技术部攻略 | 直播技术初步

〇、基本概念

这篇主要介绍直播过程中会提及的一些基本概念，对这些概念有一定基础的同学可以直接跳过这一部分开始OBS Studio的学习

1. 帧率

在阿B网上冲浪时，你一定好奇过关于画质的这些选项：

这里的“1080P” 和 “60帧”两个参数都指的是什么？看完这篇，你就会对它们有一些基础的了解

视觉暂留是人眼感知运动的一种方式

观察直升机的螺旋桨，你会发现它静止和运动时看起来完全不同

看到这样的画面，你的直觉会告诉你螺旋桨在旋转，而不是静止的。这就是视觉暂留

简单来说，人眼会将两个间隔极短的画面“连起来”，并把它看作是运动的

利用人眼的视觉暂留，在很短的时间内连续显示连续的图像，同样也会被人眼认为是运动的

于是，视频就诞生了

所谓视频，就是一堆连续图像的连续显示。

因为视觉暂留，你的眼睛看这一堆连续显示的图片，就会觉得它们是连续的、运动的，而不是单独的单张图像。

而这一张张连续显示的图片，他们的每一张，都被称为帧

在此基础上，描述视频的第一个参数出现了：帧率

**帧率（Frame rate）**描述的是图像显示的频率，它的一个常用单位是 **帧/秒（Frame per second）**也就是我们常常听到的缩写：FPS

而上面提到的60帧指的就是这个视频每秒显示60张图像

显而易见的，帧率越高视频显示的画面就越流畅，也就意味着画面质量越好

常见的帧率有24FPS、25FPS、29.97FPS、30FPS、60FPS、120FPS等等

2. 分辨率

既然视频由图片组成，那么我们同样也可以用描述图片的方式描述视频

我们在小学信息课就学过，图片分为位图和矢量图两种

其中，位图由许多个纯色的小方块组成，这些小方块均匀排布远看之后，就成了一条连续的线

像这样一张看起来边边角角极为丝滑的图片，放大看是这样的

这每一个纯色的小格子就是一个像素（Pixel，缩写为px）

点构成线，线构成面，就有了图片

显而易见的，这些像素越小越密，图片就越容易被人眼看成是一个是一个图像，而非一堆像素

也就是说，像素越密集，图片越清晰

而我们都知道，计算机上的图片可以随意放大与缩小，像素只是一些纯色的正方形而没有实际的大小，那么像素的密集程度又是怎么定义的呢？这就涉及到了显示器能够显示像素数量的能力。

