FFmpeg Batch AV Converter 3.2.3版本发布:支持H.266编码与日志查看增强
FFmpeg Batch AV Converter是一款基于FFmpeg的批量音视频转换工具,它通过图形化界面简化了FFmpeg复杂命令行参数的使用流程,让普通用户也能轻松实现专业的音视频处理操作。最新发布的3.2.3版本带来了多项重要更新,特别是对新一代视频编码标准VVC/H.266的支持,以及编码过程中日志查看功能的增强。
H.266/VVC视频编码支持
3.2.3版本最重要的更新是增加了对Versatile Video Coding(VVC,即H.266)编码格式的支持。VVC是继H.265/HEVC之后的最新视频编码标准,由MPEG和ITU-T联合开发,相比H.265能在相同画质下减少约50%的码率,或者在相同码率下提供更高质量的视频。
该版本已经测试了与2025年5月Git主分支的FFmpeg完整版本的兼容性。用户现在可以在"Main"向导和"Two pass/Target size"向导中选择VVC/H.266作为输出格式。需要注意的是,要使用这一功能,用户需要自行编译或获取支持VVC编码的FFmpeg版本。
实时编码日志查看功能
新版本增加了编码过程中查看FFmpeg日志的功能,用户可以通过"Display log"按钮实时监控编码进度和详细信息。这一改进特别有助于:
- 在顺序/多文件编码时跟踪每个文件的处理状态
- 视频剪辑(trim)操作时了解精确的时间点处理情况
- 视频拼接(concatenate)时监控合并过程
- 双通道(two-pass)编码时观察每一遍的编码详情
日志查看功能的加入大大提升了用户对编码过程的掌控能力,使得问题排查和进度监控变得更加直观。
其他改进与优化
3.2.3版本还包含了一些细节改进:
-
更新了MediaInfo组件,优化了对VVC/H.266编码视频的元数据显示,能够更准确地识别和展示这类文件的编码参数和特性。
-
当用户禁用自动更新功能时,程序将不再检查youtube-dl的版本更新,这一改动减少了不必要的网络请求,提升了用户体验。
-
修复了一些小错误,并更新了多语言翻译,使非英语用户能获得更好的使用体验。
技术建议与使用注意事项
对于希望尝试VVC/H.266编码的用户,建议注意以下几点:
-
确保使用最新版本的FFmpeg,并确认编译时包含了VVC编码支持。由于VVC专利授权较为复杂,大多数预编译的FFmpeg二进制文件可能不包含此功能。
-
VVC编码目前仍处于早期阶段,编码速度较慢,适合对压缩率有极高要求的场景。一般用途可能仍建议使用H.265/HEVC或AV1编码。
-
播放VVC编码视频需要支持该格式的解码器,目前硬件解码支持仍在逐步普及中,软件解码对性能要求较高。
FFmpeg Batch AV Converter 3.2.3通过持续的功能增强和优化,进一步巩固了其作为FFmpeg图形化前端工具的地位,特别是对最新编码标准的快速支持,展现了开发团队对技术趋势的敏锐把握。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00