ApsaraVideo VOD:Istilah

Format file

Setiap file di komputer Anda memiliki ekstensi—seperti .doc, .jpg, atau .avi—yang memberi tahu sistem operasi aplikasi mana yang dapat membukanya. Ekstensi file video umum meliputi .avi, .mpg, dan .mp4.

Format kontainer

Format kontainer—juga disebut kontainer multimedia—menggabungkan aliran video terkompresi, aliran audio, dan metadata (seperti judul dan keterangan) ke dalam satu file sesuai spesifikasi tertentu.

Format kontainer terbagi menjadi dua kategori:

• Format berorientasi penyimpanan mencakup AVI, ASF (WMA atau WMV), MP4, MKV, dan RMVB (RM atau RA).

• Format berorientasi streaming mencakup Flash Video (FLV), Transport Stream (TS), dan MP4. TS memerlukan protokol streaming seperti HTTP Live Streaming (HLS) atau Real-Time Messaging Protocol (RTMP). MP4 mendukung streaming melalui HTTP.

Format berorientasi streaming umum dan protokol streaming terkaitnya meliputi:

• MP4: format kontainer yang didukung secara luas dan kompatibel dengan perangkat seluler (iOS dan Android) serta browser desktop. File MP4 menyimpan semua metadata media—termasuk informasi susunan dan waktu—di dalam header. Untuk video panjang, header ini menjadi besar dan memperlambat pemuatan. MP4 paling cocok untuk video pendek.

  File MP4 diorganisir ke dalam box (sebelumnya disebut atom). Semua metadata media disimpan dalam box ini dan mereferensikan data media aktual, seperti frame video. Seiring bertambahnya durasi video, header membesar dan pemuatan menjadi lebih lambat.

• HLS (HTTP Live Streaming): protokol streaming berbasis HTTP yang dikembangkan oleh Apple. HLS menggunakan format kontainer TS secara default, membagi aliran menjadi fragmen TS kecil, dan menggunakan file indeks M3U8 untuk mengontrol pemutaran. HLS menghindari penundaan buffering header yang panjang dan bekerja baik untuk video on-demand. Protokol ini didukung luas di perangkat seluler (iOS dan Android), meskipun kompatibilitasnya dengan Internet Explorer di PC bisa terbatas. Gunakan ApsaraVideo Player for Web untuk kompatibilitas browser terbaik.

• FLV: format yang dikembangkan oleh Adobe dengan dukungan kuat dari Flash Player di PC. Di perangkat seluler, FLV memerlukan aplikasi pemutar khusus dan tidak didukung oleh sebagian besar browser seluler, termasuk yang ada di perangkat Apple. Gunakan ApsaraVideo Player untuk pemutaran FLV.

• DASH (Dynamic Adaptive Streaming over HTTP): menggunakan MP4 terfragmentasi (fMP4) untuk membagi video menjadi beberapa segmen yang dapat diencode secara independen. Setiap segmen dapat menggunakan pengaturan encoding berbeda—seperti resolusi atau bitrate—memungkinkan pemutar memilih segmen secara dinamis untuk streaming bitrate adaptif dan pergantian kualitas yang mulus. File Media Presentation Description (MPD) dalam DASH memiliki peran yang sama seperti file M3U8 dalam HLS. DASH banyak digunakan oleh platform streaming utama seperti YouTube dan Netflix.

• HLS dengan fMP4: ekstensi yang diumumkan oleh Apple pada WWDC 2016, memungkinkan HLS menggunakan fMP4 selain TS. Artinya, satu pekerjaan transkoding dapat menghasilkan output yang kompatibel baik dengan DASH maupun HLS.

  HLS (termasuk HLS dengan fMP4) dan DASH adalah teknologi streaming adaptif yang paling banyak diadopsi. Gunakan salah satu format ini untuk penerapan produksi.

Kodek

Kodek—singkatan dari coder-decoder—adalah program atau perangkat yang memampatkan dan mendekompresi video atau audio digital. Kompresi biasanya bersifat lossy. Kodek juga menentukan teknologi kompresi yang digunakan saat mengonversi video dari satu format ke format lain. Keluarga kodek umum meliputi:

1. Seri H.26X: dikembangkan oleh International Telecommunication Union (ITU). Meliputi H.261, H.262, H.263, H.264, dan H.265.

   • H.261: digunakan dalam produk konferensi video dan panggilan video awal.

