VMAF 是带参考的机器学习视频质量指标：需要原片与处理片对应，才有比较意义。它能帮助评估压缩损失，不能判断故事好坏，也不能给没有参考的生成视频直接打“真实度”分。下面以同一段原片与压缩片为例，未运行测量。
先保证比较的是同一批帧
准备 original.mp4 和 compressed.mp4，核对分辨率、帧率、帧数、裁切和起始内容。若处理片多一段片头，应先对齐相同片段，不仅重置时间戳。原片有 HDR、不同色域或缩放时要确定相同显示和预处理条件，不把颜色转换错误算成编码器性能。
确认 FFmpeg 含 libvmaf
ffmpeg -filters
ffmpeg -i compressed.mp4 -i original.mp4 -lavfi "[0:v]settb=AVTB,setpts=PTS-STARTPTS[d];[1:v]settb=AVTB,setpts=PTS-STARTPTS[r];[d][r]libvmaf=log_fmt=json:log_path=vmaf.json" -f null -在滤镜列表中确认 libvmaf 存在。第一个输入是失真/处理片，第二个是参考原片；顺序不能调换。setpts 重置起点不负责补齐错帧，例子要求尺寸、采样和内容已对齐。缺滤镜时安装含相应构建支持的版本，而不是删除滤镜后声称完成评分。
平均分之外查看低分区间
JSON 包含逐帧信息，找到较低分位置回看运动、细纹理和字幕。短暂严重块状失真可能被全片平均数掩盖，应记录关键片段。相同原片比较两种压缩设置时，用一致模型和预处理；只追分数也可能忽略真实观感变化，因此仍需按目标观看尺寸播放。
不要把分数扩展成内容能力
VMAF 不评估配音是否正确、字幕是否漏字或生成动作是否符合指令。无参考的新生成视频不适合套这条命令。若结果反常先检查输入顺序、时间和色彩，再查版本与模型，不先认定某压缩器坏。下一步结合文件大小、低分区间和人工播放选择交付版本。
参考资料
依据 2026-10-03 读取的官方资料整理：官方文档 1；官方文档 2。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/33151.html
