FFmpeg 实战：基于 Ubuntu 操作系统裸机部署具有 NVIDIA GPU 硬件加速编码能力的 FFmpeg

准备

  1. 正常运行 Ubuntu 操作系统的计算机一台。具体为：

    1. 已在主板的 PCIe x16 插槽上安装了 NVIDIA Tesla V100 计算卡。

      注意事项：

      安装形式不限，SXM2 转接 PCIe x16 或原生 PCIe x16 形式均可。

    2. 已设置主板 BIOS 中开启以下选项：

      1. 已启用 “Above 4G Decoding” 项。以提高 GPU 性能。

      2. 已将目标 PCIe 插槽的 CPU 总线分配为了 x16 速度的带宽。以提高 GPU 性能。

    3. 已安装 x86架构的、64位的、24.04 版本的Ubuntu Desktop 或 Ubuntu Server 操作系统。

  2. 已安装并配置好 NVIDIA GPU 驱动程序和 NVIDIA CUDA Toolkit 。

    参见：人工智能实战：基于 Ubuntu 操作系统和 Llama.cpp 应用程序，使用 Tesla V100 GPU 推理通义千问 3.6 27B 大模型。

开始

了解生成具有 NVIDIA GPU 硬件加速编码能力 FFmpeg 的必要条件

想要编译出的 FFmpeg 具有完全的硬件加速编码能力，需要具备以下软硬件条件：

必要项 概述 推荐版本下载地址 预期结果 备注
GPU 硬件 必须安装好 NVIDIA Tesla V100 GPU。 - - -
GPU 驱动程序 适用于 NVIDIA Tesla V100 GPU 的驱动程序。 已含于 NVIDIA CUDA Toolkit 组件中，无需单独下载安装。 键入并执行 nvidia-smi 命令后能够正常输出 GPU 信息。 阅读人工智能实战：基于 Ubuntu 操作系统和 Llama.cpp 应用程序，使用 Tesla V100 GPU 推理通义千问 3.6 27B 大模型一文可知，NVIDIA CUDA Toolkit 12.9 Update 2 中自带的 NVIDIA GPU Driver 版本为 575.57.08。
NVIDIA CUDA Tookit 必须安装 CUDA Toolkit 且其版本必须与 NVIDIA Tesla V100 GPU 驱动程序兼容适配。 CUDA Toolkit 12.9 Update 2 Downloads。 键入并执行 nvcc -V 命令后能够正常输出 NVIDIA NVCC 组件的版本信息。 -
NVIDIA Video Codec SDK Header Files 必须安装 NVIDIA Video Codec SDK 且其版本必须与 NVIDIA Tesla V100 GPU 驱动程序兼容适配。 NVIDIA Video Codec SDK 12.2 GitHub 源码主页。 - 1. 务必注意阅读 NVIDIA Video Codec SDK 源码中的 README 文件，其中有写各个版本所支持的 NVIDIA GPU 驱动程序。
 若版本用错了，后面转码时会报形如“Driver does not support the required nvenc API version. Required: XX.X Found: XX.X”的错。
2. 参见：
  1. NVIDIA Video Codec SDK 产品主页。
  2. 适用于 12.9 Update 2 版本 NVIDIA CUDA Toolkit 内 GPU 驱动程序的 NVIDIA Video Codec SDK。

安装依赖组件

  1. 打开终端窗口，键入并执行以下命令，以安装编译所必需的组件：

    sudo apt-get install autoconf automake autotools-dev bison build-essential bzr cmake libaom-dev libboost-dev \
    libbluray-dev libc6-dev libfdk-aac-dev libgmp-dev libmp3lame-dev libgnutls28-dev libnuma-dev libopencore-amrnb-dev \
    libopencore-amrwb-dev libvo-amrwbenc-dev libopenmpt-dev libopus-dev libass-dev libprotobuf-dev libxml2-dev libftgl-dev \
    libglew-dev libsdl2-dev libsdl-image1.2-dev libsdl-mixer1.2-dev libsnappy-dev libshine-dev libsoxr-dev libspeex-dev \
    libtheora-dev libtool libtwolame-dev libx264-dev libx265-dev libxvidcore-dev nasm pkg-config unzip yasm -y

