بازگشت به بلاگ
ترنسکودینگپخش ویدیو

ترنسکودینگ (Transcoding) چیست و چرا برای پخش ویدئو مهم است؟

دوریفای۱۱ دقیقه زمان برای مطالعه
ترنسکودینگ (Transcoding) چیست و چرا برای پخش ویدئو مهم است؟
ترنسکودینگ (Transcoding) چیست و چرا برای پخش ویدئو مهم است؟

ترنسکودینگ (Transcoding) چیست و چرا برای پخش ویدئو مهم است؟

ترنسکودینگ فرایند تبدیل یک فایل یا جریان ویدئویی از یک مشخصات فنی به مشخصات فنی دیگر است. در این فرایند، ویدئو معمولاً رمزگشایی می‌شود، تنظیماتی مانند وضوح تصویر یا نرخ بیت آن تغییر می‌کند و سپس با یک کدک و قالب مناسب دوباره رمزگذاری می‌شود. خروجی می‌تواند یک فایل جدید یا چند نسخه از یک ویدئو باشد؛ نسخه‌هایی که برای سرعت اینترنت، صفحه‌نمایش یا دستگاه‌های مختلف آماده شده‌اند.

برای مثال، یک ویدئوی ۱۰۸۰p با نرخ بیت ۶ مگابیت بر ثانیه ممکن است به نسخه‌های ۱۰۸۰p، ۷۲۰p و ۴۸۰p تبدیل شود. پخش‌کننده با توجه به وضعیت اتصال و توانایی دستگاه، نسخه مناسب را انتخاب می‌کند. به همین دلیل ترنسکودینگ ویدئو در پخش آنلاین، دوره‌های آموزشی، وبینارها، سرویس‌های VOD و پخش زنده کاربرد دارد.

ترنسکودینگ چگونه کار می‌کند؟

مسیر اصلی ترنسکودینگ سه مرحله دارد: Decode، پردازش و Encode. در پروژه‌های واقعی، جداکردن جریان‌های صوتی و تصویری و بسته‌بندی خروجی برای تحویل از طریق شبکه هم به این مسیر اضافه می‌شود.

۱. رمزگشایی ویدئوی ورودی

نرم‌افزار ابتدا داده‌های فشرده‌شده را با استفاده از کدک ورودی می‌خواند و به فریم‌های قابل پردازش تبدیل می‌کند. اگر فایل با H.264 ساخته شده باشد، ترنسکودر باید بتواند همین کدک را بخواند. صدا هم ممکن است جداگانه با کدکی مانند AAC پردازش یا برای خروجی جدید آماده شود.

در این مرحله، اطلاعاتی مانند وضوح تصویر، نرخ فریم، نرخ بیت، تعداد کانال‌های صوتی و قالب فایل بررسی می‌شود. اگر فایل چند مسیر صوتی یا زیرنویس داشته باشد، سیستم باید درباره نگه‌داشتن، حذف یا تبدیل هرکدام تصمیم بگیرد.

۲. پردازش و تغییر مشخصات

پس از رمزگشایی، فریم‌ها می‌توانند تغییر کنند. کوچک‌کردن تصویر از ۱۰۸۰p به ۷۲۰p، برش تصویر، تغییر نرخ فریم، تنظیم صدا و چسباندن زیرنویس روی تصویر نمونه‌هایی از این پردازش هستند. گاهی فقط نرخ بیت تغییر می‌کند و وضوح ثابت می‌ماند؛ به این کار Transrating می‌گویند. تغییر اندازه تصویر نیز Transsizing نام دارد.

۳. رمزگذاری دوباره و بسته‌بندی

در پایان، فریم‌های پردازش‌شده با تنظیمات جدید رمزگذاری می‌شوند. انتخاب کدک، وضوح، نرخ بیت، پروفایل و سطح فشرده‌سازی روی کیفیت و اندازه خروجی اثر می‌گذارد. سپس صدا و تصویر در یک Container مانند MP4 قرار می‌گیرند یا برای پروتکل‌هایی مانند HLS و MPEG-DASH به قطعه‌های قابل پخش تبدیل می‌شوند.

