मोबाइल ऐप्लिकेशन में वीडियो एन्कोडिंग: यह क्या है, कोडेक और पैरामीटर

वीडियो एन्कोडिंग क्या है?

वीडियो एन्कोडिंग असम्पीडित वीडियो सिग्नल को संपीड़न एल्गोरिदम का उपयोग करके डिजिटल फ़ॉर्मैट में बदलने की प्रक्रिया है। ये एल्गोरिदम, वीडियो कोडेक में कार्यान्वित, स्थानिक डोमेन (एक फ्रेम के अंदर) और लौकिक डोमेन (क्रमिक फ्रेम के बीच) दोनों में अतिरिक्त जानकारी हटाते हैं।

असम्पीडित वीडियो फ्रेम का एक क्रम है, प्रत्येक RGB या YUV फ़ॉर्मैट में पिक्सेल की एक सरणी के रूप में संग्रहीत होता है। संपीड़न के बिना, 30 FPS पर 1080p वीडियो के एक सेकंड के लिए लगभग 1.5 GB मेमोरी की आवश्यकता होती है। H.264 कोडेक इस स्ट्रीम को 3–5 Mbps तक संपीड़ित करता है, जो मूल आकार से 2500 गुना कम है।

वीडियो संपीड़न के सिद्धांत

वीडियो कोडेक दो प्रकार के संपीड़न का उपयोग करते हैं: इंट्रा-फ्रेम और इंटर-फ्रेम। इंट्रा-फ्रेम संपीड़न प्रत्येक फ्रेम पर स्वतंत्र रूप से लागू होता है, JPEG के समान एल्गोरिदम का उपयोग करता है: असतत कोसाइन ट्रांसफ़ॉर्म (DCT), क्वांटीकरण और एंट्रॉपी कोडिंग।

इंटर-फ्रेम संपीड़न क्रमिक फ्रेम के बीच अंतर का विश्लेषण करता है और केवल परिवर्तनों को एन्कोड करता है। यदि पृष्ठभूमि स्थिर है, तो कोडेक केवल एक बार पूरा फ्रेम (I-frame) भेजता है, और फिर केवल अंतर (P- और B-frames) भेजता है, जो कम गतिविधि वाले दृश्यों के लिए डेटा मात्रा को काफी कम करता है।

वीडियो कोडेक: H.264, H.265, VP9, AV1

वीडियो कोडेक का चयन गुणवत्ता-से-आकार अनुपात, डिवाइस अनुकूलता और लाइसेंसिंग शुल्क निर्धारित करता है। चार मुख्य कोडेक मोबाइल ऐप्लिकेशन बाज़ार पर हावी हैं: H.264 (AVC), H.265 (HEVC), VP9 और AV1।

H.264 — सार्वभौमिक मानक

H.264 (AVC — Advanced Video Coding) सबसे अनुकूल वीडियो कोडेक बना हुआ है: यह 2005 से सभी मोबाइल डिवाइस, ब्राउज़र और स्मार्ट TV द्वारा समर्थित है। हार्डवेयर-त्वरित H.264 डिकोडिंग बजट डिवाइस पर भी उपलब्ध है, जो इसे सार्वभौमिक स्ट्रीम के लिए आदर्श बनाता है।

H.264 का मुख्य दोष आधुनिक कोडेक की तुलना में अपेक्षाकृत कम संपीड़न दक्षता है। समान बिटरेट पर, H.265 और AV1 काफी अधिक गुणवत्ता प्रदान करते हैं, जो विशेष रूप से HDR और 4K सामग्री के लिए महत्वपूर्ण है।

H.265 — 4K के लिए दक्षता

H.265 (HEVC — High Efficiency Video Coding) समान दृश्य गुणवत्ता पर H.264 की तुलना में 40–50% बेहतर संपीड़न प्रदान करता है। यह फ्रेम को ब्लॉक में अधिक लचीले विभाजन (16×16 के बजाय 64×64 पिक्सेल तक CTU) और बेहतर गति पूर्वानुमान एल्गोरिदम के माध्यम से प्राप्त किया जाता है।

HEVC सभी Apple डिवाइस (iPhone 6 से शुरू), Android (हार्डवेयर डिकोडिंग के साथ संस्करण 5.0 से) और अधिकांश स्मार्ट TV पर समर्थित है। HEVC लाइसेंसिंग शुल्क H.264 से अधिक है और दो पेटेंट पूल द्वारा प्रबंधित किया जाता है, जो कानूनी उपयोग को जटिल बनाता है।

