Я написал прогу на пайтон для преобразования изобр...

Главный вывод: для статичной картинки + аудио быстрее всего не “подкрутить NVENC”, а перестать делать 24 одинаковых кадра в секунду. Сейчас строка:

python
'vf': 'scale=1280:720,fps=24',

может быть главным тормозом: scale — CPU-фильтр, а fps=24 заставляет генерировать много одинаковых кадров.

1. Самое сильное ускорение: делай 1 fps, если видео — статичная картинка

Если тебе не принципиально, чтобы файл был именно 24 fps, ставь 1 fps. Для видео “картинка + звук” это нормально: картинка просто висит на экране, звук играет.

Пример:

python
ffmpeg_image = (
    FFmpeg()
    .option('y')
    .option('hide_banner')
    .option('loglevel', 'error')
    .input(img_path, {'loop': '1', 'framerate': '1'})
    .input(aud_path)
    .output(segment_path, {
        'map': ['0:v:0', '1:a:0'],
        'c:v': 'h264_nvenc',
        'preset': 'p1',
        'rc': 'constqp',
        'qp': '30',
        'r': '1',
        'pix_fmt': 'yuv420p',
        'c:a': 'aac',
        'b:a': '128k',
        't': str(duration),
        'shortest': None,
        'vf': 'scale=1280:720',
    })
)

Что изменилось:

python
.input(img_path, {'loop': '1', 'framerate': '1'})

и

python
'r': '1'

Вместо 24 кадров в секунду будет 1 кадр в секунду. Для 5-минутного ролика это примерно 300 кадров вместо 7200. Ускорение может быть очень заметным.

2. Если обязательно нужен 24 fps

Тогда хотя бы задай входной framerate для картинки как 1, а уже потом делай fps=24:

python
.input(img_path, {'loop': '1', 'framerate': '1'})

и фильтр:

python
'vf': 'scale=1280:720,fps=24'

Это лучше, чем пускать looped image с дефолтной частотой. Но всё равно медленнее, чем 1 fps, потому что NVENC будет кодировать 24 кадра в секунду.

3. Замени vbr + cq на constqp, если главная цель — скорость

Сейчас у тебя:

python
'rc': 'vbr',
'cq': '28',

Для максимальной скорости проще использовать:

python
'rc': 'constqp',
'qp': '30',

Например:

python
'rc': 'constqp',
'qp': '30',

qp можно подбирать:

text
26–28 — лучше качество, больше размер
30–32 — быстрее/меньше размер, качество чуть хуже
34+   — заметнее сжатие

Для статичной картинки qp=30 или 32 обычно вполне нормально.

4. Аудио: если можно — копируй, не перекодируй

Если входной аудиофайл уже AAC и тебе подходит контейнер MP4, лучше:

python
'c:a': 'copy'

Вместо:

python
'c:a': 'aac'

Копирование потока убирает декодирование и повторное кодирование аудио; FFmpeg прямо описывает, что при codec copy нет операций decoding-filtering-encoding, пакеты просто переносятся в выходной файл. (FFmpeg)

Вариант:

python
'c:a': 'copy',

Но если аудио бывает MP3/WAV/OGG/Opus и тебе нужен стабильный MP4, оставляй:

python
'c:a': 'aac',
'b:a': '128k',

5. GPU scaling: можно, но не всегда даст выигрыш для одной картинки

NVIDIA рекомендует для GPU-пайплайна держать кадры в GPU-памяти и использовать scale_cuda или scale_npp; в их примерах для FFmpeg используются -hwaccel cuda -hwaccel_output_format cuda, а для масштабирования — scale_cuda или scale_npp. (NVIDIA Docs)

Но у тебя вход — одна картинка, а не видео. Поэтому часто быстрее будет:

1. заранее один раз ресайзнуть картинку;
2. потом кодировать уже готовую 1280x720 картинку без scale.

Самый практичный вариант: кэшировать подготовленные изображения.

