Cutter - Web影片剪輯工具原理淺析

最近一直在開發 web影片剪輯工具（cutter），這個工具可以方便老師們編輯拍攝好的影片。

這是一個挺有意思的專案，預計分多章和大家分享介紹。

本期主要介紹下其大體流程，方便大家對其原理有一個簡單認知

Cutter 剪輯工具效果演示：

web編輯器

匯出效果

閱讀完本文，預計可以收穫的知識點：

• 瞭解web影片剪輯工具 基本原理

• 實戰一個ffmpeg+wasm+offscreen canvas demo

技術鏈路

全鏈路可以簡單分為

• 頁面依賴的底層：vesdk

• 頁面核心互動：web剪輯工具

• 後端：影片架構-影片合成

問題丟擲

為了更好的理解全鏈路，這裡我們丟擲兩個問題，帶著問題來看整體鏈路，增強我們的理解：

Q1：影片是怎麼在網頁端實現編輯預覽的效果？

Q2：怎麼保證預覽效果和合成效果一致性？

Q1：影片是怎麼在網頁端實現編輯預覽的效果

目前web影片編輯主要有兩個方向

• 一種是使用原生JS，基於瀏覽器提供的

• 多媒體前端技術入門指南 - TeqNG ^[1]

• 騰訊雲剪 - web多媒體技術在影片編輯場景的應用 ^[2]

• 愛奇藝雲剪輯Web端的技術實現 ^[3]

• 另一種是直接使用WebAssembly將現有基於C/C++等程式碼的影片編輯框架編譯到瀏覽器上執行

• 《VESDK技術演進之Web音影片編輯技術》

二者的對比，可以參考如下：

圖片來源 《VESDK技術演進之Web音影片編輯技術》

vesdk採用的是第二種方式（ffmpeg+wasm），大體流程轉換圖可參考如下：

排程邏輯：

解碼、繪製時盡力出幀frame，將frame放入快取池中，上屏時結合raf 自行根據fps計算下一幀渲染時間點

剪輯中 音訊、文字 是怎麼繪製的：

音訊：在主執行緒中，基於Web Audio的OpenAL API來構建

文字、特效：基於webgl shader等直接繪製

為了更好的理解上面的流程圖，介紹下里面的一些關鍵名詞

YUV是一種顏色編碼格式，能夠通過公式計算還原為RGB，相比於RGB編碼體積佔用更小。

R = Y + 1.140*V

G = Y - 0.394 U - 0.581 V

B = Y + 2.032*U

“Y”表示明亮度（Luminance或Luma），也就是灰階值

“U”和“V”表示的則是色度（Chrominance或Chroma），作用是描述影像色彩及飽和度，用於指定畫素的顏色

例如：通過YUV預覽工具，我們可以看到各個分量單獨顯示時的成像

• 媒體內容原始檔都是比較大的，為了便於傳輸和儲存，需要對原影片通過編碼來壓縮，再通過容器封裝將壓縮後的影片、音訊、字幕等組合到一個容器內，這就是 編碼 和 容器封裝 的過程（例如可以用 壓縮餅乾 和 封袋包裝 來理解，會出現很多不同的壓縮工藝和包裝規格）

• 在播放端進行播放時，進行相應的 解封裝 和 解碼 ，得到原檔案資料

在上述過程中，FFmpeg就是這樣一款領先的多媒體框架，幾乎實現了當下所有常見的資料封裝格式、多媒體傳輸協議、音影片編解碼器。

FFmpeg提供了兩種呼叫姿勢，可以面向不同場景需求：

• 呼叫方法一：應用層可以呼叫 ffmpeg ^[4] \ffprobe等命令列 cli 工具 來讀寫媒體檔案；

// 例如：
ffmpeg -i tempalte.mp4 -pix_fmt yuv420p tempalte.yuv

可以看到解封裝後，原檔案體積是遠大於1.1MB的

• 呼叫方法二：c層面可以呼叫 FFmpeg 下層編解碼器等外部庫用來實現編解碼，獲取原生影象和音訊資料

// 可以參考該文章Mp4讀取yuv資料
https://www.jianshu.com/p/f4516e6df9f1
// 幾個關鍵api
av_read_frame    讀取影片流的h264幀資料
avcodec_send_packet     將h264幀資料傳送給解碼器
avcodec_receive_frame    從解碼器中讀出解碼後的yuv資料

