.mp4，文件名变了，但里面的视频流仍然是原来那套编码——播放器该打不开还是打不开，体积一个字节都没少。真正决定文件能否播放、体积多大的，是封装它的「容器」和压缩画面的「编码」这两层东西，而扩展名只对应容器这一层，并且改名字连容器都没换。

理解了这一点，后面的选择就顺了：要让文件变小，靠的是降低码率（重新编码）；要让文件能在某个平台播放，靠的是换成该平台支持的编码组合；要无损地做剪辑、合并、加字幕，则应当尽量避免重新编码。下面按容器与编码、码率、有损与代际损失、音频、字幕五条线分开说。

选型对照表

看逐项详解 →

你要做的事	推荐工具	为什么用这个	注意
把视频压到更小体积	视频压缩	自定义压缩质量，直接降码率重新编码	有损且不可逆，先留原片
把视频转成 GIF 动图	视频转GIF	可设宽度和帧率，控制动图体积	GIF 只有 256 色，适合短片段
从视频里提取音轨	视频转音频	导出 MP3 / WAV / OGG，取 BGM 或台词	提取不影响原视频，但导出有损格式会再损失一次
转换音频格式或调整比特率	音频格式转换器	支持 MP3 / WAV / OGG / AAC 互转并调参数	转成有损格式且比特率偏低会明显掉质
合并多个视频为一个	视频合并	支持 MP4 / WebM / AVI / MOV / MKV	各片段的编码与分辨率最好一致
合并多个音频	音频合并	多文件按顺序拼接，适合做播客串烧	采样率不同会统一重采样，注意音质
剪掉视频的头尾	视频截取	可视化时间轴精确选取起止点	尽量选无损剪切，避免整段重编码
剪掉音频的头尾	音频裁剪	可视化选取片段，支持常见格式	无损格式裁剪不会掉质
把横屏视频裁成竖屏	视频画面比例裁剪计算器	按目标比例算出裁剪尺寸与坐标	裁剪会切掉画面，注意主体是否在框内
给不合适的画布补黑边	画面填充黑边计算器	等比缩放后填充黑边，不裁掉内容	补边比裁剪安全，但会有黑边
给视频加文字或图片水印	视频加水印	可设位置、透明度、字号和颜色	水印需要重编码，尽量一次做完
视频加速或慢放	视频调速	0.25x 到 4x，常见速度有快捷按钮	变速会连带改变音频音高，需要单独处理
旋转或翻转画面	视频旋转	支持 90 / 180 / 270 度与水平垂直翻转	手机竖拍横放是最常见的使用场景
字幕格式互转	字幕格式转换器	SRT / WebVTT / ASS 三种格式互转并自动识别	不同格式支持的样式能力不同
字幕整体提前或延后	字幕时间轴批量平移	毫秒级批量平移所有时间码	平移前先确认偏移量是恒定的
检查字幕读起来会不会太快	字幕阅读速度CPS检测	按每秒字符数对照平台规范判定	儿童内容的阅读速度上限更严
检查字幕有没有超出行长	字幕折行与行长检查器	按语言与屏幕方向给出每行字符上限	折行后可能变成三行，需要人工精简
估算导出后大概多大	视频文件大小估算器	按时长与音视频码率预估文件体积	估算值受实际编码效率影响，仅供参考
估算音频文件的体积	音频文件大小计算器	按采样率、位深、声道算 WAV，或按比特率算有损格式	未压缩 WAV 体积是计算公式而非近似
确定直播该用多少码率	直播推流码率计算	按分辨率与帧率给推荐区间并换算上传带宽	带宽要留余量，不能贴着码率上限
让音频响度符合平台标准	音频响度 LUFS 换算器	对照各流媒体平台的响度目标值	平台会做响度归一化，过响反而被压
估算批量转码要多久	视频导出耗时估算器	按编码速度、任务数、并发数与重试率计算	实际耗时受机器性能影响很大
规划多清晰度转码的存储	多清晰度转码存储估算器	按码率阶梯估算总存储与带宽占用	档位越多存储增长越快
处理帧率不一致的素材	帧率转换与丢帧计算器	计算常见帧率互转的速度变化与丢帧	混合帧率素材容易出现音画不同步

表格中列出的工具均可直接点击进入，全部免费、无需注册。

逐项详解

全部工具总览 →

1容器与编码：先分清这两层

一个视频文件其实是一个「盒子」里装了两条「数据流」：盒子叫容器（MP4、MOV、MKV、AVI、WebM），视频流和音频流则分别用各自的编码方式压缩（视频常见 H.264、H.265、VP9、AV1；音频常见 AAC、MP3、Opus）。扩展名只说明盒子是哪一种，完全不说明里面装了什么。所以会出现这些情况：两个都是 .mp4 的文件，一个能在老设备上播放、另一个不能（编码不同）；把 .mov 改名成 .mp4 之后依然打不开（内容没变）。真正的「转格式」必须做解封装再重新编码或重新封装，这一步才有实际意义。