AV1 — भविष्य का ओपन मानक

AV1 Alliance for Open Media (AOM) द्वारा विकसित एक वीडियो कोडेक है, जो Google, Netflix, Amazon, Intel और Mozilla के नेतृत्व में एक संघ है। AV1 H.264 की तुलना में 50–60% बेहतर संपीड़न प्रदान करता है और पूरी तरह से रॉयल्टी-मुक्त है, जो इसे स्ट्रीमिंग सेवाओं के लिए आकर्षक बनाता है।

AV1 का मुख्य दोष एन्कोडिंग की उच्च कम्प्यूटेशनल जटिलता है। AV1 एन्कोडिंग समान हार्डवेयर पर H.264 की तुलना में 5–10 गुना धीमी हो सकती है, हालाँकि हार्डवेयर डिकोडिंग पहले से ही 2024–2025 के डिवाइस (Snapdragon 8 Gen 3, Apple A17 Pro) पर दिखाई दे रही है।

ऑडियो कोडेक: AAC, MP3, Opus

मोबाइल ऐप्लिकेशन में ऑडियो कोडेक वीडियो कोडेक से कम महत्वपूर्ण नहीं हैं। स्ट्रीमिंग वीडियो के लिए न्यूनतम विलंबता, उच्च गुणवत्ता और MP4 और WebM कंटेनरों के साथ अनुकूलता वाले ऑडियो की आवश्यकता होती है। तीन मुख्य ऑडियो कोडेक 99% मोबाइल स्ट्रीमिंग ऐप्लिकेशन को कवर करते हैं।

AAC — Apple और YouTube का मानक

AAC (Advanced Audio Coding) MP3 का उत्तराधिकारी है, जिसे 1997 में MPEG द्वारा विकसित किया गया और iTunes, YouTube और Android के लिए मानक ऑडियो कोडेक बन गया। AAC 30% कम बिटरेट पर MP3 के समान गुणवत्ता प्रदान करता है और 7.1 तक मल्टी-चैनल ऑडियो का समर्थन करता है।

मोबाइल ऐप्लिकेशन के लिए, स्टीरियो के लिए 128–192 kbps पर AAC-LC और कम बिटरेट 32–64 kbps के लिए AAC-HE की सिफारिश की जाती है। हार्डवेयर AAC डिकोडिंग सभी आधुनिक डिवाइस पर उपलब्ध है, जो बिजली की खपत को कम करता है।

Opus — आधुनिक ऑडियो कोडेक

Opus IETF (RFC 6716) का एक ओपन ऑडियो कोडेक है, जो 6 से 510 kbps तक के बिटरेट पर सभी ऑडियो कोडेक के बीच सर्वोत्तम गुणवत्ता प्रदान करता है। Opus SILK (भाषण के लिए एल्गोरिदम) और CELT (संगीत के लिए) को जोड़ता है और सामग्री के आधार पर स्वचालित रूप से मोड बदलता है।

Opus का उपयोग WebRTC में वीडियो कॉल के लिए, Spotify और Discord ऐप्लिकेशन में किया जाता है, और iOS 11 और Android 5.0 से HLS में समर्थित है। Opus की कम विलंबता (AAC के 40–100 ms की तुलना में 5–26 ms) इसे लाइव प्रसारण और वीडियो कॉन्फ्रेंसिंग के लिए पसंदीदा विकल्प बनाती है।

एन्कोडिंग पैरामीटर: बिटरेट, रिज़ॉल्यूशन, FPS

एन्कोडिंग पैरामीटर अंतिम फ़ाइल आकार, वीडियो गुणवत्ता और डिवाइस अनुकूलता निर्धारित करते हैं। मोबाइल ऐप्लिकेशन डेवलपर को प्रत्येक प्रकार की सामग्री के लिए इष्टतम सेटिंग्स चुननी चाहिए: फ़िल्में, खेल प्रसारण, उपयोगकर्ता-निर्मित सामग्री।

बिटरेट और इसके प्रकार

बिटरेट वीडियो के एक सेकंड को एन्कोड करने के लिए उपयोग की जाने वाली बिट्स की संख्या है। लाइव प्रसारण के लिए CBR (स्थिर बिटरेट), संग्रहण भंडारण के लिए लक्ष्य गुणवत्ता के साथ VBR (परिवर्तनशील बिटरेट) और स्ट्रीमिंग के लिए ABR (औसत बिटरेट) होते हैं।