   • H.262: digunakan dalam penyiaran, DVD, dan TV digital untuk video definisi standar (SD).

   • H.263: digunakan dalam konferensi video, panggilan video, dan video online.

   • H.264: juga dikenal sebagai MPEG-4 Part 10 atau Advanced Video Coding (AVC). Standar kompresi video yang paling banyak diadopsi untuk perekaman presisi tinggi, kompresi, dan distribusi.

   • H.265: juga dikenal sebagai High Efficiency Video Coding (HEVC) dan penerus H.264. HEVC memberikan rasio kompresi dua kali lipat dibanding H.264—pengurangan bitrate 50% pada kualitas visual setara—dan mendukung resolusi hingga 8192 × 4320 (8K). Ini merupakan arah industri saat ini.

2. Seri MPEG: dikembangkan oleh Moving Picture Experts Group (MPEG), kelompok kerja di bawah International Organization for Standardization (ISO). Standar pengkodean video utama meliputi:

   • MPEG-1 Part 2: digunakan pada VCD dan beberapa video online awal, dengan kualitas kira-kira setara dengan VHS.

   • MPEG-2 Part 2: setara dengan H.262. Digunakan dalam DVD, SVCD, penyiaran video digital, dan distribusi kabel.

   • MPEG-4 Part 2: digunakan untuk transmisi jaringan, penyiaran, dan penyimpanan media. Menawarkan kompresi lebih baik daripada MPEG-2 dan H.263 awal.

   • MPEG-4 Part 10: secara teknis identik dengan ITU-T H.264, dikembangkan bersama oleh ITU-T dan MPEG. ITU-T menamainya H.264; ISO/IEC menamainya MPEG-4 AVC.

3. Audio Video Coding Standard (AVS): keluarga standar pengkodean audio dan video digital yang dikembangkan oleh Audio Video Coding Standards Workgroup Tiongkok. Dua generasi telah difinalisasi.

   • Generasi pertama mencakup AVS1 ("Information Technology—Advanced Audio and Video Coding—Part 2: Video") dan AVS+ ("Part 16: Broadcasting Video"). AVS+ mencapai efisiensi kompresi setara dengan H.264/MPEG-4 AVC High Profile.

   • Generasi kedua (AVS2) ditujukan untuk konten video ultra-high-definition (UHD) (4K dan seterusnya) serta high dynamic range (HDR). Efisiensi kompresinya dua kali lipat dibanding AVS+ dan H.264/MPEG-4 AVC, serta melebihi HEVC/H.265.

4. Kodek lain—seperti VP8 dan VP9 (Google) serta RealVideo (RealNetworks)—jarang digunakan untuk video online dan tidak dibahas di sini.

Saat memilih kodek, prioritaskan kompatibilitas dengan klien pemutaran target Anda—aplikasi seluler dan browser web. Gunakan kodek yang didukung secara luas. ApsaraVideo VOD mendukung kodek berikut:

• Video: H.264/AVC (default) dan H.265/HEVC

• Audio: MP3 (default), AAC, VORBIS, dan FLAC

Transkoding

Transkoding mengonversi aliran video terkompresi menjadi aliran video lain untuk menyesuaikan dengan lebar pita jaringan, kemampuan perangkat, atau persyaratan output yang berbeda. Proses ini melibatkan decoding aliran input dan re-encoding ke dalam format target. Dalam skenario VOD, transkoding umumnya digunakan untuk menghasilkan beberapa versi dengan bitrate dan resolusi berbeda guna mendukung streaming bitrate adaptif (ABR). Aliran input dan output dapat menggunakan kodek yang sama atau berbeda.

Konversi format kontainer

Konversi format kontainer mengubah kontainer file video atau audio—misalnya, mengonversi file AVI ke MP4—tanpa decoding atau re-encoding aliran audio dan video. Proses ini mengekstraksi aliran terkompresi dari kontainer sumber dan mengemas ulang ke dalam kontainer target.

Dibandingkan transkoding, konversi format kontainer memiliki dua keunggulan utama:

• Pemrosesan cepat: encoding dan decoding adalah langkah paling memakan waktu dalam transkoding. Konversi format kontainer melewati keduanya sepenuhnya.

• Kualitas lossless: tanpa dekompresi atau rekompresi, tidak ada penurunan kualitas audio atau video.