视频压缩音频格式转换器视频转音频

2码率才是体积与画质的真正开关

很多人压缩视频时第一反应是降低分辨率，但更直接的杠杆是码率。文件体积近似等于「（视频码率 + 音频码率）× 时长 ÷ 8」，与其他参数没有直接关系——也就是说，一个 720p 但码率充足的视频，可能比一个 1080p 但码率被压得很低的视频更清晰、体积还更大。分辨率决定的是画面的细节上限，码率决定的是「有多少信息量去填满这个上限」。实践建议：先按目标平台的推荐码率选一个值（直播推流和平台上传的要求不同），再决定分辨率，而不是反过来。

视频文件大小估算器音频文件大小计算器直播推流码率计算视频压缩

3代际损失：尽量不要反复转码

有损编码的不可逆性在音视频里有个专门的说法叫「代际损失」——每转码一次就损失一次信息，错误会累积。把一段 H.264 视频转成 GIF 再转回 MP4、或者先压一遍再压一遍，画面会一次比一次糟，尤其表现为暗部色块、文字边缘发虚、快速运动处出现拖影。正确的做法是：始终从最原始的素材出发，一次性按最终需求导出，中间步骤尽量用「不重新编码」的方式完成（例如纯裁剪、纯合并时只切分封装而不重压）。判断某个操作会不会重编码，看它是否要求改变码率、分辨率、编码格式或帧率——只要改了其中任何一项，就必然重编码。

视频压缩视频转GIF 视频截取

4音频：有损无损之外，还有响度这关

音频格式分成两派：有损（MP3、AAC、OGG）通过丢弃听感不敏感的成分来压缩，无损（WAV、FLAC）完整保留。需要留意的是 WAV 并未压缩，它的体积可以用公式精确算出：采样率 × 位深 × 声道数 ÷ 8 × 时长，所以一首 3 分钟的 44.1kHz / 16bit 立体声约 30 MB。比格式更容易被忽略的是响度：主流流媒体平台都对上传内容做响度归一化（把整体音量调整到统一目标值），所以你做得越响，平台反而会把它压得越低，动态范围变差。上传前按目标平台的响度目标调整，能让你的作品在播放列表里听起来和别人一样响。

音频格式转换器音频响度 LUFS 换算器音频文件大小计算器

5字幕：格式、同步与可读性

字幕的三种常见格式各有分工：SRT 最简单、兼容性最好，几乎处处能读；WebVTT 是网页视频的标准，支持基本的定位与样式；ASS / SSA 支持丰富的样式与特效，常见于动画字幕组。三者可以互转，但要注意「从简单转复杂」不会凭空获得样式，「从复杂转简单」则会丢掉特效。除了格式，另两个容易被忽略的问题是同步与可读性：前者靠批量平移时间轴解决（当整段字幕统一偏移时），后者有明确的行业标准——阅读速度用每秒字符数衡量，成人内容的常见上限约 20，儿童内容更严；每行字符数也有限制，超了就必须精简文案而不是继续折行。

字幕格式转换器字幕时间轴批量平移字幕阅读速度CPS检测字幕折行与行长检查器

关于「音视频格式与压缩怎么选」的常见问题

把 .mov 直接改名成 .mp4，是不是就转换格式了？

不是。扩展名只是文件名的一部分，改名不会改变文件内部任何内容——容器没变、编码也没变。播放器打不开是因为它不认文件里的编码，而不是因为扩展名。真正的格式转换需要把视频流解出来，再用目标格式重新编码或重新封装，必须由工具实际处理数据才能完成。

视频压缩后变模糊了，怎么压才不糊？

关键在码率而不是分辨率。降低分辨率只是减少了画面的像素量，真正决定清晰度的是每秒分配了多少数据量（码率）。如果目标画质要求高，应该保持分辨率、给足码率；如果对体积更敏感，可以适当降低分辨率但同时保证码率不低到产生明显块状伪影。另外压缩是有损的，尽量从原片一次性导出，不要反复压缩。

H.265 比 H.264 省一半码率，为什么我的视频有的设备打不开？

因为 H.265（HEVC）的兼容性远不如 H.264。H.264 已被几乎所有设备和浏览器支持了近二十年，而 H.265 受专利授权影响，部分浏览器和系统不内置解码支持，老旧设备更是完全没有。所以面向最广受众发布时，H.264 仍是安全选择；只有在明确知道播放环境支持时才用 H.265 换取更小的体积。

为什么音频转成 MP3 之后音质明显变差了？

三个可能的原因叠加：一是有损格式本身会丢弃信息；二是比特率设得太低，低比特率下高频细节和立体声空间感损失最明显；三是源文件已经是有损格式，再转一次就是二次损失，相当于在已经损失过的数据上再压一遍。要尽量避免转码链路过长，并且对音乐类内容使用较高的比特率（如 192kbps 以上）。

上传到视频平台前，音频响度需要调吗？

建议调。主流流媒体平台都会对上传内容做响度归一化，把整体音量拉到统一的目标值。如果你把音量做得过大，平台会把它压下来，结果是动态范围被压缩、听起来发闷；如果做得过小，又不划算。按照目标平台公布的响度目标值调整，能让作品在该平台的播放列表里与他人作品听起来响度一致。

字幕和画面不同步，要一条条改吗？

如果整段字幕是统一偏移的（比如全部提前或延后了同样的秒数），不用逐条改——用批量平移工具把全部时间码整体挪动固定秒数即可，毫秒级精度。只有当偏移量不一致时才需要逐条调整，那种情况通常意味着翻译或压制环节出了问题，应当从源文件重新生成字幕。