  2. 由于后续会在编译 FFmpeg 时启用 AviSynth 的相关功能，而软件源仓库中又没有现成可直接安装的库，故需要从源码编译安装。

  3. 打开终端窗口，键入并执行以下命令，以将最新版本的 AviSynth 源代码下载并保存到本机任意位置：

    sudo git clone https://down.mxw.xx.kg/https://github.com/AviSynth/AviSynthPlus.git

  4. 使用 cd 命令切换到源码根目录下，键入并执行以下命令，以编译并安装：

    sudo mkdir avisynth-build && cd avisynth-build \
    && sudo cmake ../ -DHEADERS_ONLY:bool=on && sudo make install

下载 NVIDIA Video Codec SDK 源码

打开终端窗口，键入并执行以下命令，以将兼容适配于 NVIDIA CUDA Toolkit 12.9 Update 2 中自带 NVIDIA GPU Driver 版本的（版本号为 575.57.08） 的、版本为 12.2 的 NVIDIA Video Codec SDK 源代码下载并保存到本机任意位置：

sudo git clone https://down.mxw.xx.kg/https://github.com/FFmpeg/nv-codec-headers.git -b 'sdk/12.2'

编译和安装 NVIDIA Video Codec SDK

打开终端窗口，使用 cd 命令切换到源码根目录下，键入并执行以下命令，以编译并安装：

sudo make install

成功安装的示例输出结果如下所示：

sed 's#@@PREFIX@@#/usr/local#' ffnvcodec.pc.in > ffnvcodec.pc
install -m 0755 -d '/usr/local/include/ffnvcodec'
install -m 0644 include/ffnvcodec/*.h '/usr/local/include/ffnvcodec'
install -m 0755 -d '/usr/local/lib/pkgconfig'
install -m 0644 ffnvcodec.pc '/usr/local/lib/pkgconfig'

由上可知：

NVIDIA Video Codec SDK 的相关头文件已安装到当前操作系统的头文件库中。

下载 FFmpeg 源码

打开终端窗口，键入并执行以下命令，以将最新版本的 ffmpeg 源代码下载并保存到本机任意位置：

sudo git clone https://down.mxw.xx.kg/https://github.com/FFmpeg/FFmpeg.git ffmpeg

编译和安装 FFmpeg

  1. 打开终端窗口，使用 cd 命令切换到源码根目录下，视实际情况，键入并执行以下命令，以编译并安装：

    sudo sh configure --enable-shared --enable-static --enable-gpl --enable-nonfree --nvcc=clang --prefix="[ffmpeg的目标安装位置。一般设为 /usr/local/ffmpeg 即可]" \
    --enable-avfilter --enable-avisynth --enable-gmp --enable-gnutls --enable-iconv --enable-libaom --enable-libass --enable-libbluray --enable-libfdk-aac \
    --enable-libfontconfig --enable-libmp3lame --enable-libnpp --enable-libopus --enable-libvorbis --enable-libopencore-amrnb --enable-libopencore-amrwb --enable-libopenmpt \
    --enable-libshine --enable-libsnappy --enable-libspeex --enable-libsoxr --enable-libtheora --enable-libvo-amrwbenc --enable-libwebp --enable-libtwolame --enable-libxvid \
    --enable-libxml2 --enable-zlib --enable-lzma --enable-pthreads --enable-sdl2 --enable-swscale --enable-version3 --enable-libx264 --enable-libx265 \
    --disable-x86asm \
    --extra-cflags='-O2 -g -pipe -Wall -Wp,-D_FORTIFY_SOURCE=2 -fexceptions -fstack-protector --param=ssp-buffer-size=4 -m64 -mtune=generic -fPIC' \
    --nvccflags="-gencode arch=compute_70,code=sm_70 -O2" \
    && sudo make -j$(nproc) && sudo make install