File hasil konversi mempertahankan resolusi dan bitrate yang hampir identik dengan aslinya dan dianggap sebagai kualitas asli.

Bitrate

Bitrate adalah jumlah data yang digunakan video per satuan waktu, diukur dalam bit per detik (bps)—umumnya dinyatakan sebagai kilobit per detik (Kbps) atau megabit per detik (Mbps). Bitrate merupakan pengatur utama kualitas video selama encoding.

Untuk video dengan resolusi yang sama, bitrate lebih tinggi berarti kompresi lebih sedikit dan kualitas lebih tinggi, tetapi juga ukuran file lebih besar. Gunakan rumus berikut untuk memperkirakan ukuran file:

Ukuran file = Durasi (detik) × Bitrate (bps) / 8

Sebagai contoh, video 720p berdurasi 60 menit (3.600 detik) yang diencode pada 1 Mbps menghasilkan file sekitar 3.600 × 1.000.000 / 8 = 450 MB.

Setiap resolusi memiliki rentang bitrate yang direkomendasikan. Di bawah rentang ini, kualitas visual menurun secara signifikan. Di atasnya, peningkatan kualitas minimal sementara biaya penyimpanan dan bandwidth meningkat.

Resolusi

Resolusi menggambarkan tingkat detail video, dinyatakan sebagai jumlah piksel per dimensi—seperti 1280 × 720. Resolusi lebih tinggi berarti lebih banyak piksel dan gambar lebih tajam.

Resolusi secara langsung memengaruhi kebutuhan bitrate. Resolusi lebih tinggi umumnya memerlukan bitrate lebih tinggi untuk mempertahankan kualitas yang dapat diterima, meskipun hubungan tersebut tidak sepenuhnya linear.

Laju frame

Laju frame adalah jumlah frame video yang ditampilkan per detik, diukur dalam frame per detik (FPS) atau hertz (Hz).

Laju frame lebih tinggi menghasilkan gerakan yang lebih halus dan realistis. 25–30 FPS cukup untuk sebagian besar kasus penggunaan. 60 FPS secara signifikan meningkatkan interaktivitas dan realisme yang dirasakan. Di atas 75 FPS, peningkatan tidak terlihat oleh sebagian besar penonton. Pada resolusi tetap, laju frame lebih tinggi memerlukan daya pemrosesan GPU lebih besar.

Group of Pictures (GOP)

Group of Pictures (GOP) adalah urutan frame berurutan dalam video berkode MPEG. Setiap GOP dimulai dengan Frame-I dan berisi tiga jenis frame:

• Frame-I (intra coded picture): keyframe. Frame-I bersifat mandiri—mengencode gambar lengkap tanpa mereferensikan frame lain, mirip dengan JPEG mandiri. Setiap GOP dimulai dengan Frame-I, dan setiap urutan video dimulai dengan satu.

• Frame-P (predictive coded picture): hanya menyimpan perbedaan dari Frame-I atau Frame-P sebelumnya. Saat decoding, perbedaan ini ditambahkan ke frame referensi yang tersimpan dalam cache untuk merekonstruksi gambar. Frame-P menggunakan lebih sedikit bit daripada Frame-I tetapi sensitif terhadap kesalahan transmisi karena ketergantungannya pada frame sebelumnya.

• Frame-B (bidirectionally predictive coded picture): bergantung pada frame sebelumnya dan berikutnya. Decoding Frame-B memerlukan frame sebelumnya yang tersimpan dalam cache dan frame berikutnya yang telah didecode. Frame-B mencapai kompresi tinggi tetapi memerlukan performa decoding lebih kuat.

Nilai GOP adalah jumlah frame antara dua frame Instantaneous Decoding Refresh (IDR)—dengan kata lain, interval keyframe. Interval waktu sama dengan nilai GOP dibagi laju frame. Misalnya, ApsaraVideo VOD menggunakan GOP default 250 frame pada 25 FPS, menghasilkan interval 10 detik.

Seimbangkan ukuran GOP berdasarkan tiga faktor yang saling bersaing:

• Ukuran file: GOP lebih besar mengurangi ukuran file, tetapi frame di dekat akhir GOP yang terlalu besar mungkin mengalami distorsi, menurunkan kualitas.

