mirror of
https://github.com/SeanChang/xuanyuan_docker_proxy.git
synced 2026-10-07 14:47:59 +08:00
6.9 KiB
6.9 KiB
image, description, source, canonical, exported_at
| image | description | source | canonical | exported_at |
|---|---|---|---|---|
| linuxserver/ffmpeg | linuxserver/ffmpeg是LinuxServer团队优化的轻量级Docker镜像,集成FFmpeg全功能多媒体处理工具,支持音视频编解码、格式转换、滤镜特效及流媒体推流/拉流。镜像采用高效打包技术,体积小巧且兼容多架构平台,持续同步官方更新确保功能前沿。适用于开发者批量处理音视频文件、搭建媒体服务器实时转码或家庭影院系统自动化格式转换,为多媒体处理提供高效稳定的容器化解决方案。 | https://xuanyuan.cloud/zh/r/linuxserver/ffmpeg | https://xuanyuan.cloud/zh/r/linuxserver/ffmpeg | 2026-07-12T16:36:12.930Z |
轩辕镜像中文简介(在线版): linuxserver/ffmpeg 中文简介
含镜像标签、拉取命令、部署文档与相关推荐。
LinuxServer.io ffmpeg 容器介绍
LinuxServer.io 团队简介
LinuxServer.io 团队专注于提供高质量容器解决方案,其发布的容器具有以下特点:
- 定期及时的应用更新
- 简化的用户权限映射(通过 PGID、PUID 设置)
- 基于 s6 overlay 的自定义基础镜像
- 每周基础系统更新,通过共享通用层减少存储空间占用、 downtime 和带宽消耗
- 常规安全更新
社区与支持渠道
- 博客:<[]>(容器使用指南、教程及技术观点)
- *:<
- 论坛:<[]>(社区讨论与问题反馈)
- Fleet:<[]>(在线查看所有维护中的镜像)
- GitHub:<[]>(源代码仓库)
- 捐赠支持:<[]>(欢迎通过捐赠或贡献支持团队)
linuxserver/ffmpeg 容器
[FFmpeg] 是一套跨平台的音视频处理工具,支持录制、转换和流式传输音视频。LinuxServer.io 提供的此容器封装了 FFmpeg,便于通过 Docker 临时运行自定义音视频处理命令。
支持的架构
容器通过 Docker manifest 实现多平台支持,直接拉取 lscr.io/linuxserver/ffmpeg:latest 即可自动匹配对应架构。也可通过标签指定具体架构:
| 架构 | 支持状态 | 标签格式 |
|---|---|---|
| x86-64 | ✅ 支持 | amd64-<版本标签> |
| arm64 | ✅ 支持 | arm64v8-<版本标签> |
| armhf | ❌ 不支持 | - |
使用方法
该容器需通过命令行临时运行,需熟悉 Docker 基础操作及 FFmpeg 命令构造。以下示例均假设当前工作目录包含输入文件 input.mkv,并通过绑定挂载将当前目录映射到容器内的 /config。
包含的硬件加速驱动(Intel x86 平台)
- iHD 驱动:支持第 8 代及以上 Intel 处理器(默认启用)
- i965 驱动:支持第 5-9.5 代 Intel 处理器(通过环境变量
LIBVA_DRIVER_NAME=i965启用) - VAAPI:配合 i965 驱动支持第 5 代及以上,配合 iHD 驱动支持第 8 代及以上
- Qsv 调度器:OneVPL(自动切换 OneVPL 和 MSDK 运行时)
- Qsv 运行时:OneVPL(支持第 12 代及以上)、MSDK(支持第 8-12 代)
基础转码示例
docker run --rm -it \
-v $(pwd):/config \
docker.xuanyuan.run/linuxserver/ffmpeg \
-i /config/input.mkv \ # 输入文件路径(容器内路径)
-c:v libx264 \ # 视频编码器(libx264 软件编码)
-b:v 4M \ # 视频比特率
-vf scale=1280:720 \ # 视频尺寸缩放
-c:a copy \ # 音频流直接复制(不重新编码)
/config/output.mkv # 输出文件路径(容器内路径,映射到宿主机当前目录)
VAAPI 硬件加速(Intel/AMD iGPU)
docker run --rm -it \