    示例命令如下所示：

    sudo sh configure --enable-shared --enable-static --enable-gpl --enable-nonfree --nvcc=clang --prefix="/usr/local/ffmpeg" \
    --enable-avfilter --enable-avisynth --enable-gmp --enable-gnutls --enable-iconv --enable-libaom --enable-libass --enable-libbluray --enable-libfdk-aac \
    --enable-libfontconfig --enable-libmp3lame --enable-libnpp --enable-libopus --enable-libvorbis --enable-libopencore-amrnb --enable-libopencore-amrwb --enable-libopenmpt \
    --enable-libshine --enable-libsnappy --enable-libspeex --enable-libsoxr --enable-libtheora --enable-libvo-amrwbenc --enable-libwebp --enable-libtwolame --enable-libxvid \
    --enable-libxml2 --enable-zlib --enable-lzma --enable-pthreads --enable-sdl2 --enable-swscale --enable-version3 --enable-libx264 --enable-libx265 \
    --disable-x86asm \
    --extra-cflags='-O2 -g -pipe -Wall -Wp,-D_FORTIFY_SOURCE=2 -fexceptions -fstack-protector --param=ssp-buffer-size=4 -m64 -mtune=generic -fPIC' \
    --nvccflags="-gencode arch=compute_70,code=sm_70 -O2" \
    && sudo make -j$(nproc) && sudo make install

    注意事项：

    1. 截至截稿时，NVIDIA 官方 Video Codec SDK 的部署教程版本为 13.1，部署时应遵照此教程。而不是网上搜索出来的、使用 13.0 或更早版本教程写出来的博客和经验贴。如果按照它们的方式部署，会一直卡在“nvcc not found”的错误上。因为新版早就不再且不必使用诸如 ``–enable-cuda-nvcc、–enable-cuda-sdk、–enable-cuvid、–enable-libnpp、--enable-nvenc、--extra-cflags='-I/usr/local/cuda/include'、--extra-ldflags='-L/usr/local/cuda/lib64'或 --nvccflags='-gencode arch=compute_70,code=sm_70 -O2'等参数了。
    2. 上述命令中的 --nvccflags="-gencode arch=compute_70,code=sm_70 -O2" 参数实则不必加。但为了体现 Tesla V100 GPU 的 CUDA 硬件单元版本，提升可读性，就加上了。
    3. [老旧的 13.0 版 NVIDIA Video Codec SDK 官方部署教程](Using FFmpeg with NVIDIA GPU Hardware Acceleration)。
    4. [最新的 13.0 版 NVIDIA Video Codec SDK 官方部署教程](Using FFmpeg with NVIDIA GPU Hardware Acceleration)。
    5. configure 期间的日志文件输出，位于源码目录下 ffbuild 中的 config.log 文件内。

    1. 使用 cd 命令切换到 FFmpeg 安装目录下的 bin 目录中，键入并执行以下命令，以查看编译好的 FFmpeg 二进制可执行文件所引用的动态链接库的缺失情况：

      ldd ffmpeg

      示例结果输出如下所示：

      linux-vdso.so.1 (0x00007ffe9572c000)
libavdevice.so.63 => not found
libavfilter.so.12 => not found
libavformat.so.63 => not found
libavcodec.so.63 => not found
libswresample.so.7 => not found
libswscale.so.10 => not found
libavutil.so.61 => not found
libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007fe9c4f3e000)
libz.so.1 => /lib/x86_64-linux-gnu/libz.so.1 (0x00007fe9c4f22000)
libgcc_s.so.1 => /lib/x86_64-linux-gnu/libgcc_s.so.1 (0x00007fe9c4f02000)
libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007fe9c4cd9000)
/lib64/ld-linux-x86-64.so.2 (0x00007fe9c50a6000)

      由上可知：
      此 ffmpeg 二进制可执行文件找不到 libavdevice.so.63、libavfilter.so.12、libavformat.so.63、libavcodec.so.63、libswresample.so.7、libswscale.so.10 和 libavutil.so.61 动态链接库的引用。