می‌توان این زنجیره را چنین خلاصه کرد:

فایل یا جریان ورودی ← Decode ← پردازش ← Encode ← بسته‌بندی و تحویل

یک مثال ساده از ساخت چند کیفیت

فرض کنید مدرس یک دوره آنلاین، ویدئوی درس را با کیفیت ۱۰۸۰p و نرخ بیت ۶ مگابیت بر ثانیه بارگذاری کرده است. این فایل برای اینترنت سریع مناسب است، اما دانشجویی که با اینترنت موبایل یا شبکه‌ای ناپایدار متصل شده ممکن است با توقف‌های مکرر روبه‌رو شود.

سامانه می‌تواند از فایل اصلی چند خروجی بسازد:

نسخهکاربرد معمول
۱۰۸۰pصفحه‌نمایش بزرگ و اینترنت سریع
۷۲۰pتعادل بین وضوح و مصرف داده
۴۸۰pاینترنت محدود یا صفحه‌نمایش کوچک

این مجموعه نسخه‌ها Encoding Ladder نام دارد. پلیر با توجه به وضعیت شبکه و توانایی دستگاه، یکی از این نسخه‌ها را انتخاب می‌کند. اگر سرعت اینترنت کم شود، کیفیت تصویر پایین می‌آید تا پخش ادامه پیدا کند و با بهترشدن شرایط، امکان بازگشت به نسخه باکیفیت‌تر وجود دارد. این سازوکار همان پخش تطبیقی یا Adaptive Bitrate Streaming است.

چرا ترنسکودینگ برای پخش ویدئو مهم است؟

سازگاری با دستگاه‌ها و مرورگرها

تلویزیون هوشمند، تلفن همراه، لپ‌تاپ و مرورگر وب الزاماً از یک کدک، پروفایل یا قالب پشتیبانی نمی‌کنند. تولید نسخه‌های سازگار، احتمال پخش مستقیم را بیشتر می‌کند. برای نمونه، یک دستگاه ممکن است فایل H.264 را به‌خوبی پخش کند، اما با کدک جدیدتر یا تنظیمات سنگین‌تر مشکل داشته باشد.

کاهش بافر و قطع پخش

فایل بزرگ با نرخ بیت بالا به اتصال سریع و پایدار نیاز دارد. ترنسکودینگ به سرویس اجازه می‌دهد چند نرخ بیت ارائه کند تا کاربر در شرایط مختلف نسخه متناسب را دریافت کند. در نتیجه، احتمال خالی‌شدن بافر و توقف ویدئو کمتر می‌شود؛ هرچند هیچ ترنسکودری نمی‌تواند مشکلات جدی شبکه را به‌طور کامل برطرف کند.

کنترل مصرف پهنای باند

هرچه نرخ بیت بالاتر باشد، داده بیشتری در هر ثانیه منتقل می‌شود. نسخه‌های کم‌حجم‌تر برای اینترنت موبایل یا کاربرانی که محدودیت داده دارند مفیدند. این موضوع برای پلتفرم‌های آموزشی اهمیت دارد، چون همه کاربران با یک نوع اتصال وارد دوره نمی‌شوند.

آماده‌سازی یک ویدئو برای چند کاربرد

یک فایل اصلی می‌تواند برای پخش وب، دانلود، تلویزیون، شبکه اجتماعی یا آرشیو، خروجی‌های متفاوتی داشته باشد. سامانه با نگه‌داشتن نسخه اصلی، هر خروجی را بر اساس نیاز مقصد تولید می‌کند.

پشتیبانی از پخش زنده

در Live Streaming، تصویر دوربین یا نرم‌افزار پخش باید تقریباً هم‌زمان پردازش و ارسال شود. ترنسکودینگ می‌تواند جریان ورودی را به چند کیفیت تبدیل کند تا بینندگان با سرعت‌های مختلف به پخش دسترسی داشته باشند.

تفاوت Transcoding با Encoding، Compression و Transmuxing

این اصطلاحات به هم نزدیک‌اند، اما یکسان نیستند.

