Codificação de vídeo em aplicativos móveis: o que é, codecs e parâmetros

O que é codificação de vídeo?

Codificação de vídeo é o processo de conversão de um sinal de vídeo não compactado em um formato digital usando algoritmos de compressão. Esses algoritmos, implementados em codecs de vídeo, removem informações redundantes tanto no domínio espacial (dentro de um quadro) quanto no temporal (entre quadros sucessivos).

O vídeo não compactado é uma sequência de quadros, cada um armazenado como uma matriz de pixels no formato RGB ou YUV. Sem compressão, um segundo de vídeo 1080p a 30 FPS requer cerca de 1,5 GB de memória. O codec H.264 compacta esse fluxo para 3–5 Mbps, 2500 vezes menos que o volume original.

Princípios de compressão de vídeo

Os codecs de vídeo usam dois tipos de compressão: intra-frame e inter-frame. A compressão intra-frame é aplicada a cada quadro independentemente, usando algoritmos semelhantes ao JPEG: transformada discreta do cosseno (DCT), quantização e codificação entrópica.

A compressão inter-frame analisa a diferença entre quadros sucessivos e codifica apenas as mudanças. Se o fundo for estático, o codec transmite um quadro completo apenas uma vez (I-frame) e, em seguida, apenas as diferenças (P- e B-frames), reduzindo significativamente o volume de dados para cenas com pouca dinâmica.

Codecs de vídeo: H.264, H.265, VP9, AV1

A seleção do codec de vídeo determina a relação qualidade-tamanho, a compatibilidade com dispositivos e as taxas de licenciamento. Quatro codecs principais dominam o mercado de aplicativos móveis: H.264 (AVC), H.265 (HEVC), VP9 e AV1.

H.264 — o padrão universal

H.264 (AVC — Advanced Video Coding) continua sendo o codec de vídeo mais compatível: é suportado por todos os dispositivos móveis, navegadores e Smart TVs desde 2005. A decodificação H.264 acelerada por hardware está disponível até mesmo em dispositivos de baixo custo, tornando-o ideal para um fluxo universal.

A principal desvantagem do H.264 é sua eficiência de compressão relativamente baixa em comparação com codecs modernos. No mesmo bitrate, H.265 e AV1 oferecem qualidade notavelmente superior, o que é especialmente importante para conteúdo HDR e 4K.

H.265 — eficiência para 4K

H.265 (HEVC — High Efficiency Video Coding) proporciona compressão 40–50% melhor que H.264 com a mesma qualidade visual. Isso é alcançado por meio de uma divisão mais flexível do quadro em blocos (CTU de até 64×64 pixels em vez de 16×16) e algoritmos aprimorados de predição de movimento.

HEVC é suportado em todos os dispositivos Apple (a partir do iPhone 6), Android (a partir da versão 5.0 com decodificação por hardware) e na maioria das Smart TVs. As taxas de licenciamento do HEVC são mais altas que as do H.264 e são gerenciadas por dois pools de patentes, o que complica o uso legal.

AV1 — o padrão aberto do futuro

AV1 é um codec de vídeo desenvolvido pela Alliance for Open Media (AOM), um consórcio liderado por Google, Netflix, Amazon, Intel e Mozilla. O AV1 oferece compressão 50–60% melhor que H.264 e é totalmente livre de royalties, tornando-o atraente para serviços de streaming.

A principal desvantagem do AV1 é sua alta complexidade computacional de codificação. A codificação AV1 pode ser de 5 a 10 vezes mais lenta que H.264 no mesmo hardware, embora a decodificação por hardware já esteja aparecendo em dispositivos de 2024–2025 (Snapdragon 8 Gen 3, Apple A17 Pro).

Codecs de áudio: AAC, MP3, Opus

Os codecs de áudio em aplicativos móveis não são menos importantes que os codecs de vídeo. O vídeo em streaming requer áudio com latência mínima, alta qualidade e compatibilidade com contêineres MP4 e WebM. Três codecs de áudio principais cobrem 99% dos aplicativos de streaming móvel.

AAC — o padrão da Apple e YouTube

AAC (Advanced Audio Coding) é o sucessor do MP3, desenvolvido pelo MPEG em 1997 e se tornou o codec de áudio padrão para iTunes, YouTube e Android. O AAC oferece a mesma qualidade do MP3 com bitrate 30% menor e suporta áudio multicanal até 7.1.