    2. 键入并执行以下命令，以在 FFmpeg 的安装位置下查找这些文件的所在位置：

      sudo find . -name 'libavdevice.so.63'

      示例输出结果如下所示：

      ./lib/libavdevice.so.63

      由上可知：
      这些动态链接库都在当前目录下的 lib 中。

    3. 使用 vi 命令编辑位于 /etc 目录下名为 ld.so.conf 的动态链接库加载配置文件，并在文件末尾另起一行，将此 lib 的绝对路径加入到配置中，然后保存并退出：

      示例配置如下所示：

      include /etc/ld.so.conf.d/*.conf
/usr/local/ffmpeg/lib

    4. 键入并执行以下命令，以刷新加载缓存：

      sudo ldconfig

    5. 再次使用 ldd 命令查看 ffmpeg 二进制可执行文件的动态链接库加载情况。

      示例输出结果如下所示：

      linux-vdso.so.1 (0x00007ffe1d1bd000)
libavdevice.so.63 => /usr/local/ffmpeg/lib/libavdevice.so.63 (0x00007fa902d64000)
libavfilter.so.12 => /usr/local/ffmpeg/lib/libavfilter.so.12 (0x00007fa902922000)
libavformat.so.63 => /usr/local/ffmpeg/lib/libavformat.so.63 (0x00007fa902638000)
libavcodec.so.63 => /usr/local/ffmpeg/lib/libavcodec.so.63 (0x00007fa9012ae000)
libswresample.so.7 => /usr/local/ffmpeg/lib/libswresample.so.7 (0x00007fa901295000)
libswscale.so.10 => /usr/local/ffmpeg/lib/libswscale.so.10 (0x00007fa90117b000)
libavutil.so.61 => /usr/local/ffmpeg/lib/libavutil.so.61 (0x00007fa900f95000)
libm.so.6 => /lib/x86_64-linux-gnu/libm.so.6 (0x00007fa900eae000)
libz.so.1 => /lib/x86_64-linux-gnu/libz.so.1 (0x00007fa900e92000)
libgcc_s.so.1 => /lib/x86_64-linux-gnu/libgcc_s.so.1 (0x00007fa900e72000)
libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007fa900c49000)
libdrm.so.2 => /lib/x86_64-linux-gnu/libdrm.so.2 (0x00007fa900c33000)
libxcb.so.1 => /lib/x86_64-linux-gnu/libxcb.so.1 (0x00007fa900c07000)
libasound.so.2 => /lib/x86_64-linux-gnu/libasound.so.2 (0x00007fa900b04000)
libsndio.so.7 => /lib/x86_64-linux-gnu/libsndio.so.7 (0x00007fa900af0000)
libXv.so.1 => /lib/x86_64-linux-gnu/libXv.so.1 (0x00007fa900ae9000)
libX11.so.6 => /lib/x86_64-linux-gnu/libX11.so.6 (0x00007fa9009a9000)
libXext.so.6 => /lib/x86_64-linux-gnu/libXext.so.6 (0x00007fa900994000)
libass.so.9 => /lib/x86_64-linux-gnu/libass.so.9 (0x00007fa90095c000)
libfontconfig.so.1 => /lib/x86_64-linux-gnu/libfontconfig.so.1 (0x00007fa900912000)
libxml2.so.2 => /lib/x86_64-linux-gnu/libxml2.so.2 (0x00007fa900730000)
libopenmpt.so.0 => /lib/x86_64-linux-gnu/libopenmpt.so.0 (0x00007fa90056f000)
libbluray.so.2 => /lib/x86_64-linux-gnu/libbluray.so.2 (0x00007fa900518000)
libgmp.so.10 => /lib/x86_64-linux-gnu/libgmp.so.10 (0x00007fa900496000)
