在线电影网站（VOD）技术简谈

背景

• 不喜欢国内媒体的月充会员+低码率
• 自己有很多高码率片源

因此初心想做一个高码率高质量的点播平台，但其实因为版权问题是没法公开和做大的，最后只能放弃，现在写篇文章讲讲技术上的事情吧。

片源

主要来自 PT 站，搜集的基本是 2160p/H.265/10bit/HDR 以及高码率（25-60Mbps），具体不多说，此为视频背景。

个人手上都是小站，在这里随缘求一个大站邀请码~~~😘

Email：[email protected]

视频处理

降码率（H.265 -> AV1）

想要在线播放视频，这些原片的码率太高了，一部电影动辄 30GB 往上，因此不可避免的需要转码。

了解一些基础后选择了转成 AV1 编码，低码率提供高质量的主流选择。

先折腾过 av1_nvenc，后来是觉得 SVT-AV1 压缩质量更好（同等码率下画质更高/同画质下码率更低），并支持 film-grain，因此后面就使用 CPU 来进行压缩了。这里主要涉及的参数有

• preset：我设为 4
• gop：涉及后续的切片时长，我设为 144
• crf：决定码率的关键参数，对于 2160p 是 24-28，对于 1080p 是 20-22。这里没有选择 CBR 和 VBR，我觉得 crf 在我的目标场景下更适合，最后输出的码率在 4-20 Mbps
• film-grain：基本在 8-12 不等，干净的动画设为 0

色彩映射（HDR -> SDR）

由于片源大部分都是 HDR，而目前 HDR 播放又没有那么主流，因此这里还是转成 SDR 的兼容性更好。

这阶段踩过很多坑，包括映射算法，和转码一起处理的管道输入输出，GPU 计算等等。

最终的技术路线是使用 libplacebo（启用 GPU 加速），算法使用 spline，再详细的参数有：

• peak_detect=1
• smoothing_period=20
• scene_threshold_low=1
• scene_threshold_high=3
• percentile=99.995

分辨率缩放

考虑到不是所有的设备都需要上 2160p 的画质，尤其是手机和平板这种移动端，看高码的 1080p 就已经足够了，因此这里还加入了分辨率缩放，从 2160p 降到 1080p。

这里也是用 libplacebo 这个库，下采样算法使用 mitchell。

音频处理

音频上的处理很简单，使用 ffmpeg 自带的 aac 编码器，全部转为 192kbps 立体声

字幕处理

字幕也是一个头疼的点，大部分片源里面封装的字幕是 PGS 这类位图字幕，本质是很多张图片+控制流信息（决定在什么时间在什么位置出现哪张图片）。目前主流的 HTML5 播放器或现有库没法解决这事，原本想用 OCR + ASS 来解决，但 OCR 效果不好，手动核对工作量太大，并且文本位置好像也没法再确定。

因此这里的技术路径是手动解析 PGS 文件。先把字幕从 MKV 容器中提取出来，然后逐个读取 PGS segment，组织成 display set 和字幕事件，把字幕位图转成无损 WebP，并生成前端可按时间轴查询的 index.json。前端播放器播放视频的同时把这些图片渲染到视频上，就有了字幕。

具体实现都是 GPT 干的，我对 PGS 文件结构与怎么排布的也不太熟悉，好在生成的代码经检查是正确可用的，搜了下 github，这好像是目前最好的 PGS Parser 了（或者说目前网页播放器支持 PGS 格式字幕的最好解决方法），感兴趣的可以联系找我要代码（因为没有单独整理出来，所以目前不好贴链接）。这里列一个目录结构：

• models.py: 数据模型、常量、异常类型
• segments.py: 二进制 segment 读取与 PCS/WDS/PDS/ODS/END 解析
• palette.py: PGS 调色板合并与 YCbCrA -> RGBA 转换
• rle.py: PGS RLE 位图解码
• renderer.py: object 位图渲染与多 object 合成
• parser.py: display set 状态机、缓存复用、end time 推导
• exporter.py: WebP 导出与 index.json 生成
• cli.py: 命令行入口

切片

拿到处理后的视频和音频文件后，需要转成一个个小切片文件才能更好地进行播放，提升用户体验。

切片时间原本定的是 4 秒，后来改成了 6 秒。

这里用的是 Shaka Packager，做成 CMAF 格式（DASH 和 HLS 双协议）。

网站

前端

前端播放器 UI 比对了几个最终还是选择了 Artplayer，中文文档，界面也比较好看。播放器代码使用的是 dash.js 和 hls.js。网站用的是 Vue 框架，基本都是 AI 写的了，这里贴两张截图。

后端

因为想极致地省成本，所有的部署都是用 CloudFlare 的产品，包括 CDN、worker 和 R2。

Backblaze 的 B2 虽然更便宜且流量到 CloudFlare 也免费，但 CloudFlare CDN 的政策是只能免费代理其自己的产品，否则有封号的可能性，我想了想还是全部用 R2 了。

前后端都使用 worker 进行搭建，后端做了 HMAC 签名/鉴权，流量控制，R2 回源手动 Cache 控制等等。

加速

由于 CloudFlare 对于大陆访问给的 CDN 节点都很差，比如位于美国洛杉矶而不是更近的香港日本这些，因此在实际点播场景下还是会出现加载卡顿的情况（这个分地区和时间，我是北京联通不太好，但别人是浙江移动访问起来就还可以）。因此还是要想一下加速的方案，优选 IP 我嫌麻烦与不稳定就算了，最后解决方案是加中转节点。

具体思路是使用优质出口线路机器来充当中转服务器，用户 -> 中转 -> Cloudflare CDN 节点 -> Cloudflare R2。这个中转还是比较花钱和需要考虑性价比的，比了很久最后购买的测试机器是每月 28 元，美国洛杉矶 100M 带宽 1GB 流量，去程回程分别是：电信 163/9929、移动 CMI/CMIN2、联通 4837/9929。部署 Nginx 中转后速度一下子就上去了，这里服务器还有多余的硬盘空间可以开启 Nginx 缓存，再少一半的流量使用。如果能上线并且大量用户访问的话，这个方法可能还是挡不住（得加钱）。

为了再省省中转节点的流量，这里后端还做了根据当前播放情况来自动选择线路，如果用户直接访问 Cloudflare CDN 节点的速度还不错，播放不会卡顿，那就不走中转，而是直接连接。如果检测到经常发生卡顿，才会自动切换到中转线路。在代码实现上这里主要是监听 dash.js 事件。

最后

想把自己收藏的高质量片源分享给他人观看是一直想做的事情，可能每年总有一段时间突然想去做它，最早最早我记得是在弄 emby/jellyfin 吧，甚至想抄 jellyfin 实时转码的代码。后来还试了下 AList，也是在这个项目中了解到了 Artplayer，可惜去年出了事。

版权问题是没办法绕过的，即便是那些非常经典的随处可看的老电影，算是一个遗憾。（当然要做遵纪守法的好公民）

就这样吧，所有的代码分为转码和网站两个仓库，但因为使用了比较多的 AI，代码比较杂乱，目前没时间也不太想再去整理，因此没办法直接放仓库链接。欢迎邮件来讨论其中的技术细节。