因此我们在此引入一个新的概念：分辨率

分辨率有图像分辨率和显示分辨率之分

显示分辨率

显示分辨率的单位是PPI（Pixels Per Inch），也就是像素每英寸，它描述的是显示器上的像素密度

分辨率便是描述图像的参数之一，它描述的是图像的精细程度

它的常用单位是像素/英寸 (Pixels Per Inch)，缩写为PPI

PPI的计算公式为：

$$ PPI=\frac{\sqrt{x^2+y^2}}{z} $$

其中x为屏幕长边的像素数量，单位像素；y为屏幕短边的像素数量，单位像素；z为屏幕对角线的长度，单位为英寸

例如，一块长1920px，宽1080px，尺寸为12.5英寸的屏幕，PPI约为117

图像分辨率

而图像分辨率则直接描述一张图片的长宽，也就是直接描述图像的大小

常见的图像分辨率有3840*2160、1920*1080、1280*720等等

他们分别被称为4K，1080，720

由此可见，对于一块PPI一定的屏幕，图像的分辨率越高，显示的图像就越大

现在，当你再看阿B下面的那些画质选项时，就不再陌生了：

（1080后面的P在后文[隔行扫描与逐行扫描](####4. 隔行扫描与逐行扫描)会做说明）

3. 码率

知道了视频的分辨率、帧率以后，加上得知了视频的时长，上过信息课并且数学好的同学一定要迫不及待地开始计算了：

对于一个分辨率为1920*1080、帧率为60FPS、色彩深度为24bit、时长为 1s 的视频

每帧图像有

$$ \frac{1920\times1080\times24}{8} = 6220800(Byte) $$

1秒60FPS的视频就有

$$ 6220800\times60 = 373248000(Byte) = 364500(KByte) \approx 356(MByte) $$

也就是说，一秒的视频要占用356MB的存储空间？这一定是哪里弄错了

我做一个六分多钟的视频导出也只有五百多兆啊

为了解决这点疑惑，我们需要了解一个新的概念：码率

码率，描述的是视频的数据密度，它的常用单位是MB/S

码率也常用kbps（千比特每秒）作为单位，当码率以kbps作为单位时，称为比特率

看单位我们就能知道，码率越高，视频每秒的大小就越高

按照常理来说，一个无损视频的码率的计算，就应该像是我们上面计算的那样，上面条件下的视频，码率就应该是356MB/s

但是，你会发现，如果视频一秒就要占用三百多兆的空间，那么我们的硬盘很快就会被塞满

随手拍拍生活，发个30秒的抖音，我的手机居然满了？？？

然而事实不是这样的。聪明的人们利用我们眼睛对色彩和亮度感知的差异等等特征，发明了视频压缩技术

视频压缩技术允许我们将视频以不改变原视频分辨率、帧率的前提下，以肉眼极难分辨的画质损失，将视频的码率大大下拉

也就是说，通过视频压缩技术，我们可以牺牲画质换来更小的文大小

既然看不出来，那何乐而不为呢？

反之，码率越高，视频的画质就越好

4. 隔行扫描与逐行扫描

现在，你知道了1920*1080，知道了60FPS，知道了码率，但是1080后面的P又是个啥呢？

P是Progressive scanning的缩写，中文里面叫**逐行扫描**，简单来说就是这个画面显示图像的方式是一行一行地绘制像素

而相对应的I就是Interlace Scanning的缩写，中文叫做**隔行扫描**，它的显示方式就是隔一行刷新一次新像素

具体区别再次不多赘述，隔行扫描开始是为了节省带宽诞生，但是因为自身的一些缺陷和时代的进步现在已经基本被淘汰了，大家只要知道这是视频的一个参数就行了

感兴趣的话可以自己上网络查一下:)