--device=/dev/dri:/dev/dri \ # 挂载 GPU 设备
-v $(pwd):/config \
linuxserver/ffmpeg \
-vaapi_device /dev/dri/renderD128 \ # 指定 VAAPI 设备
-i /config/input.mkv \
-c:v h264_vaapi \ # VAAPI 视频编码器
-b:v 4M \
-vf 'format=nv12|vaapi,hwupload,scale_vaapi=w=1280:h=720' \ # 硬件缩放
-c:a copy \
/config/output.mkv
QSV 硬件加速(Intel CPU)
docker run --rm -it \
--device=/dev/dri:/dev/dri \
-v $(pwd):/config \
docker.xuanyuan.run/linuxserver/ffmpeg \
-hwaccel qsv \ # 启用 QSV 硬件加速
-c:v h264_qsv \ # QSV 视频编码器
-i /config/input.mkv \
-global_quality 25 \ # 视频质量(数值越低质量越高)
/config/output.mkv
Nvidia 硬件加速
需先在宿主机安装 [Nvidia 容器工具包] 及驱动:
docker run --rm -it \
--runtime=nvidia \ # 使用 Nvidia 运行时
-v $(pwd):/config \
linuxserver/ffmpeg \
-hwaccel nvdec \ # Nvidia 硬件解码
-i /config/input.mkv \
-c:v h264_nvenc \ # Nvidia 硬件编码
-b:v 4M \
-vf scale=1280:720 \
-c:a copy \
/config/output.mkv
Vulkan 支持(Intel/AMD iGPU)
需根据显卡类型设置环境变量启用对应驱动:
# Intel 显卡(设置 ANV 驱动)
docker run --rm -it \
--device=/dev/dri:/dev/dri \
-v $(pwd):/config \
-e ANV_VIDEO_DECODE=1 \
docker.xuanyuan.run/linuxserver/ffmpeg \
-init_hw_device "vulkan=vk:0" \ # 初始化 Vulkan 设备
-hwaccel vulkan \
-hwaccel_output_format vulkan \
-i /config/input.mkv \
-f null - -benchmark # 测试转码性能(无输出文件)
- AMD 显卡:添加环境变量
-e RADV_PERFTEST=video_decode - Nvidia 显卡:需安装 Nvidia Vulkan Beta 驱动
本地构建
如需修改镜像源码或自定义构建:
# 克隆仓库
git clone [] docker-ffmpeg
# 构建镜像(x86_64)
docker build \
--no-cache \
--pull \
-t lscr.io/linuxserver/docker-ffmpeg:latest .
# 构建 ARM 架构(需先注册 qemu)
docker run --rm --privileged docker.xuanyuan.run/multiarch/qemu-user-static:register --reset
# 例如构建 arm64:
docker build -f Dockerfile.aarch64 -t lscr.io/linuxserver/docker-ffmpeg:arm64v8-latest .
版本更新记录
- 2023.08.25:更新 ffmpeg 至 8.0,同步更新 harfbuzz、Intel 驱动、libdovi 等依赖
- 2023.08.06:更新 svt-av1
- 2023.06.07:更新 harfbuzz、libass、libdovi、libplacebo 等依赖
- 2023.06.04:为 arm64 镜像添加 libdrm 和 rkmpp 支持
- 2023.04.21:更新 aom、Intel 驱动、mesa、svt-av1 等依赖
- 2023.03.07:更新 ffmpeg 至 7.1.1,同步更新 aom、fontconfig 等依赖
- 更早版本:包含 ffmpeg 版本升级、硬件加速支持优化、依赖库更新等(详细历史见 [GitHub] )
通过以上步骤,用户可基于此容器快速实现音视频转码,结合硬件加速提升处理效率。如需更多帮助,可通过社区渠道获取支持。