Например:

text
original.jpg -> prepared_1280x720.jpg

И потом в FFmpeg уже не делать:

python
'vf': 'scale=1280:720'

Это может дать больше пользы, чем перенос scale на GPU.

6. Если хочешь попробовать GPU-фильтр

Проверь, есть ли у тебя scale_cuda или scale_npp:

bash
ffmpeg -filters | grep scale_cuda
ffmpeg -filters | grep scale_npp

Если есть scale_cuda, можно попробовать:

python
'vf': 'format=nv12,hwupload_cuda,scale_cuda=1280:720'

Если есть scale_npp:

python
'vf': 'format=nv12,hwupload_cuda,scale_npp=1280:720'

Но для твоего кейса я бы сначала тестировал 1 fps и предварительный resize картинок.

7. Кодек: H.264 NVENC — нормальный выбор для скорости

Для скорости и совместимости оставляй:

python
'c:v': 'h264_nvenc'

RTX 4060 относится к RTX 40 Series/Ada, а у Ada есть NVENC с AV1-кодированием; NVIDIA пишет, что карты Ada имеют NVENC с AV1 и что AV1 эффективнее H.264 по сжатию. (NVIDIA) Но для твоей задачи av1_nvenc я бы не ставил первым вариантом: он может дать меньший размер файла, но совместимость хуже, а скорость создания не обязательно будет выше.

То есть:

text
нужна максимальная совместимость и скорость → h264_nvenc
нужен меньший размер и современная платформа → av1_nvenc можно тестировать

8. Оптимизированный вариант под скорость

Я бы начал вот с такого варианта:

python
ffmpeg_image = (
    FFmpeg()
    .option('y')
    .option('hide_banner')
    .option('loglevel', 'error')
    .input(img_path, {
        'loop': '1',
        'framerate': '1',
    })
    .input(aud_path)
    .output(segment_path, {
        'map': ['0:v:0', '1:a:0'],

        'c:v': 'h264_nvenc',
        'preset': 'p1',
        'rc': 'constqp',
        'qp': '30',
        'r': '1',
        'pix_fmt': 'yuv420p',

        'c:a': 'aac',
        'b:a': '128k',

        'vf': 'scale=1280:720',
        't': str(duration),
        'shortest': None,
    })
)

Если аудио уже AAC:

python
'c:a': 'copy'

9. Ещё быстрее: заранее готовь картинки

Самая быстрая схема:

text
1. Один раз подготовить картинку 1280x720
2. Сохранить в кэш
3. Для видео использовать уже готовую картинку
4. Не использовать scale в основном ffmpeg-вызове

Тогда основной код:

python
ffmpeg_image = (
    FFmpeg()
    .option('y')
    .option('hide_banner')
    .option('loglevel', 'error')
    .input(prepared_img_path, {
        'loop': '1',
        'framerate': '1',
    })
    .input(aud_path)
    .output(segment_path, {
        'map': ['0:v:0', '1:a:0'],

        'c:v': 'h264_nvenc',
        'preset': 'p1',
        'rc': 'constqp',
        'qp': '30',
        'r': '1',
        'pix_fmt': 'yuv420p',

        'c:a': 'aac',
        'b:a': '128k',

        't': str(duration),
        'shortest': None,
    })
)

Вот это, скорее всего, будет быстрее твоего текущего варианта.

10. Как проверить, где реальный тормоз

Запусти FFmpeg с benchmark:

bash
ffmpeg -benchmark ...

Сравни 3 варианта:

text
A. текущий: scale=1280:720,fps=24
B. framerate=1 + r=1
C. заранее resized image + r=1

Я бы ожидал такой порядок скорости:

text
самый быстрый: prepared image + 1 fps
средний: framerate=1 + scale + 1 fps
медленный: scale + fps=24

Главное: preset: p1 у тебя уже правильный для скорости. Больше всего ускорит не другой preset, а отказ от 24 fps и повторного масштабирования одинаковых кадров.