اصطلاحمعنیآیا رمزگذاری دوباره انجام می‌شود؟
Encodingتبدیل داده خام یا منبع ویدئویی به داده فشرده با یک کدکمعمولاً بله
Transcodingخواندن یک خروجی رمزگذاری‌شده و ساخت خروجی رمزگذاری‌شده جدید با مشخصات متفاوتبله
Compressionکم‌کردن اندازه داده با روش‌های فشرده‌سازیمی‌تواند بخشی از Encoding باشد
Transmuxing یا Remuxجابه‌جایی جریان‌های صوتی و تصویری بین Container یا قالب تحویلخیر، در حالت معمول

مثلاً اگر جریان H.264 و AAC بدون تغییر در داده فشرده، از یک Container به Container دیگر منتقل شود، با Remux یا Transmux روبه‌رو هستیم. این کار معمولاً سریع‌تر و کم‌هزینه‌تر از ترنسکودینگ است، چون تصویر و صدا دوباره فشرده نمی‌شوند. اگر کدک، وضوح یا نرخ بیت تغییر کند، فرایند وارد محدوده ترنسکودینگ می‌شود.

ترنسکودینگ Live چه تفاوتی با VOD دارد؟

در VOD، فایل از قبل وجود دارد. سامانه می‌تواند آن را در صف پردازش قرار دهد، خروجی‌ها را بررسی کند و در صورت نیاز دوباره بسازد. زمان پردازش پیش از انتشار اهمیت دارد، اما چند ثانیه تأخیر در تولید خروجی معمولاً به تجربه بیننده لطمه نمی‌زند.

در پخش زنده، هر ثانیه از محتوای ورودی باید با تأخیر کم آماده شود. اگر ترنسکودر از تولید داده عقب بیفتد، پخش زنده با تأخیر بیشتر، افت کیفیت یا قطع مواجه می‌شود. به همین دلیل در Live، ظرفیت پردازش، تأخیر، تعداد خروجی‌ها و پایداری سرویس باید هم‌زمان مدیریت شوند.

ویژگیVODLive
زمان پردازشقابل صف‌بندی و تکرارنزدیک به زمان واقعی
تحمل تأخیربیشترمحدودتر
امکان اصلاح خروجیساده‌تردشوارتر هنگام پخش
عامل حساسزمان آماده‌سازی و هزینه ذخیره‌سازیظرفیت لحظه‌ای و latency

کدک، Container، Bitrate و Resolution چه نقشی دارند؟

کدک روش فشرده‌سازی و بازکردن ویدئو است. H.264، H.265 یا HEVC و AV1 نمونه‌هایی از کدک‌های ویدئویی‌اند. هرکدام میان حجم فایل، کیفیت، نیاز پردازشی و سازگاری با دستگاه‌ها بده‌بستان متفاوتی دارند.

Container مانند MP4 یا WebM، جریان‌های ویدئو، صدا، زیرنویس و فراداده را در یک ساختار نگه می‌دارد. تغییر Container به‌تنهایی به معنای ترنسکودینگ نیست.

Bitrate مقدار داده‌ای است که برای هر ثانیه ویدئو مصرف می‌شود. نرخ بیت بالاتر معمولاً جزئیات بیشتری حفظ می‌کند، اما فایل بزرگ‌تر و مصرف اینترنت بیشتر می‌شود. Resolution تعداد پیکسل‌های تصویر است، مانند ۱۹۲۰ در ۱۰۸۰ برای ۱۰۸۰p. این دو مفهوم به هم مرتبط‌اند، اما یکی نیستند. افزایش وضوح بدون نرخ بیت و تنظیمات مناسب الزاماً کیفیت مطلوب ایجاد نمی‌کند.

Frame rate تعداد فریم‌های نمایش‌داده‌شده در هر ثانیه است. محتوای ورزشی یا تصویری که حرکت زیادی دارد ممکن است به نرخ فریم بالاتری نیاز داشته باشد. تغییر این مقدار می‌تواند روی روانی حرکت و حجم پردازش اثر بگذارد.