Para aplicativos móveis, recomenda-se AAC-LC a 128–192 kbps para estéreo e AAC-HE para bitrates baixos de 32–64 kbps. A decodificação AAC por hardware está disponível em todos os dispositivos modernos, minimizando o consumo de energia.

Opus — o codec de áudio moderno

Opus é um codec de áudio aberto do IETF (RFC 6716) que oferece a melhor qualidade entre todos os codecs de áudio com bitrates de 6 a 510 kbps. O Opus combina SILK (algoritmo para fala) e CELT (para música) e alterna automaticamente os modos dependendo do conteúdo.

Opus é usado no WebRTC para chamadas de vídeo, nos aplicativos Spotify e Discord, e é suportado no HLS a partir do iOS 11 e Android 5.0. A baixa latência do Opus (5–26 ms contra 40–100 ms do AAC) o torna a escolha preferida para transmissões ao vivo e videoconferências.

Parâmetros de codificação: bitrate, resolução, FPS

Os parâmetros de codificação determinam o tamanho final do arquivo, a qualidade do vídeo e a compatibilidade com os dispositivos. Um desenvolvedor de aplicativos móveis deve escolher as configurações ideais para cada tipo de conteúdo: filmes, transmissões esportivas, conteúdo gerado pelo usuário.

Bitrate e seus tipos

Bitrate é a quantidade de bits usados para codificar um segundo de vídeo. Existem CBR (Constant Bitrate) para transmissões ao vivo, VBR (Variable Bitrate) com qualidade alvo para armazenamento em arquivo e ABR (Average Bitrate) para streaming.

CRF — controle de qualidade

CRF (Constant Rate Factor) é um parâmetro de codificação em x264 e x265 que define a qualidade alvo em vez de um bitrate fixo. A escala CRF varia de 0 (sem perdas) a 51 (pior qualidade), sendo 18–28 a faixa de trabalho. Para aplicativos móveis, recomenda-se CRF 23 para x264 e CRF 25 para x265.

CRF 18–20 fornece alta qualidade para conteúdo de apresentação e visualização offline. CRF 24–28 é adequado para streaming e conteúdo gerado pelo usuário, onde o tamanho do arquivo é mais importante que a qualidade absoluta.

Perfis e níveis de codec

O padrão H.264 define perfis (Baseline, Main, High) e níveis (Level 1–5.2) que limitam os parâmetros máximos de vídeo. Baseline Profile é compatível com todos os dispositivos, mas não suporta B-frames. High Profile fornece qualidade máxima e é usado para conteúdo 1080p.

Para streaming 4K, é necessário Level 5.1 e superior, suportado pela maioria dos dispositivos móveis a partir de 2018. O nível do codec determina a resolução máxima, o bitrate e o tamanho do buffer, garantindo decodificação correta em todos os dispositivos certificados.

Codificação para streaming

A codificação para streaming difere da codificação de arquivo por exigir a criação de múltiplas variantes de qualidade (ABR ladder) e otimização para transmissão em rede. Os provedores de conteúdo usam transcodificação em tempo real ou pré-codificação para VOD.

Uma ABR ladder típica para aplicativos móveis inclui 4–6 variantes: de 144p (200 kbps) para redes fracas a 1080p (8 Mbps) para Wi-Fi. Resoluções recomendadas: 144p, 240p, 360p, 480p, 720p, 1080p. Para conteúdo 4K, adicionam-se 1440p e 2160p.

Transcodificação em um dispositivo móvel

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)

Codificação para transmissões ao vivo

Para transmissões ao vivo, a baixa latência é especialmente importante. As configurações de codificação devem minimizar o atraso de entrada/saída do codec: recomenda-se um GOP de 1–2 segundos (a cada 30–60 quadros), os B-frames devem ser desativados ou minimizados, e o Baseline Profile é usado para H.264.

Os protocolos modernos de baixa latência — LL-HLS e CMAF-Low Latency — exigem codificação fragmentada com segmentos de 1–2 segundos e suporte para downloads parciais (Partial Segments). O codec deve suportar moof-box em cada segmento para MP4 fragmentado.

Otimização do pipeline de codificação

• Codificação por hardware via MediaCodec (Android) ou VideoToolbox (iOS) é obrigatória para tempo real.
• Codificação multithread no servidor usando libx264/libx265 no modo ultrafast ou veryfast.
• Presets de codificação: placebo — o pior para VOD (compressão máxima), ultrafast — para transmissões ao vivo.
• VBR de duas passagens — o modo preferido para VOD, fornecendo tamanho e qualidade previsíveis.