CRF — गुणवत्ता नियंत्रण

CRF (Constant Rate Factor) x264 और x265 में एक एन्कोडिंग पैरामीटर है जो निश्चित बिटरेट के बजाय लक्ष्य गुणवत्ता निर्धारित करता है। CRF स्केल 0 (दोषरहित) से 51 (सबसे खराब गुणवत्ता) तक होता है, जिसमें 18–28 कार्य सीमा है। मोबाइल ऐप्लिकेशन के लिए, x264 के लिए CRF 23 और x265 के लिए CRF 25 की सिफारिश की जाती है।

CRF 18–20 प्रस्तुति सामग्री और ऑफ़लाइन देखने के लिए उच्च गुणवत्ता प्रदान करता है। CRF 24–28 स्ट्रीमिंग और उपयोगकर्ता-निर्मित सामग्री के लिए उपयुक्त है, जहाँ फ़ाइल का आकार पूर्ण गुणवत्ता से अधिक महत्वपूर्ण है।

कोडेक प्रोफ़ाइल और स्तर

H.264 मानक प्रोफ़ाइल (Baseline, Main, High) और स्तर (Level 1–5.2) को परिभाषित करता है जो अधिकतम वीडियो पैरामीटर को सीमित करते हैं। Baseline Profile सभी डिवाइस के साथ अनुकूल है लेकिन B-frames का समर्थन नहीं करता है। High Profile अधिकतम गुणवत्ता प्रदान करता है और 1080p सामग्री के लिए उपयोग किया जाता है।

4K स्ट्रीमिंग के लिए, Level 5.1 और उससे ऊपर की आवश्यकता है, जो 2018 से अधिकांश मोबाइल डिवाइस द्वारा समर्थित है। कोडेक स्तर अधिकतम रिज़ॉल्यूशन, बिटरेट और बफ़र आकार निर्धारित करता है, जो सभी प्रमाणित डिवाइस पर सही डिकोडिंग सुनिश्चित करता है।

स्ट्रीमिंग के लिए एन्कोडिंग

स्ट्रीमिंग के लिए एन्कोडिंग संग्रहण एन्कोडिंग से भिन्न है क्योंकि इसमें कई गुणवत्ता वेरिएंट (ABR ladder) बनाने और नेटवर्क ट्रांसमिशन के लिए अनुकूलन की आवश्यकता होती है। सामग्री प्रदाता VOD के लिए रीयल-टाइम ट्रांसकोडिंग या प्री-एन्कोडिंग का उपयोग करते हैं।

मोबाइल ऐप्लिकेशन के लिए एक विशिष्ट ABR ladder में 4–6 वेरिएंट शामिल हैं: कमज़ोर नेटवर्क के लिए 144p (200 kbps) से Wi-Fi के लिए 1080p (8 Mbps) तक। अनुशंसित रिज़ॉल्यूशन: 144p, 240p, 360p, 480p, 720p, 1080p। 4K सामग्री के लिए, 1440p और 2160p जोड़े जाते हैं।

मोबाइल डिवाइस पर ट्रांसकोडिंग

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)

लाइव प्रसारण के लिए एन्कोडिंग

लाइव प्रसारण के लिए, कम विलंबता विशेष रूप से महत्वपूर्ण है। एन्कोडिंग सेटिंग्स को कोडेक इनपुट/आउटपुट विलंब को कम करना चाहिए: 1–2 सेकंड का GOP आकार (हर 30–60 फ्रेम) अनुशंसित है, B-frames अक्षम या न्यूनतम होने चाहिए, और H.264 के लिए Baseline Profile का उपयोग किया जाता है।

आधुनिक कम-विलंबता प्रोटोकॉल — LL-HLS और CMAF-Low Latency — को 1–2 सेकंड के सेगमेंट और आंशिक डाउनलोड (Partial Segments) के समर्थन के साथ खंडित एन्कोडिंग की आवश्यकता होती है। कोडेक को खंडित MP4 के लिए प्रत्येक सेगमेंट में moof-box का समर्थन करना चाहिए।

एन्कोडिंग पाइपलाइन का अनुकूलन

• हार्डवेयर एन्कोडिंग MediaCodec (Android) या VideoToolbox (iOS) के माध्यम से रीयल-टाइम के लिए अनिवार्य है।
• मल्टी-थ्रेडेड एन्कोडिंग सर्वर पर ultrafast या veryfast मोड में libx264/libx265 का उपयोग करके।
• एन्कोडिंग प्रीसेट: placebo — VOD के लिए सबसे खराब (अधिकतम संपीड़न), ultrafast — लाइव प्रसारण के लिए।
• टू-पास VBR — VOD के लिए पसंदीदा मोड, पूर्वानुमानित आकार और गुणवत्ता प्रदान करता है।