libgnutls.so.30 => /lib/x86_64-linux-gnu/libgnutls.so.30 (0x00007fa9002a7000)
libwebpmux.so.3 => /lib/x86_64-linux-gnu/libwebpmux.so.3 (0x00007fa90029a000)
libwebp.so.7 => /lib/x86_64-linux-gnu/libwebp.so.7 (0x00007fa90022d000)
liblzma.so.5 => /lib/x86_64-linux-gnu/liblzma.so.5 (0x00007fa900202000)
libopencore-amrwb.so.0 => /lib/x86_64-linux-gnu/libopencore-amrwb.so.0 (0x00007fa9001ec000)
libsnappy.so.1 => /lib/x86_64-linux-gnu/libsnappy.so.1 (0x00007fa9001e2000)
libaom.so.3 => /lib/x86_64-linux-gnu/libaom.so.3 (0x00007fa8ffc6f000)
libfdk-aac.so.2 => /lib/x86_64-linux-gnu/libfdk-aac.so.2 (0x00007fa8ffb3e000)
libmp3lame.so.0 => /lib/x86_64-linux-gnu/libmp3lame.so.0 (0x00007fa8ffac9000)
libopencore-amrnb.so.0 => /lib/x86_64-linux-gnu/libopencore-amrnb.so.0 (0x00007fa8ffa9e000)
libopus.so.0 => /lib/x86_64-linux-gnu/libopus.so.0 (0x00007fa8ffa40000)
libshine.so.3 => /lib/x86_64-linux-gnu/libshine.so.3 (0x00007fa8ff800000)
libspeex.so.1 => /lib/x86_64-linux-gnu/libspeex.so.1 (0x00007fa8ffa20000)
libtheoraenc.so.1 => /lib/x86_64-linux-gnu/libtheoraenc.so.1 (0x00007fa8ff7c8000)
libtheoradec.so.1 => /lib/x86_64-linux-gnu/libtheoradec.so.1 (0x00007fa8ff7aa000)
libtwolame.so.0 => /lib/x86_64-linux-gnu/libtwolame.so.0 (0x00007fa8ff785000)
libvo-amrwbenc.so.0 => /lib/x86_64-linux-gnu/libvo-amrwbenc.so.0 (0x00007fa8ff769000)
libvorbis.so.0 => /lib/x86_64-linux-gnu/libvorbis.so.0 (0x00007fa8ff73c000)
libvorbisenc.so.2 => /lib/x86_64-linux-gnu/libvorbisenc.so.2 (0x00007fa8ff691000)
libx264.so.163 => /lib/x86_64-linux-gnu/libx264.so.163 (0x00007fa8ff3d0000)
libx265.so.199 => /lib/x86_64-linux-gnu/libx265.so.199 (0x00007fa8fe46b000)
libxvidcore.so.4 => /lib/x86_64-linux-gnu/libxvidcore.so.4 (0x00007fa8fe358000)
libsoxr.so.0 => /lib/x86_64-linux-gnu/libsoxr.so.0 (0x00007fa8fe2f1000)
/lib64/ld-linux-x86-64.so.2 (0x00007fa902dff000)
libXau.so.6 => /lib/x86_64-linux-gnu/libXau.so.6 (0x00007fa8ffa16000)
libXdmcp.so.6 => /lib/x86_64-linux-gnu/libXdmcp.so.6 (0x00007fa8ffa0e000)
libbsd.so.0 => /lib/x86_64-linux-gnu/libbsd.so.0 (0x00007fa8fe2d9000)
libfribidi.so.0 => /lib/x86_64-linux-gnu/libfribidi.so.0 (0x00007fa8fe2bd000)
libharfbuzz.so.0 => /lib/x86_64-linux-gnu/libharfbuzz.so.0 (0x00007fa8fe1ee000)
libfreetype.so.6 => /lib/x86_64-linux-gnu/libfreetype.so.6 (0x00007fa8fe126000)
libexpat.so.1 => /lib/x86_64-linux-gnu/libexpat.so.1 (0x00007fa8fe0f5000)
