SRS流媒体服务器中长视频循环推流失败问题分析与解决方案
2025-05-06 01:02:33作者:魏献源Searcher
问题背景
在使用SRS(Simple-RTMP-Server)流媒体服务器时,开发者遇到了一个典型的长视频循环推流问题。当使用FFmpeg将一段13分钟的视频循环推流到SRS服务器,并通过SRS转发到其他RTMP服务器时,会出现"conversion failed"错误。而同样的操作对3分钟的短视频则能正常工作。
现象分析
从技术日志中可以看到几个关键现象:
- 长视频推流约13分钟后,在循环时出现错误:"Error muxing a packet"和"Broken pipe"
- 错误发生时FFmpeg返回错误码-32(管道破裂)
- 短视频(1分钟左右)循环推流则完全正常
- 直接推流(不转发)时,长视频虽然能循环但会出现卡顿
根本原因
经过深入分析,发现问题根源在于视频文件的音视频流时长不同步。具体表现为:
- 视频文件中音频流和视频流的持续时间存在显著差异(超过30秒)
- 这种不同步在长视频中会被放大,导致循环时时间戳混乱
- SRS在转发流媒体时对时间戳连续性有严格要求
- 转发过程中的缓冲机制会加剧这种不同步问题
解决方案
针对这一问题,我们推荐以下几种解决方案:
1. 统一音视频时长
使用FFmpeg重新处理视频文件,确保音视频流时长一致:
ffmpeg -i input.mp4 -c copy -shortest output.mp4
-shortest参数会以最短的流(音频或视频)为基准截断其他流。
2. 重新编码处理
对于严重不同步的视频,建议完全重新编码:
ffmpeg -i input.mp4 -c:v libx264 -c:a aac -strict experimental output.mp4
3. 分段推送策略
对于超长视频,可考虑分段推送:
ffmpeg -i input.mp4 -c copy -f segment -segment_time 600 -reset_timestamps 1 output%03d.mp4
然后将分段后的视频循环推送。
预防措施
为避免类似问题,建议:
- 在上传视频前使用
ffprobe检查音视频流信息 - 建立视频预处理流程,确保时长同步
- 对长视频实施分段处理策略
- 监控SRS日志中的时间戳警告信息
总结
音视频同步是流媒体处理中的基础问题,在长视频循环推流场景下尤为关键。通过规范视频预处理流程、合理配置编码参数,以及实施有效的监控策略,可以有效避免这类问题的发生。SRS作为高性能流媒体服务器,对输入流的质量有一定要求,开发者应确保输入源的规范性以获得最佳性能。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
572
3.85 K
Ascend Extension for PyTorch
Python
388
459
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
682
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
213
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
807
198
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.38 K
781