// demo
void decode() {
    char *path = "/template.mp4";
    ...
    while(true) {
        av_read_frame(avformat_context, packet);//讀取檔案中的h264幀
        if (packet->stream_index == videoStream) {
            int ret = avcodec_send_packet(avcodec_context, packet);//將h264幀傳送到解碼器
            if (ret < 0) {
                break;
            }
            while (true) {
                int ret = avcodec_receive_frame(avcodec_context, frame);//從解碼器獲取幀
                sws_scale(sws_context,
                            (uint8_t const * const *) frame->data,
                            frame->linesize, 0, avcodec_context->height, pFrameYUV->data,
                            pFrameYUV->linesize);//將幀資料轉為yuv420p
                fwrite(pFrameYUV->data[0], sizeof( uint8_t ), avcodec_context->width * avcodec_context->height, pFile);//將y資料寫入檔案中
                fwrite(pFrameYUV->data[1], sizeof( uint8_t ), avcodec_context->width * avcodec_context->height / 4, pFile);//將u資料寫入檔案中
                fwrite(pFrameYUV->data[2], sizeof( uint8_t ), avcodec_context->width * avcodec_context->height / 4, pFile);//將v資料寫入檔案中
            }
        }
    }
    ...
}

WebAssembly是一種安全、可移植、效率高、檔案小的格式，其提供的命令列工具wasm可以將高階語言(如 C++)編寫的程式碼轉換為瀏覽器可理解的機器碼，所以實現了在瀏覽器中直接執行。

例如c程式碼 經過如下步驟，可以被瀏覽器直接執行

加法 demo小例子：

step1、可利用線上工具（https://mbebenita.github.io/WasmExplorer/）編寫一個加法例子，然後下載得到 編譯好的 test.wasm 檔案

step2、載入test.wasm

step3、瀏覽器中直接執行

OffscreenCanvas

OffscreenCanvas ^[5] 非常有意思，這是一個離前端開發人員比較近的概念，它是一個可以脫離螢幕渲染的canvas物件，在主執行緒環境和web worker環境均有效。

OffscreenCanvas 一般搭配worker使用，目前主要用於兩種不同的使用場景：

流程	優點	劣勢
模式一：同步顯示offscrrenCanvas中的幀	step1、在 Worker 執行緒建立一個 OffscreenCanvas 做後臺渲染step2、再把渲染好的緩衝區 Transfer 回主執行緒顯示	主執行緒可以直接控制渲染內容	canvas渲染受主執行緒影響
模式二：非同步顯示offscrrenCanvas中的幀	step1、將主執行緒中 Canvas 轉換為 OffscreenCanvas，併發送給worker執行緒step2、worker執行緒獲取到OffscreenCanvas後，進行繪製計算操作，最後把繪製結果直接 Commit 到瀏覽器的 Display Compositor （相當於在 Worker 執行緒直接更新 Canvas 元素的內容，不走常規的渲染流程）（參考表格下面的圖）	canvas渲染不受主執行緒影響-   避免繪製過程中的大量的計算阻塞主執行緒-   避免主執行緒的耗時任務阻塞渲染	主執行緒無法控制繪製內容

模式一：

 // 主執行緒 進行渲染  
const ctx = renderCanvas.getContext( '2d' ); 
const worker = new Worker( 'worker.js' ); 
worker.onmessage = function ( msg ) {  
    if (msg.data.method === 'transfer' ) { 
    ctx.drawImage(msg.data.buffer, 0 , 0 ); 
  } 
};   

    // worker執行緒
onmessage = async (event) => {     
    const offscreenCanvas = new OffscreenCanvas( 480 , 270 );    
    const ctx = offscreenCanvas.getContext( "2d" );    
    // ctx繪製工作     
    ...    
    const imageBitmap = await self.createImageBitmap( new Blob([data.buffer]));    
    ctx.drawImage(imageBitmap, 0 , 0 );
    let imageBitmap = offscreenCanvas.transferToImageBitmap();
    // bitmap傳送給主執行緒     
    postMessage({ method : "transfer" , buffer : imageBitmap}, [imageBitmap])
}