• Kecepatan pencarian (seek): saat melakukan seek, pemutar melompat ke keyframe terdekat sebelum posisi target. GOP lebih besar berarti lebih banyak frame prediktif yang harus didecode sebelum mencapai posisi tersebut, meningkatkan waktu buffering.

• Efisiensi encoding: Frame-P dan Frame-B lebih kompleks untuk diencode daripada Frame-I. Terlalu banyak dari keduanya menurunkan efisiensi encoding secara keseluruhan.

• Bandwidth: GOP yang terlalu kecil memaksa bitrate lebih tinggi untuk mempertahankan kualitas, meningkatkan penggunaan bandwidth.

Gunakan setidaknya satu keyframe per detik sebagai garis dasar. Lebih banyak keyframe meningkatkan kualitas tetapi meningkatkan konsumsi bandwidth.

Mode pemindaian

• Pemindaian progresif: setiap frame dirender dalam satu kali lewat dengan memindai semua baris secara berurutan dari atas ke bawah.

• Pemindaian interlaced: setiap frame dibagi menjadi dua field. Field pertama memindai baris bernomor ganjil; field kedua memindai baris bernomor genap. Kedua field digabungkan untuk membentuk gambar lengkap.

Penyelarasan frame IDR

Frame IDR (Instantaneous Decoding Refresh) adalah jenis khusus Frame-I dengan satu perbedaan utama: setelah Frame-I normal, frame P dan B berikutnya masih dapat mereferensikan frame sebelumnya. Setelah frame IDR, tidak ada frame yang dapat mereferensikan apa pun yang datang sebelumnya.

Frame IDR memaksa refresh segera pada buffer referensi decoder, mencegah kesalahan menyebar melewati batas IDR. Frame ini juga memungkinkan akses acak sejati—saat pemutar melakukan seek ke posisi dalam video, melompat ke frame IDR terdekat adalah cara tercepat karena tidak diperlukan parsing mundur.

Saat mentranskode video ke beberapa bitrate, aktifkan penyelarasan frame IDR untuk menyinkronkan frame IDR di semua versi output pada timestamp yang sama. Pemutar kemudian dapat beralih antar bitrate tanpa tersendat atau artefak frame yang terlihat.

Profil encoding

Profil adalah kumpulan fitur encoding bernama yang dirancang untuk kasus penggunaan tertentu. H.264 mendefinisikan tiga profil utama:

• Baseline: mendukung Frame-I dan Frame-P dengan pemindaian progresif dan context-adaptive variable-length coding (CAVLC). Dirancang untuk aplikasi berdaya rendah atau toleransi kesalahan seperti panggilan video di perangkat seluler.

• Main: menambahkan dukungan Frame-B, pemindaian interlaced, dan context-adaptive binary arithmetic coding (CABAC). Digunakan dalam elektronik konsumen utama seperti pemutar MP4, pemutar video portabel, PSP, dan iPod.

• High: memperluas Main dengan inter-prediksi 8 × 8, kuantisasi kustom, pengkodean video lossless, dan format YUV ekstensi (misalnya, 4:4:4). Digunakan dalam penyiaran, Blu-ray Disc, dan televisi definisi tinggi.

Laju bit

Laju bit adalah jumlah bit yang ditransmisikan per detik, diukur dalam bit per detik (bps). Dalam konteks video dan audio terencode, laju bit setara dengan bitrate—menunjukkan berapa banyak bit yang merepresentasikan setiap detik konten terkompresi. Laju bit lebih tinggi berarti kualitas lebih baik tetapi file lebih besar; laju bit lebih rendah berarti file lebih kecil. Lihat Bitrate untuk detailnya.

Metode kontrol bitrate

Kontrol bitrate menentukan bagaimana penyandi mengalokasikan bit selama encoding. Tiga metode umum digunakan:

• Variable bitrate (VBR): penyandi menyesuaikan bitrate secara dinamis berdasarkan kompleksitas adegan—menggunakan lebih banyak bit untuk adegan kompleks dan lebih sedikit untuk adegan sederhana. VBR memprioritaskan kualitas sekaligus mengelola ukuran file.

• Constant bitrate (CBR): bitrate tetap sepanjang file, terlepas dari kompleksitas konten. File CBR lebih besar daripada file VBR atau ABR pada tingkat kualitas yang sama.