ترنسکودینگ با CPU، GPU یا سرویس ابری

ترنسکودینگ نرم‌افزاری با CPU انعطاف‌پذیر است و برای تعداد زیادی از کدک‌ها و فیلترها انتخاب مناسبی محسوب می‌شود. در مقابل، GPU یا شتاب‌دهنده سخت‌افزاری می‌تواند رمزگذاری و رمزگشایی را سریع‌تر انجام دهد و بار CPU را کم کند؛ اما همه تنظیمات و کدک‌ها روی هر سخت‌افزاری کیفیت یا سازگاری یکسانی ندارند.

ترنسکودینگ ابری، پردازش را به زیرساخت یک ارائه‌دهنده منتقل می‌کند. این روش برای پلتفرمی که تعداد ویدئوها یا بینندگانش تغییر می‌کند، می‌تواند راه‌اندازی ساده‌تری داشته باشد. هزینه معمولاً به حجم ورودی، تعداد خروجی‌ها، مدت ویدئو، ذخیره‌سازی و انتقال داده وابسته است. پیش از انتخاب سرویس، این موارد باید با حجم واقعی استفاده مقایسه شوند.

ابزارهایی مانند FFmpeg برای کنترل فنی و ساخت فرایندهای سفارشی کاربرد دارند. با این حال، تنظیمات نامناسب می‌تواند کیفیت را پایین بیاورد، خروجی ناسازگار بسازد یا مصرف پردازنده را افزایش دهد. برای یک دوره آموزشی یا محصول ویدئویی، تست چند فایل نماینده پیش از پردازش کل آرشیو تصمیم عاقلانه‌ای است.

معایب و هزینه‌های ترنسکودینگ

ترنسکودینگ همیشه بدون اثر بر کیفیت یا هزینه نیست. چون ویدئو در بسیاری از خروجی‌ها دوباره با فشرده‌سازیِ همراه با افت کیفیت رمزگذاری می‌شود، هر بار تبدیل ممکن است بخشی از جزئیات تصویر را کم کند. ترنسکودینگ چندباره از یک خروجی فشرده، افت کیفیت را بیشتر می‌کند. بهتر است نسخه‌های مختلف از یک منبع باکیفیت تولید شوند و از تبدیل زنجیره‌ای تا حد امکان پرهیز شود.

پردازش ویدئو به CPU، GPU، حافظه و فضای ذخیره‌سازی نیاز دارد. ساخت شش خروجی از یک ویدئو، زمان و هزینه بیشتری نسبت به ساخت دو خروجی دارد. در Live، تعداد خروجی‌ها مستقیماً روی ظرفیت لازم اثر می‌گذارد. انتخاب بیش از حد کیفیت‌ها همیشه تجربه بهتری ایجاد نمی‌کند و می‌تواند هزینه بی‌دلیل بسازد.

چه زمانی به ترنسکودینگ نیاز نداریم؟

اگر فایل از همان ابتدا با کدک، Container و مشخصات مورد نیاز پلیر سازگار باشد، Direct Play بهترین گزینه است. در این حالت، فایل بدون تبدیل دوباره به کاربر تحویل داده می‌شود و کیفیت اصلی حفظ می‌شود.

اگر فقط Container یا شیوه بسته‌بندی باید عوض شود، Remux یا Direct Stream می‌تواند کافی باشد. این گزینه‌ها معمولاً سریع‌ترند و CPU کمتری مصرف می‌کنند. سرویس‌های ویدئویی بهتر است پیش از شروع ترنسکودینگ بررسی کنند که آیا دستگاه کاربر واقعاً به تبدیل نیاز دارد یا خیر.