備註：postMessage 常規傳遞是通過拷貝的方式；對此postMessage提供了第二個引數，可以傳入實現了 Transferable ^[6] 介面的資料（例如 ImageBitmap），這些資料的控制權會被轉移到子執行緒，轉移後主執行緒無法使用這些資料（會拋錯）

備註：postMessage 常規傳遞是通過拷貝的方式；對此postMessage提供了第二個引數，可以傳入實現了 Transferable ^[7] 介面的資料（例如 ImageBitmap），這些資料的控制權會被轉移到子執行緒，轉移後主執行緒無法使用這些資料（會拋錯）

模式二：

// 主執行緒
const worker = new Worker('worker.js');
const offscreenCanvas = canvas.transferControlToOffscreen();
worker.postMessage({
  canvas: offscreenCanvas,
}, [offscreenCanvas])


// worker
onmessage = async (event) => {
  const canvas = event.data.canvas;
  const ctx = canvas.getContext("2d");
  // ctx繪製工作   ...
  const imageBitmap = await self.createImageBitmap(new Blob([data.buffer]));
  // 開始渲染
  ctx.drawImage(imageBitmap, 0, 0);
}

一個對照試驗：

對照	主執行緒解碼+主執行緒渲染（參考動圖 1）
實驗組	demo1：主執行緒解碼 + 主執行緒渲染 -   解碼被卡住 :x:-   渲染被卡住 :x:（參考動圖 2）	demo2：work 執行緒 解碼 + 主執行緒canvas渲染 -   解碼不被卡住 :white_check_mark:-   渲染被卡住 :x:（參考動圖 3）
實驗組	demo3：worker 執行緒 解碼 + offscreenCanvas(同步模式) -   解碼不被卡住 :white_check_mark:-   渲染被卡住 :x:（參考動圖 4）	demo4：worker 執行緒 解碼 + offscreenCanvas( 非同步模式 ) -   解碼不被卡住 :white_check_mark:-   渲染不被卡住 :white_check_mark:（參考動圖 5）

動圖 1

動圖 2

動圖 3

動圖 4

動圖 5

通過實驗，我們可以發現：

解碼任務放在worker執行緒，不會被主執行緒打斷；渲染任務放在offscreenCanvas，不會被主執行緒打斷

Q2：怎麼保證預覽效果和合成效果一致性？

這個問題比較容易理解，受限於瀏覽器自身的效能和限制，前端合成問題較多，穩定性和效能不足，所以是採用服務端合成的方式。

為了保證服務端匯出和前端編輯預覽一致，約定一個草稿協議，雲端合成時基於草稿做類似前端合成操作即可

可以看到 ffmpeg + wasm + worker + offscreenCanvas搭配起來後，還是能做出一款效能不錯的有意思的音影片小工具

我們進入一個小實戰環節 :point_down:

小實戰探索：搭建一個 web版gif字幕離線生成器

之所以做下面這個實戰

• 一方面是因為之前在校弄過一個app，底層原理是在服務端做gif字幕的合成，合成時使用到了ffmpeg，和影片剪輯底層有些相似；

• 另一方面是剛好嘗試改造為web版本，以便實戰下 ffmpeg + wasm + worker + offscreenCanvas

:cookie: 想要達到的目標：一個 web版gif字幕離線生成器（支援離線合成，也支援播控合成後的gif）

之前效果：

合成鏈路改造方案：

之前的鏈路，存在的問題：

• 雲端合成，流量大時伺服器CPU容易被擠滿，導致伺服器不可用

• 生成的gif不支援預覽播控

具體鏈路

實現效果

具體程式碼

為了使用ffmpeg，我們需要將其編譯為wasm，這裡我們直接使用一個編譯好的三方庫 ffmpeg.wasm ^[8]

step1、載入worker

index.jsx

useEffect(() => {
  const gifWorker = new Worker('http://localhost:3000/gif_worker_offscreen.js');
  gifWorker.onmessage = function (msg) {
    if (msg.data.method === 'transfer') {
      setGifSrc(msg.data.url);
    }
  };
  setGifWorker(gifWorker);
}, []);