libuuid.so.1 => /lib/x86_64-linux-gnu/libuuid.so.1 (0x00007fa8fe0ec000)
libicuuc.so.70 => /lib/x86_64-linux-gnu/libicuuc.so.70 (0x00007fa8fdef1000)
libmpg123.so.0 => /lib/x86_64-linux-gnu/libmpg123.so.0 (0x00007fa8fde95000)
libvorbisfile.so.3 => /lib/x86_64-linux-gnu/libvorbisfile.so.3 (0x00007fa8fde8a000)
libstdc++.so.6 => /lib/x86_64-linux-gnu/libstdc++.so.6 (0x00007fa8fdc5c000)
libudfread.so.0 => /lib/x86_64-linux-gnu/libudfread.so.0 (0x00007fa8fdc51000)
libp11-kit.so.0 => /lib/x86_64-linux-gnu/libp11-kit.so.0 (0x00007fa8fdb16000)
libidn2.so.0 => /lib/x86_64-linux-gnu/libidn2.so.0 (0x00007fa8fdaf5000)
libunistring.so.2 => /lib/x86_64-linux-gnu/libunistring.so.2 (0x00007fa8fd94b000)
libtasn1.so.6 => /lib/x86_64-linux-gnu/libtasn1.so.6 (0x00007fa8fd933000)
libnettle.so.8 => /lib/x86_64-linux-gnu/libnettle.so.8 (0x00007fa8fd8eb000)
libhogweed.so.6 => /lib/x86_64-linux-gnu/libhogweed.so.6 (0x00007fa8fd8a3000)
libogg.so.0 => /lib/x86_64-linux-gnu/libogg.so.0 (0x00007fa8fd898000)
libcairo.so.2 => /lib/x86_64-linux-gnu/libcairo.so.2 (0x00007fa8fd770000)
libnuma.so.1 => /lib/x86_64-linux-gnu/libnuma.so.1 (0x00007fa8fd763000)
libpthread.so.0 => /lib/x86_64-linux-gnu/libpthread.so.0 (0x00007fa8fd75c000)
libgomp.so.1 => /lib/x86_64-linux-gnu/libgomp.so.1 (0x00007fa8fd712000)
libmd.so.0 => /lib/x86_64-linux-gnu/libmd.so.0 (0x00007fa8fd705000)
libglib-2.0.so.0 => /lib/x86_64-linux-gnu/libglib-2.0.so.0 (0x00007fa8fd5ca000)
libgraphite2.so.3 => /lib/x86_64-linux-gnu/libgraphite2.so.3 (0x00007fa8fd5a2000)
libpng16.so.16 => /lib/x86_64-linux-gnu/libpng16.so.16 (0x00007fa8fd565000)
libbrotlidec.so.1 => /lib/x86_64-linux-gnu/libbrotlidec.so.1 (0x00007fa8fd557000)
libicudata.so.70 => /lib/x86_64-linux-gnu/libicudata.so.70 (0x00007fa8fb939000)
libffi.so.8 => /lib/x86_64-linux-gnu/libffi.so.8 (0x00007fa8fb92c000)
libpixman-1.so.0 => /lib/x86_64-linux-gnu/libpixman-1.so.0 (0x00007fa8fb881000)
libxcb-shm.so.0 => /lib/x86_64-linux-gnu/libxcb-shm.so.0 (0x00007fa8fb87a000)
libxcb-render.so.0 => /lib/x86_64-linux-gnu/libxcb-render.so.0 (0x00007fa8fb86b000)
libXrender.so.1 => /lib/x86_64-linux-gnu/libXrender.so.1 (0x00007fa8fb85e000)
libpcre.so.3 => /lib/x86_64-linux-gnu/libpcre.so.3 (0x00007fa8fb7e8000)
libbrotlicommon.so.1 => /lib/x86_64-linux-gnu/libbrotlicommon.so.1 (0x00007fa8fb7c5000)