5. 色域

数字时代，一切都用数字代替，人们就会面对一个问题：如何用数字存储图像？

人们发现，将图片分割为若干个纯色的像素存储图像的位图很容易将图像数字化

那么我们解下了将要面对的问题就是：如何数字化一个像素？

也就是：如何用数字表示颜色？

初中物理告诉我们，光的三原色是红（Red）、绿（Green）、蓝（Blue）也就是RGB

因此我们可以用RGB三种颜色的光加上不同的权重混出许多不同颜色的光

给这些颜色分配权重来数字化地表示色彩，就称为RGB颜色标准

RGB也有不同的分类，例如sRGB和Adobe RGB

sRGB所表示的颜色的集合，就称为sRGB色域

同时，你一定还能想到其他表示颜色的方法：

比如，通过色调（Hue）、饱和度（Saturation）、明度（Value）表示的HSV色域

除此之外，还有YUV、NTSC、CMYK、DCI-P3等等色域，他们都可以表示颜色

这时你一定会疑惑：这么多色域都表示的是同一些颜色吗？

当然不是！

在我们对人眼的所有可见光做一定的数学变换之后得到了这张色域马蹄图，马蹄状图型的边缘圈定的区域表示可见光的范围，而其中的多边形则圈出了不同色域能表示颜色的范围

在这张图上你可以看到，不同的色域表示颜色的能力不同，他们之间的用途因为自身特性的不同也存在一定的差异

你可以查看UP主硬件茶谈的这期视频【硬件科普】显示器的色域和色准是什么东西？他会影响哪些体验了解有关色域的更多信息

6. 音频采样率与声道

采样率

与数字化图像相同，音频同样需要数字化

高中物理告诉我们，声音是一种波

波是连续的，就像图像的边缘是连续的

而点状的离散的数据更便于计算机的处理

因此类似于图像，人们选择用连续的紧挨着的点来表示连续的波

像这样一段看似连续的波

放大后其实是由一堆离散的点组成的

而将连续的波转变为不连续的点的过程就是采样

顾名思义，采样就是按照一定的时间间隔记录下声波当前的值的过程

而采样率正是描述采样的精细程度的参数，它的常用单位是千赫兹（kHz）

常见的采样率有48kHz、44.1kHz等等，采样率越高，数字声音听起来就越像真实的声波

声道

声音不只有波动，我们感知声音时还往往还能感知声音的位置信息

而声道便是解决表示声音位置信息的一个方案

高中数学告诉我们在平面中任意一个向量a，都有

$$ \vec{a} = m\vec{b} + n\vec{c} $$

因此我们可以用两个或更多个的位置固定音箱，每个音箱的声音加上不同的响度，就能表示出很多种声音的方位

因此便有了很多不同的表现声音方位的解决方案，如立体声、5.1、7.1等等

更多有关声道的信息可见百度百科：百度百科|声道

7. 常见的音视频封装与编码格式

封装格式与编码格式

封装格式与编码格式有什么区别？

先说说编码格式：

上文提到可以通过视频压缩技术，对原视频进行压缩编码，得到体积更小的压缩后视频

而不同的压缩方式就对应着不同的编码格式

常见的视频编码格式有H.264、mpeg-4等等

再来是封装格式：

封装格式处理了许多视频编码之外的问题，包括如何对齐音频与视频，记录视频的作者、版权等等信息

也就是说，视频封装中除了视频，还有音频等其他信息，而封装就是将这些信息组织起来的方式，不同的组织这些信息的方式，就对应着不同的封装方式

常见的视频封装有MP4、AVI、FLV等等

H.264编码格式

H.264视频编码格式是当今最为常用的视频编码格式

上面提到，视频压缩技术允许以极小的画质损失，换来极小的文件体积

这是怎么做到的呢？他们大部分都利用了人眼对于图像信息不同不同部分的不同敏感度，将人眼不敏感的信息提取并丢弃，人眼敏感的信息保留，这样就得到了压缩后的图像

其核心思想可以在JPEG和PNG的图片压缩算法上得到体现：Reducible | JPEG不可思议的压缩率——归功于信号处理理论、Reducible | PNG 原理——为质量牺牲速度

而极客湾 | 【科普】“视频”是怎么来的？H.264、码率这些词又是什么意思？的视频则科普了h.246压缩的大致过程

H.264提供了多种比特率分配形式，这有助于我们自定义视频的比特率，在画面质量与视频体积之间找到平衡点

首先是CBR（Constant Bit Rate）模式，即固定码率模式

不难理解，固定码率意味着视频的码率在每一时刻都是固定的，这在直播中有助于画面的稳定

只要设定了固定码率的值，H.264编码器就会以固定的码率编码视频，编码后的视频的码率将会固定不变

CBR的码率-时间关系就像下面这样：

接下来是VBR（Variable Bit Rate），即可变码率

可变的码率有助于在文件体积不变的情况下，为可以高度压缩的画面分配低比特率，而压缩后画质变化较大的画面分配高比特率

如此以来，既保证了文件的小体积，又保证了画面的高质量，可以说可变码率是以较为固定的画质编码的

可变码率的编码需要一个目标码率和一个最高码率

编码器在编码时的最高码率不会超过设定的最高码率，而视频编码后的平均码率将会达到目标码率

也就是说当VBR的目标码率和CBR的固定码率相同时，文件体积不变，而VBR编码的画质更高

VBR编码的码率-时间曲线如图：

显而易见的，相同目标比特率下，VBR编码所需要的时间与算力是远大于CBR编码的

因此，在直播中为了保证画面的流畅我们往往会选择CBR编码，而VBR编码则常用在录像与视频制作中，以追求更高的画质为目标

（另外VBR还有1次与2次之分，2次相对于一次复杂度更高，但画面质量也更高）

8. 流与常见的流传输方式

在你了解了视频之后，直播就变得易于理解了

直播就是一种实时上传视频，实时查看视频的技术

而对于正在网络线缆中实时传输的数据，就像管道中不断流动的水流，人们给他起了个很形象的名字：流（Stream）

也因此，对于实时传输媒体的的技术，我们便叫他流媒体技术

常见的流媒体传输技术有很多，这些技术定义了发送媒体的一方该如何发送数据，接收媒体的一方该如何接收数据，双方达成共识，我们便称这种共识叫做协议

不同的流传输方式有不同的协议，常见的流传输协议有RTMP、RTSP、HLS等等，我们学校的学源平台使用的是RTMP

一、OBS Studio

gitee上的OBS Studio仓库介绍中写到

OBS Studio is software designed for capturing, compositing, encoding, recording, and streaming video content, efficiently.

