Codificación de video en aplicaciones móviles: qué es, códecs y parámetros

¿Qué es la codificación de video?

La codificación de video es el proceso de convertir una señal de video sin comprimir en un formato digital utilizando algoritmos de compresión. Estos algoritmos, implementados en códecs de video, eliminan información redundante tanto en el dominio espacial (dentro de un mismo cuadro) como en el temporal (entre cuadros sucesivos).

El video sin comprimir es una secuencia de cuadros, cada uno almacenado como una matriz de píxeles en formato RGB o YUV. Sin compresión, un segundo de video 1080p a 30 FPS requiere aproximadamente 1.5 GB de memoria. El códec H.264 comprime este flujo a 3–5 Mbps, 2500 veces menos que el volumen original.

Principios de compresión de video

Los códecs de video utilizan dos tipos de compresión: intracuadro (intra-frame) e intercuadro (inter-frame). La compresión intra-frame se aplica a cada cuadro de forma independiente, utilizando algoritmos similares a JPEG: transformada discreta del coseno (DCT), cuantización y codificación entrópica.

La compresión inter-frame analiza la diferencia entre cuadros sucesivos y codifica solo los cambios. Si el fondo es estático, el códec transmite un cuadro completo solo una vez (I-frame), y luego solo las diferencias (P- y B-frames), lo que reduce significativamente el volumen de datos para escenas con poca dinámica.

Códecs de video: H.264, H.265, VP9, AV1

La selección del códec de video determina la relación calidad-tamaño, la compatibilidad con dispositivos y los costos de licencia. Cuatro códecs principales dominan el mercado de aplicaciones móviles: H.264 (AVC), H.265 (HEVC), VP9 y AV1.

H.264 — el estándar universal

H.264 (AVC — Advanced Video Coding) sigue siendo el códec de video más compatible: es compatible con todos los dispositivos móviles, navegadores y Smart TV desde 2005. La decodificación H.264 acelerada por hardware está disponible incluso en dispositivos económicos, lo que lo hace ideal para un flujo universal.

El principal inconveniente de H.264 es su eficiencia de compresión relativamente baja en comparación con los códecs modernos. Al mismo bitrate, H.265 y AV1 ofrecen una calidad notablemente superior, lo que es especialmente importante para contenido HDR y 4K.

H.265 — eficiencia para 4K

H.265 (HEVC — High Efficiency Video Coding) proporciona una compresión 40–50% mejor que H.264 con la misma calidad visual. Esto se logra mediante una división más flexible del cuadro en bloques (CTU de hasta 64×64 píxeles en lugar de 16×16) y algoritmos mejorados de predicción de movimiento.

HEVC es compatible con todos los dispositivos Apple (desde iPhone 6), Android (desde la versión 5.0 con decodificación por hardware) y la mayoría de Smart TV. Las regalías de HEVC son más altas que las de H.264 y son gestionadas por dos grupos de patentes, lo que complica el uso legal.

AV1 — el estándar abierto del futuro

AV1 es un códec de video desarrollado por Alliance for Open Media (AOM), un consorcio liderado por Google, Netflix, Amazon, Intel y Mozilla. AV1 proporciona una compresión 50–60% mejor que H.264 y es completamente libre de regalías, lo que lo hace atractivo para servicios de streaming.

El principal inconveniente de AV1 es su alta complejidad computacional de codificación. La codificación AV1 puede ser de 5 a 10 veces más lenta que H.264 en el mismo hardware, aunque la decodificación por hardware ya está apareciendo en dispositivos de 2024–2025 (Snapdragon 8 Gen 3, Apple A17 Pro).

Códecs de audio: AAC, MP3, Opus

Los códecs de audio en aplicaciones móviles no son menos importantes que los códecs de video. El video en streaming requiere audio con latencia mínima, alta calidad y compatibilidad con contenedores MP4 y WebM. Tres códecs de audio principales cubren el 99% de las aplicaciones de streaming móvil.

AAC — el estándar de Apple y YouTube

AAC (Advanced Audio Coding) es el sucesor de MP3, desarrollado por MPEG en 1997 y convertido en el códec de audio estándar para iTunes, YouTube y Android. AAC proporciona la misma calidad que MP3 con un bitrate 30% menor y admite audio multicanal hasta 7.1.

Para aplicaciones móviles, se recomienda AAC-LC a 128–192 kbps para estéreo y AAC-HE para bitrates bajos de 32–64 kbps. La decodificación AAC por hardware está disponible en todos los dispositivos modernos, minimizando el consumo de energía.

Opus — el códec de audio moderno

Opus es un códec de audio abierto de la IETF (RFC 6716) que ofrece la mejor calidad entre todos los códecs de audio con bitrates de 6 a 510 kbps. Opus combina SILK (algoritmo para voz) y CELT (para música) y cambia automáticamente de modo según el contenido.