      由上可知：
      所有依赖的动态链接库都引用到了。

    6. 视实际情况，键入并执行以下命令，以为 FFmpeg 的相关二进制可执行文件创建软连接：

      sudo ln -s [ffmpeg二进制可执行文件的位置] /usr/bin/ffmpeg \
    && sudo ln -s [ffprobe二进制可执行文件的位置] /usr/bin/ffprobe \
    && sudo ln -s [ffplay二进制可执行文件的位置] /usr/bin/ffplay

      示例命令如下所示：

      sudo ln -s /usr/local/ffmpeg/bin/ffmpeg /usr/bin/ffmpeg \
    && sudo ln -s /usr/local/ffmpeg/bin/ffprobe /usr/bin/ffprobe \
    && sudo ln -s /usr/local/ffmpeg/bin/ffplay /usr/bin/ffplay

    7. 键入并执行以下命令，已验证 FFmpeg 版本：

      ffmpeg -version

      示例结果输出如下所示：

      ffmpeg version N-125485-ga41f543113 Copyright (c) 2000-2026 the FFmpeg developers
built with gcc 11 (Ubuntu 11.4.0-1ubuntu1~22.04.3)
configuration: --enable-shared --enable-static --enable-gpl --enable-nonfree --nvcc=clang --prefix=/usr/local/ffmpeg --enable-avfilter --enable-avisynth --enable-gmp --enable-gnutls --enable-iconv --enable-libaom --enable-libass --enable-libbluray --enable-libfdk-aac --enable-libfontconfig --enable-libmp3lame --enable-libnpp --enable-libopus --enable-libvorbis --enable-libopencore-amrnb --enable-libopencore-amrwb --enable-libopenmpt --enable-libshine --enable-libsnappy --enable-libspeex --enable-libsoxr --enable-libtheora --enable-libvo-amrwbenc --enable-libwebp --enable-libtwolame --enable-libxvid --enable-libxml2 --enable-zlib --enable-lzma --enable-pthreads --enable-sdl2 --enable-swscale --enable-version3 --enable-libx264 --enable-libx265 --disable-x86asm --extra-cflags='-O2 -g -pipe -Wall -Wp,-D_FORTIFY_SOURCE=2 -fexceptions -fstack-protector --param=ssp-buffer-size=4 -m64 -mtune=generic -fPIC' --nvccflags='-gencode arch=compute_70,code=sm_70 -O2'
libavutil      61.  2.100 / 61.  2.100
libavcodec     63.  5.100 / 63.  5.100
libavformat    63.  3.100 / 63.  3.100
libavdevice    63.  2.100 / 63.  2.100
libavfilter    12.  2.100 / 12.  2.100
libswscale     10.  2.100 / 10.  2.100
libswresample   7.  2.100 /  7.  2.100

Exiting with exit code 0

      由上可知：
      Ffmpeg 已成功安装。

    8. 分别键入并执行以下命令，以分别查看支持的所有 H.264、H.265（HEVC）编码器和解码器：

      ffmpeg -encoders | grep "h264"
ffmpeg -decoders | grep "h264"

      示例结果输出分别如下所示：

      ********************************** H.264 编码器 *****************************************
V....D libx264              libx264 H.264 / AVC / MPEG-4 AVC / MPEG-4 part 10 (codec h264)
V....D libx264rgb           libx264 H.264 / AVC / MPEG-4 AVC / MPEG-4 part 10 RGB (codec h264)
V....D h264_nvenc           NVIDIA NVENC H.264 encoder (codec h264)
V..... h264_v4l2m2m         V4L2 mem2mem H.264 encoder wrapper (codec h264)

********************************** H.264 解码器 *****************************************
VFS..D h264                 H.264 / AVC / MPEG-4 AVC / MPEG-4 part 10
V..... h264_v4l2m2m         V4L2 mem2mem H.264 decoder wrapper (codec h264)
V..... h264_cuvid           Nvidia CUVID H264 decoder (codec h264)

-----------------------------------------------------------------------------------------

********************************** H.265 (HEVC) 编码器 **********************************
V....D libx265              libx265 H.265 / HEVC (codec hevc)
V....D hevc_nvenc           NVIDIA NVENC hevc encoder (codec hevc)
V..... hevc_v4l2m2m         V4L2 mem2mem HEVC encoder wrapper (codec hevc)