<>
    <canvas id='gif-canvas' ref={gifCanvasRef}/>
    <button onClick={() => {
      if (!gifWorker) {
        return;
      }
      // 定義一個離屏canvas
      const offscreenCanvas = gifCanvasRef.current.transferControlToOffscreen();
      gifWorker.postMessage({
        method: 'init', 
        canvas: offscreenCanvas, 
        inputList: gifInputList,
      }, [offscreen]);
    }}>生成gif
    </button>
</>

step2、worker初始化，引入ffmepg

gif_worker_offscreen.js

importScripts('/ffmpeg.dev.js');
const {createFFmpeg, fetchFile} = self.FFmpeg;

const ffmpeg = createFFmpeg({
  corePath: 'http://localhost:3000/ffmpeg-core.js',
  ...
});

onmessage = async (event) => {
  const method = event.data.method;
  if (method === 'init') {
    if (!canvas) {
      canvas = event.data.canvas;
      ...
      ctx = canvas.getContext("2d");
    }
    await decodeResource();
    play();
    await playCore(ctx);
  } else if (method === 'pause') {
    pause();
  } else if (method === 'play') {
    play();
  } else if (method === 'replay') {
    ...
    playIndex = 0;
    await playCore(ctx);
  }
}

step3、合成gif

gif_worker_offscreen.js

async function decodeResource() {
  if (!ffmpeg.isLoaded()) {
    await ffmpeg.load();
  }
  ffmpeg.FS('writeFile', 'template.mp4', await fetchFile('http://localhost:3000/1/template.mp4'));
  ffmpeg.FS('writeFile', 'template.ass', await replaceAssTemplate(inputList));
  ffmpeg.FS('writeFile', 'tmp/Yahei', await fetchFile('http://localhost:3000/1/yahei.ttf'));
  await ffmpeg.run('-i', 'template.mp4', '-vf', "subtitles=template.ass:fontsdir=/tmp:force_style='Fontname=Microsoft YaHei'", 'export.gif');
  const data = ffmpeg.FS('readFile', 'export.gif');
  await ffmpeg.run('-i', 'export.gif', '-vf', 'fps=25', '-s', '480x270', 'image%d.jpg');
  const url = URL.createObjectURL(new Blob([data.buffer], {type: 'image/gif'}));
  postMessage({method: "transfer", url});
}

step4、播控gif

gif_worker_offscreen.js

async function playCore(ctx) {
  const totalLength = Math.floor(duration / timeInterval);
  clearInterval(playTimer);
  playTimer = setInterval(async () => {
    if (!canPlay) {
      return;
    }
    playIndex++;
    if (playIndex === totalLength) {
      clearInterval(playTimer);
      return;
    }
    const data = ffmpeg.FS('readFile', `image${playIndex}.jpg`);
    const imageBitmap = await self.createImageBitmap(new Blob([data.buffer]));
    ctx.drawImage(imageBitmap, 0, 0);
  }, timeInterval);
}

總結

以上便是做剪輯工具過程中，發現的一些比較有意思的點，本篇文章屬於拋磚引玉，每個方面大家都還可以繼續深挖，發現更多有意思的點。

在後續的分享中，打算分享下 web剪輯編輯器 前端部分的具體實現（前端工程師會比較熟悉的領域）

:heart: 謝謝支援

以上便是本次分享的全部內容，希望對你有所幫助^_^

喜歡的話別忘了 分享、點贊、收藏 三連哦~。

歡迎關注公眾號 ELab團隊 收貨大廠一手好文章~

我們來自位元組跳動，是旗下大力教育前端部門，負責位元組跳動教育全線產品前端開發工作。

我們圍繞產品品質提升、開發效率、創意與前沿技術等方向沉澱與傳播專業知識及案例，為業界貢獻經驗價值。包括但不限於效能監控、元件庫、多端技術、Serverless、視覺化搭建、音影片、人工智慧、產品設計與營銷等內容。

歡迎感興趣的同學在評論區或使用內推碼內推到作者部門拍磚哦

位元組跳動校/社招投遞連結: https://job.toutiao.com/s/2jML178

內推碼： C4QC2V7

參考資料

- END -