Opus se utiliza en WebRTC para videollamadas, en aplicaciones Spotify y Discord, y es compatible con HLS desde iOS 11 y Android 5.0. La baja latencia de Opus (5–26 ms frente a 40–100 ms de AAC) lo convierte en la opción preferida para transmisiones en vivo y videoconferencias.

Parámetros de codificación: bitrate, resolución, FPS

Los parámetros de codificación determinan el tamaño final del archivo, la calidad del video y la compatibilidad con los dispositivos. Un desarrollador de aplicaciones móviles debe elegir la configuración óptima para cada tipo de contenido: películas, transmisiones deportivas, contenido generado por el usuario.

Bitrate y sus tipos

El bitrate es la cantidad de bits utilizados para codificar un segundo de video. Existen CBR (Constant Bitrate) para transmisiones en vivo, VBR (Variable Bitrate) con calidad objetivo para almacenamiento en archivo y ABR (Average Bitrate) para streaming.

CRF — control de calidad

CRF (Constant Rate Factor) es un parámetro de codificación en x264 y x265 que establece la calidad objetivo en lugar de un bitrate fijo. La escala CRF va de 0 (sin pérdida) a 51 (peor calidad), siendo 18–28 el rango de trabajo. Para aplicaciones móviles, se recomienda CRF 23 para x264 y CRF 25 para x265.

CRF 18–20 proporciona alta calidad para contenido de presentación y visualización sin conexión. CRF 24–28 es adecuado para streaming y contenido generado por el usuario, donde el tamaño del archivo es más importante que la calidad absoluta.

Perfiles y niveles de códec

El estándar H.264 define perfiles (Baseline, Main, High) y niveles (Level 1–5.2) que limitan los parámetros máximos del video. Baseline Profile es compatible con todos los dispositivos, pero no admite B-frames. High Profile proporciona la máxima calidad y se utiliza para contenido 1080p.

Para streaming 4K se requiere Level 5.1 y superior, compatible con la mayoría de dispositivos móviles desde 2018. El nivel del códec determina la resolución máxima, el bitrate y el tamaño del búfer, garantizando una decodificación correcta en todos los dispositivos certificados.

Codificación para streaming

La codificación para streaming se diferencia de la codificación de archivo en que requiere crear múltiples variantes de calidad (ABR ladder) y optimizar para la transmisión en red. Los proveedores de contenido utilizan transcodificación en tiempo real o precodificación para VOD.

Una ABR ladder típica para aplicaciones móviles incluye 4–6 variantes: desde 144p (200 kbps) para redes débiles hasta 1080p (8 Mbps) para Wi-Fi. Resoluciones recomendadas: 144p, 240p, 360p, 480p, 720p, 1080p. Para contenido 4K se añaden 1440p y 2160p.

Transcodificación en un dispositivo móvil

val mediaCodec = MediaCodec.createEncoderByType(
    MediaFormat.MIMETYPE_VIDEO_AVC
)
val format = MediaFormat.createVideoFormat(
    MediaFormat.MIMETYPE_VIDEO_AVC,
    1280, 720
).apply {
    setInteger(MediaFormat.KEY_BIT_RATE, 3_000_000)
    setInteger(MediaFormat.KEY_FRAME_RATE, 30)
    setInteger(MediaFormat.KEY_I_FRAME_INTERVAL, 2)
    setInteger(MediaFormat.KEY_PROFILE,
        MediaCodecInfo.CodecProfileLevel.AVCProfileHigh)
    setInteger(MediaFormat.KEY_LEVEL,
        MediaCodecInfo.CodecProfileLevel.AVCLevel31)
}
mediaCodec.configure(format, null, null, MediaCodec.CONFIGURE_FLAG_ENCODE)

Codificación para transmisiones en vivo

Para las transmisiones en vivo, la baja latencia es especialmente importante. La configuración de codificación debe minimizar el retardo de entrada/salida del códec: se recomienda un GOP de 1–2 segundos (cada 30–60 cuadros), los B-frames deben desactivarse o minimizarse, y se utiliza Baseline Profile para H.264.

Los protocolos modernos de baja latencia — LL-HLS y CMAF-Low Latency — requieren codificación fragmentada con segmentos de 1–2 segundos y soporte para descargas parciales (Partial Segments). El códec debe admitir moof-box en cada segmento para MP4 fragmentado.

Optimización del pipeline de codificación

• Codificación por hardware mediante MediaCodec (Android) o VideoToolbox (iOS) es obligatoria para tiempo real.
• Codificación multihilo en el servidor usando libx264/libx265 en modo ultrafast o veryfast.
• Presets de codificación: placebo — el peor para VOD (máxima compresión), ultrafast — para transmisiones en vivo.
• VBR de dos pasadas — el modo preferido para VOD, que proporciona un tamaño y calidad predecibles.