********************************** H.265 (HEVC) 解码器 **********************************
VFS..D hevc                 HEVC (High Efficiency Video Coding)
V..... hevc_v4l2m2m         V4L2 mem2mem HEVC decoder wrapper (codec hevc)
V..... hevc_cuvid           Nvidia CUVID HEVC decoder (codec hevc)

      由上可知：

      H.264 和 H.265（HEVC）的编解码器都能够正常启用。

    效果展示

    1. 以下示例命令，是使用 NVIDIA GPU 的 NVENC 视频编码硬件单元，在尽可能小地损失原视频画质的情况下，将一个大小为 23.11GB 的影片转码压缩至 8.79 GB 大小：

      ./ffmpeg -hwaccel cuda -i "/home/stevejrong/demo_videos/Aliens_Romulus_2024.mkv" \
  -map 0:v -map 0:1 -map 0:2 -map 0:8 \
  -c:v hevc_nvenc -preset p7 -tune hq -b:v 8400k -rc vbr -rc-lookahead 32 -pix_fmt p010le \
  -c:a:0 eac3 -b:a:0 448k \
  -c:a:1 eac3 -b:a:1 768k \
  -c:s copy \
  -metadata:s:s:0 title="中英双语" \
  -avoid_negative_ts 1 \
  /home/stevejrong/demo_videos/Aliens_Romulus_2024_compressed.mkv

      转码过程中，可键入并执行以下命令，以循环显示 NVIDIA GPU 的负载情况：

      watch -n 2 -d nvidia-smi

      示例结果输出如下所示：

      Tue Jul  7 17:11:28 2026
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 575.57.08              Driver Version: 575.57.08      CUDA Version: 12.9     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  Tesla V100-SXM2-16GB           Off |   00000000:02:00.0 Off |                    0 |
| N/A   44C    P0             53W /  300W |    1743MiB /  16384MiB |     31%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+

+-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI              PID   Type   Process name                        GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|    0   N/A  N/A          401976      C   ./ffmpeg                               1739MiB |
+-----------------------------------------------------------------------------------------+

      由上可知：
      ffmpeg 进程正常调用 NVIDIA GPU 进行编码工作。

      同时可键入并执行以下命令，以循环打印输出 NVIDIA GPU 各硬件单元的使用率信息：

      nvidia-smi dmon
# linux # 视频编解码
Logo
openEuler 社区

openEuler 是由开放原子开源基金会孵化的全场景开源操作系统项目，面向数字基础设施四大核心场景（服务器、云计算、边缘计算、嵌入式），全面支持 ARM、x86、RISC-V、loongArch、PowerPC、SW-64 等多样性计算架构

更多推荐

网络协议栈架构设计：从操作系统内核到应用层安全

网络协议栈架构设计

avatar openEuler 社区

ChatGPT Pro 与 Codex：AI 正在从“超级对话”走向“工程操作系统”

如果只把 ChatGPT 理解成聊天工具，只把 Codex 理解成写代码工具，那么其实都低估了它们。ChatGPT Pro 和 Codex 更深层的意义，不在于某一次回答更聪明，也不在于某一段代码生成得更快，而在于它们正在推动一种新的工作结构形成：AI 不再只是回答问题，而是开始进入任务系统、工程系统和执行系统。这意味着，AI 的价值正在从“生成内容”转向“组织行动”。过去，ChatGPT 更像一

avatar openEuler 社区

Table of ContentsBugku CTF Crypto - SimpleRSA 题解（欧拉定理入门实战）

私钥 d 正是作为 e 关于模 φ(n) 的乘法逆元而存在的，而 φ(n) 又只能通过知道 p 和 q 来计算。RSA 的安全性依赖于大整数分解的困难性：攻击者知道 n 但无法高效分解出 p 和 q，因此无法计算 φ(n)，也就无法求出私钥 d。：上承质因数分解（p 和 q → φ(n)），下启私钥计算（φ(n) 和 e → d）。它是整个算法正确性的保证，也是安全性的前提。当 gcd(e, φ(

avatar openEuler 社区