ffmpeg -i in_video.mp4 -i image.jpg -map 1 -map 0 -c copy -disposition:0 attached_pic out_video.mp4

Logo
音视频领域的无限可能，等你我来创造！

音视频技术社区，一个全球开发者共同探讨、分享、学习音视频技术的平台，加入我们，与全球开发者一起创造更加优秀的音视频产品！

更多推荐

Android Mediacodec 低延时解码实战：从原理到性能优化

背景与痛点 在实时音视频场景（如直播、视频会议、云游戏）中，端到端延迟直接影响用户体验。传统解码方案存在以下问题： 软件解码（如FFmpeg）CPU占用高，难以满足移动端实时性要求默认硬解码未针对低延时优化，缓冲机制引入额外延迟不同厂商设备解码器实现差异大，参数调优缺乏统一标准 技术选型对比 | 方案类型 | 延迟水平 | CPU占用 | 设备兼容性 | |---------------|---

avatar 音视频技术专区

AI辅助开发中的MediaCodec低延迟优化实战：从选型到避坑指南

在AI驱动的音视频处理场景中，低延迟是核心诉求。比如实时滤镜、语音识别等应用，延迟超过100ms用户就能明显感知卡顿。而Android平台的MediaCodec虽然支持硬件编解码，但实际开发中常遇到帧率不稳、ANR等问题。本文将通过实战经验，拆解如何实现<50ms的端到端延迟。 一、为什么MediaCodec容易成为延迟瓶颈？ 在直播连麦等场景测试时，我们发现两个典型问题： Surface

avatar 音视频技术专区

基于OpenStack+KVM/Qemu构建云渲染农场的架构设计与AI辅助开发实践

行业需求与技术选型 影视特效和游戏开发中，单帧4K渲染耗时可能高达数小时。以《阿凡达》为例，其渲染总时长超过1.5亿CPU小时。传统物理机方案存在三大痛点： 资源闲置率高：渲染任务存在明显波峰波谷，固定集群利用率常低于35%硬件迭代成本高：每次升级需淘汰整批机器，CAPEX陡增环境部署复杂：不同项目依赖的软件栈版本冲突频发 虚拟化方案通过OpenStack+KVM组合可显著改善： 动态分配vGP

avatar 音视频技术专区