FFmpeg — 25年間メディア世界を支えてきたスイスアーミーナイフ

FFmpegとは何か

FFmpegはCLIツールであり、ライブラリの集合体だ。「FF」はFast Forward、「mpeg」は動画規格グループ名に由来する。2000年にFabrice Bellardが作り、以降Michael Niedermayerをはじめ数百人の貢献者が開発を続けている。

一言でまとめると：ほぼすべてのメディアフォーマットを入力し、ほぼすべてのメディアフォーマットで出力できる。

ffmpeg -i input.mov -c:v libx264 -c:a aac output.mp4

この1行でMOVファイルをH.264ビデオ+AACオーディオのMP4に変換する。

コアコンポーネント

FFmpegプロジェクトは複数のバイナリとライブラリで構成される。

バイナリ：

• ffmpeg — メディア変換・エンコードのメインCLI

• ffprobe — メディアファイルのメタデータ・ストリーム情報照会

• ffplay — SDLベースの簡易メディアプレーヤー

ライブラリ（libav*）：

• libavcodec — コーデック実装（H.264、HEVC、VP9、AV1、AAC、Opus等）

• libavformat — コンテナフォーマット処理（MP4、MKV、WebM、FLV、HLS等）

• libavfilter — フィルターグラフ（スケーリング、クロップ、オーバーレイ、色補正等）

• libavutil — 共通ユーティリティ（数学、ピクセルフォーマット、エラーコード等）

• libswscale — ピクセルフォーマット変換＋スケーリング

• libswresample — オーディオリサンプリング＋フォーマット変換

• libavdevice — キャプチャデバイスI/O（カメラ、マイク、画面キャプチャ）

処理パイプライン

FFmpegのデータフロー：

入力 → デマックス → デコード → フィルタリング → エンコード → マックス → 出力

1. Demuxing（libavformat）— コンテナから個別ストリーム（ビデオ、オーディオ、字幕）を分離。圧縮パケット単位で抽出
2. Decoding（libavcodec）— 圧縮パケットをrawフレームにデコード。ビデオはYUV/RGBピクセルデータ、オーディオはPCMサンプルに変換
3. Filtering（libavfilter）— rawフレームにフィルターチェーン適用。スケーリング、クロップ、色補正、テキストオーバーレイ、ノイズ除去等
4. Encoding（libavcodec）— 処理済みフレームを再圧縮。ターゲットコーデック・ビットレート・品質設定に従いエンコード
5. Muxing（libavformat）— エンコード済みストリームをコンテナに格納し出力ファイルに書き込み

ストリームコピーモード（-c copy）ではデコード/エンコードをスキップし、パケットをそのままリマックスする。品質劣化なしにコンテナだけ変えたい時に使う。

コーデック抽象化構造

libavcodecの核心はAVCodec構造体だ。すべてのコーデック（H.264、HEVC、VP9、AV1、...）が同一インターフェースを実装する。

typedef struct AVCodec {
    const char *name;
    enum AVMediaType type;
    enum AVCodecID id;
    int (*init)(AVCodecContext *);
    int (*encode2)(AVCodecContext *, AVPacket *, const AVFrame *, int *);
    int (*decode)(AVCodecContext *, AVFrame *, int *, AVPacket *);
    int (*close)(AVCodecContext *);
} AVCodec;

同じコーデックID（例：H.264）に複数の実装が存在できる：

• libx264 — ソフトウェアエンコーダ（CPU）

• h264_nvenc — NVIDIA GPUハードウェアエンコーダ

• h264_qsv — Intel Quick Sync

• h264_vaapi — VA-API（Linux）

• h264_videotoolbox — macOSハードウェアエンコーダ

ユーザーは-c:v libx264のようにエンコーダ名を変えるだけ。パイプラインの残りは同一に動作する。

フィルターグラフ

libavfilterは有向グラフ構造でフィルターを接続する。

ffmpeg -i input.mp4 -vf "scale=1280:720,fps=30,eq=brightness=0.1" output.mp4

3つのフィルターがチェーン接続：
1. scale — 解像度を1280x720に調整
2. fps — フレームレートを30fpsに変換
3. eq — 明るさを0.1上げる

複雑なフィルターグラフは複数の入出力を持てる：

ffmpeg -i main.mp4 -i logo.png \
  -filter_complex "[0:v][1:v]overlay=10:10[out]" \
  -map "[out]" output.mp4

メイン映像にロゴをオーバーレイする構造。

ハードウェアアクセラレーション

FFmpegはhwaccel APIでハードウェアアクセラレーションを抽象化する。

• NVIDIA — NVDEC（デコード）+ NVENC（エンコード）+ CUDAフィルター

• Intel — QSV（Quick Sync Video）

• AMD — AMF（Advanced Media Framework）

• VA-API — Linux汎用ハードウェアアクセラレーション

• VideoToolbox — macOS/iOS

• Vulkan — クロスプラットフォームGPUコンピューティング

GPUデコード→GPUフィルター→GPUエンコードのパイプラインを構成すれば、フレームがGPUメモリから出ないためCPU-GPU間データ転送オーバーヘッドがなくなる。

誰がFFmpegを使っているか

事実上、メディアを扱うほぼすべてのサービスとツール。

• YouTube — アップロード映像のトランスコーディング

• Netflix — コンテンツエンコーディングパイプライン

• Meta — 1日数百億回実行（VOD＋ライブストリーミング）

• VLC — 再生エンジンの中核

• OBS Studio — ストリーミング/録画

• HandBrake — デスクトップトランスコーディング

• Plex/Jellyfin — メディアサーバートランスコーディング

FFmpegなしに現代のメディアインフラは回らない。25年以上にわたりCで書かれた300万行以上のコードベースがこのすべてを支えている。