OBS Studio 是一个专门为高效地捕获、合成、编码、录制、推流视频类容而设计的软件。

也就是说，OBS 是一个专门为直播、录播而生的软件，它对新人入门友好，功能强大，国际化，还免费、开源

香！

本篇使用的OBS版本为28.1.2，但是在你看这篇的时候它一定又迭代了很多版本了，具体你可以在obsproject.com或者他们在gitee的release查看最新版本

这是OBS的主面板：

每块小面板上的中文相信已经对各自的功能介绍很清楚了，下面我们来一一讲解这些功能

1. 添加一个输入源

有了直播软件解决了怎么播的问题，那么怎么解决播什么的问题就要看你了

OBS提供了很多不同的输入源选项，点击来源下方的+号就可以添加它们

点击+后你就会看到可选的输入源：

（你可能会发现你的可选输入源列表和我的有点不一样，这个我们晚些会提到）

接下来就无脑下一步就好啦！

例如我们要将我们电脑屏幕的画面作为直播的内容，那么我们可以添加一个显示器采集

添加成功后你将看到：

恭喜你！成功添加了一个显示器采集的输入源！

同理，如果你要添加一个相机源的话，你可以选择视频采集设备然后选择要添加的相机源：

![OBS摄像头](https://gitee.com/LanternCX/picx-images-hosting/raw/master/2025-02-21/OBS摄像头.1hscgjaflg.webp