• Average bitrate (ABR): jalan tengah antara VBR dan CBR. ABR membagi aliran menjadi segmen sekitar 50 frame (sekitar satu detik pada 30 FPS) dan mengalokasikan bitrate lebih rendah untuk segmen sederhana dan bitrate lebih tinggi untuk segmen kompleks. Bitrate rata-rata di seluruh file tetap pada atau mendekati nilai target, meskipun puncak lokal dapat melebihi nilai tersebut.

  ABR memberikan ukuran file yang dapat diprediksi sekaligus beradaptasi dengan kompleksitas konten. ApsaraVideo VOD menggunakan ABR sebagai metode kontrol bitrate default.

Format encoding

Format encoding audio terbagi menjadi dua kategori: lossless dan lossy. Dalam praktiknya, semua metode encoding audio mengaproksimasi sinyal analog asli—reproduksi eksak secara teoretis mustahil menurut teorema pengambilan sampel. Encoding PCM, yang mencapai kesetiaan praktis tertinggi, secara konvensional dianggap lossless. Semua format audio internet umum—termasuk MP3 dan AAC—menggunakan encoding lossy.

Laju sampel

Laju sampel—juga disebut frekuensi pengambilan sampel—adalah jumlah sampel audio yang diambil per detik dari sinyal analog kontinu untuk menghasilkan sinyal digital, diukur dalam hertz (Hz). Laju sampel lebih tinggi menangkap lebih banyak detail dan mereproduksi suara lebih akurat.

Bitrate

Lihat bagian Bitrate di atas.

Saluran suara

Saluran suara adalah sinyal audio independen yang ditangkap atau direproduksi dari posisi spasial berbeda. Jumlah saluran sesuai dengan jumlah sumber audio saat perekaman atau speaker saat pemutaran.

UTC (format waktu standar ISO 8601)

Coordinated Universal Time (UTC) adalah standar waktu internasional utama, berbasis detik atom dan selaras erat dengan waktu universal. Akronim UTC merupakan kompromi antara singkatan bahasa Inggris CUT dan singkatan bahasa Prancis TUC.

Kecuali dinyatakan lain, ApsaraVideo VOD mengembalikan semua bidang waktu dan mengharapkan semua parameter waktu API dalam UTC, menggunakan format ISO 8601: YYYY-MM-DDThh:mm:ssZ. Contohnya, 2017-01-11T12:00:00Z setara dengan pukul 20:00:00 pada 11 Januari 2017 dalam China Standard Time (UTC+8).

Perekaman multi-sumber

Track

• Dalam perekaman duet, dua aliran video diabstraksikan sebagai Track A dan Track B. Track A berisi video hasil tangkapan kamera. Track B berisi video contoh. Abstraksi ini membantu pengembang memahami konsep tata letak track.

• Dalam perekaman multi-sumber, beberapa sumber video diabstraksikan sebagai track terpisah. Misalnya, Track A berisi video kamera dan Track B berisi video hasil rekaman layar. Abstraksi ini membantu pengembang memahami konsep tata letak track.

Tata letak

Tata letak adalah properti track yang menentukan di mana video track muncul dalam output akhir. Tata letak ini menggunakan sistem koordinat ternormalisasi dengan dua dimensi: koordinat titik pusat dan ukuran track (lebar dan tinggi).

• Tata letak perekaman duet:

  Dalam tata letak ini, Track A dan Track B masing-masing menempati separuh layar. Kedua track memiliki lebar 0,5 dan tinggi 1,0. Titik pusat Track A adalah (0,25; 0,5). Titik pusat Track B adalah (0,75; 0,5).

  Dua kelas inti menangani tata letak dalam API perekaman duet:

  • AliyunMixTrackLayoutParam: menjelaskan titik pusat dan ukuran.

  • AliyunMixRecorderDisplayParam: mencakup AliyunMixTrackLayoutParam, ditambah displayMode dan layoutLevel. DisplayMode mengontrol apakah akan mengisi penuh atau memotong saat rasio aspek berbeda. LayoutLevel mengatur urutan tampilan—nilai lebih tinggi muncul di atas. Saat track tumpang tindih, track dengan layoutLevel lebih tinggi menutupi yang lain.

• Tata letak perekaman multi-sumber:

  Dalam tata letak ini, Track A dan Track B masing-masing menempati separuh layar. Kedua track memiliki lebar 0,5 dan tinggi 1,0. Titik pusat Track A adalah (0,25; 0,5). Titik pusat Track B adalah (0,75; 0,5).