کاربردهای رایج ترنسکودینگ

ترنسکودینگ در چند گروه از محصولات ویدئویی دیده می‌شود:

  • پلتفرم‌های دوره آنلاین برای ارائه درس‌ها در چند کیفیت و سازگاری با تلفن همراه
  • سرویس‌های OTT و VOD برای پخش روی تلویزیون، مرورگر و اپلیکیشن
  • وبینارها و رویدادهای زنده برای ساخت چند جریان با نرخ بیت متفاوت
  • شبکه‌های اجتماعی برای تبدیل فایل‌های ارسالی به خروجی استاندارد
  • آرشیوهای ویدئویی برای انتقال محتوای قدیمی به کدک یا قالب جدید
  • سامانه‌های سازمانی برای کنترل دسترسی، زیرنویس، مسیرهای صوتی و کیفیت پخش

پرسش‌های متداول

آیا ترنسکودینگ کیفیت ویدئو را بهتر می‌کند؟

هدف اصلی ترنسکودینگ سازگاری، کنترل حجم و پخش پایدار است. خروجی جدید ممکن است با تنظیمات درست، برای دستگاه یا اتصال کاربر مناسب‌تر باشد، اما رمزگذاری دوباره معمولاً کیفیت منبع را افزایش نمی‌دهد. استفاده از منبع باکیفیت و انتخاب نرخ بیت مناسب، افت کیفیت را محدود می‌کند.

چرا یک ویدئو در چند کیفیت تولید می‌شود؟

تا پلیر بتواند با توجه به سرعت اینترنت و توان دستگاه، نسخه مناسب را انتخاب کند. این کار وابستگی همه کاربران به یک نرخ بیت ثابت را کم می‌کند و پایه پخش تطبیقی است.

آیا تغییر فرمت ویدئو همیشه ترنسکودینگ است؟

خیر. اگر تنها Container تغییر کند و جریان صوتی و تصویری دوباره رمزگذاری نشود، کار انجام‌شده Remux یا Transmux است. تغییر کدک، وضوح یا نرخ بیت معمولاً به Decode و Encode دوباره نیاز دارد و ترنسکودینگ محسوب می‌شود.

برای دوره آنلاین، چه کیفیت‌هایی مناسب‌اند؟

پاسخ به نوع محتوا، مخاطب و اینترنت او بستگی دارد. چند نسخه از ۱۰۸۰p تا کیفیت‌های پایین‌تر معمولاً انعطاف بیشتری ایجاد می‌کند، اما تعداد و نرخ بیت خروجی‌ها باید با داده واقعی کاربران و هزینه زیرساخت سنجیده شود.

CPU بهتر است یا GPU؟

هیچ پاسخ یکسانی برای همه پروژه‌ها وجود ندارد. CPU برای فرایندهای متنوع و فیلترهای سفارشی انعطاف بیشتری دارد و GPU در سناریوهای پشتیبانی‌شده می‌تواند سرعت و ظرفیت بالاتری بدهد. کیفیت خروجی، پشتیبانی کدک و هزینه سخت‌افزار را کنار سرعت مقایسه کنید.

تصمیم‌گیری نهایی

ترنسکودینگ یعنی ساختن خروجی ویدئویی جدید از یک ورودی موجود، با تغییر در کدک، وضوح، نرخ بیت، نرخ فریم یا شیوه تحویل. این فرایند کمک می‌کند یک ویدئو روی دستگاه‌ها و اتصال‌های مختلف پخش شود و با استفاده از پخش تطبیقی، احتمال بافر کاهش پیدا کند.

برای تصمیم درست، ابتدا بررسی کنید Direct Play یا Remux کافی است یا نه. اگر تبدیل لازم بود، منبع باکیفیت، تعداد منطقی خروجی‌ها، تفاوت نیازهای Live و VOD و هزینه CPU، GPU، ذخیره‌سازی و پهنای باند را کنار هم بسنجید. ترنسکودینگ زمانی ارزشمند است که به مسئله واقعی پخش پاسخ دهد و تعداد فایل‌ها را فقط به‌خاطر افزایش خروجی بیشتر نکند.

راه‌اندازی رایگان سایت آموزشی با دوریفای

با دوریفای، بدون درگیری فنی آکادمی آنلاین خودتان را بسازید؛ دوره‌های امن و رمزگذاری‌شده بفروشید، با درگاه دوریفای پرداخت‌ها را دریافت کنید و روی آموزش تمرکز داشته باشید. شروع

مطالب پیشنهادی