OBS还提供了很多很有意思的输入源，这里不一一列举，操作都很简单，可以自己尝试一下~

2. 编辑你的场景

一个编辑好的画面在OBS中被称为一个场景

你可以点击场景面板下方的+号创建一个空场景：

通过编辑场景，你可以有序地组织画面元素，让你的直播合理开展

当然你也可以使用多个场景，在需要时切换不同的场景

下面将介绍不同的编辑场景的方式

改变位置

当你的输入源达到一定数量的时候，你会发现你必须要安排这些输入源的位置

OBS提供了很简便的编辑直播画面的方式，你可以直接在频幕上按住输入源并拖动它就可以改变输入源的位置：

改变上下关系

如果你接触过PS这样的图层式软件，那么你应该对图层那些叠来叠去的关系十分熟悉

下面这张图中，图片-运动会遮盖住了图片-OBS的一部分：

那么他们在空间中的上下关系就应该是这样：

因此看起来像是这样：

而如果我在来源中调整他们的上下关系：

在空间中看起来就像这样：

那么在OBS中的画面看起来就像是这样：

根据这点。你就可以编辑出一个元素众多但又十分和谐的直播场景了

像上面这种游戏直播画面都可以通过简单的场景编辑加上一些OBS的插件轻松搭建出来~

3. 调整你的声音

无论画面如何，声音永远是直播和视频中的重要一环

相比画面，声音是更为简练的信息，画面的核心信息往往会通过声音传递

在视频制作中，声音在很多时候决定了画面的情感、内容、节奏等等关键要素

相信没有人会愿意看一场没有声音的演唱会，也不会去听一支电流麦讲述的故事

因此，永远不要只专注于画面而忽视直播的声音

在OBS中，提供了方便快捷的方式混出一个较为和谐的声音

添加

首先我们可以通过添加输入源的方式添加声音源：

音频输入采集可以采集外接麦克风的声音：

而音频输出采集则能采集输出到音频输出设备的声音：

你也可以在设置->音频->全局音频设备中配置：

这样在场景被新建时，配置的全局音频设备会被自动添加到场景中：

基础混音

你可以对这些音频做出一些简单的更改

例如，你可以滑动滑块调整这个音频你输入的声音的音量大小：

（不过只能调小不能调大就是了）

请注意：将每个音频输入的音量控制在-10dB至-20dB之间跳动，也就是图中的黄色区域

在直播过程中，你可以通过这点简单地判断音量是过大还是过小，并依此做出相应调整

你也可以锁定音量以防止小天才乱改导致你被观众送葬：

你也可以通过滤镜添加压缩，门限，增益等等较为专业的调音相关效果，但因为涉及的调音知识较多，这里不做更多展示

（顺带一提，增益可以让你调高音量，另外不知为什么OBS不能给音频加EQ）

（这些效果能帮助你录制出清晰干净的声音，感兴趣的同学可以自己百度一下）

高级音频配置

OBS还提供了更为高级的音频配置，合理的配置这些选项，后期同学会感谢你

进入高级音频属性后，你会看到如上的画面，你需要配置的是轨道选项

做过剪辑的同学应该对轨道非常熟悉，简单来说，配置轨道能帮助后期同学处理单个输入源的声音，而不是混音后的声音

在轨道选项中，每个输出后面打上勾的轨道将会记录该输出的声音

在上面的例子中，轨道1将会记录麦克风和桌面音频两个输入的声音（也就是混合后的声音）

而轨道2将会只记录麦克风的声音，轨道3将会只记录桌面音频的声音

在设置->输出（高级）->录像->音轨中勾选上需要录制的轨道后（当然这里只需要3个轨道），录制后的文件就会写入多条音轨啦！

录制出的文件在Pr中查看就能看到多条音轨：

音频轨道中的音频信息和我们配置的完全一致

后期同学高兴坏了（（（

（这里OBS提示要录制分轨需要录制MKV然后转封装，但是我转完封装之后发现只有一条音轨，索性直接录了MP4发现也可以，只是会丢掉末尾一点点时长）

4. 进行一次录制或者推流

推流

在正确编辑了你的画面，调整你的声音之后，你终于可以开始一次直播了！

这里就以厦一海沧团委学生会2020级部长许航同学自主开发的学源平台的直播功能作为演示

要进行基于RTMP协议的直播推流，我们需要两个值：

在获取到串流地址和串流密钥以后，在设置->直播中将服务改为自定义，将获取到的串流地址和串流密钥分别填入服务器和推流码

点击开始直播

就可以在学源平台上看见你直播的内容了！

OBS还提供了很多平台的直播预设配置，其中就有非常常用的哔哩哔哩直播：

由于我个人没有成年因此无法在阿B开通直播，因此在此不做演示

录制

点击主面板的开始录制，就可以录制当前场景的画面

在**设置->输出（高级）**中，你可以配置直播、视频、音频的编码方式和比特率：

我一般设置的是：直播CBR编码、码率6000Kbps；录像VBR编码、目标码率6000Kbps、最高码率24000Kbps

这也是B站的码率上限要求

当然，你可以根据你的硬件设置进行编码和编码器的调整，我的电脑有独显因此选择的是硬件编码。如果你的电脑没有独显加速，可以选择其他编码器，设置的思路大同小异，具体可以参见上文H.264编码格式。

5. 工作室模式与转场

直播的过程中，你定会发现，如果你直接改变场景，观众会看到你在画面上拖动元素，编辑字幕

这显然不够优雅，观众的观感也会大打折扣

于是，OBS推出了工作室模式：

在主面板打开工作室模式，你会发现原来一个画面框框变成了两个

每个画面上方也标注了预览和输出字样

稍作尝试后你会发现，你只能更改预览中的画面，而输出中的画面始终是更改前的

而点击两个画面之间的转场效果或者滑动滑块，就能将预览的场景应用到输出的场景

通过工作室模式，我们就能优雅地编辑好画面然后再放给观众看了

OBS提供了几种不同的转场效果：

而更改下方的时间则可以改变转场应用到输出所需的过渡时间

当然，滑动滑块，你也可以完成一次转场：

不难发现，滑块越靠近输出一侧，输出画面中的预览画面占比就越多

根据这个特点，你可以将两个不同的画面叠加到一起：

但因为本篇主要讨论直播技术相关话题，在此不深入讨论

基础的OBS使用教程在此就告一段落，相信掌握了基本的OBS使用方法后，你已经能轻松搭建较为简单的直播场景。而对于 OBS Studio 在本篇中未提及或者还未推出的功能，相信你已经有了自主学习与自主探究的能力。所以，加油！