本文へ移動
エンコードを詳しく解説

GOP構造とBフレームがHLSセグメントに与える影響

HTTP Live Streaming(HLS)の再生が途切れたり、セグメントの長さがばらついたりする場合、原因はパッケージャーそのものより、GOP(Group of Pictures)、IDRフレーム、Bフレームといったエンコードの基本にあることが多いです。これらがM3U8の分割方法をどう決めるかを解説します。

HLSプレイリスト(M3U8)は、小さなメディア片への参照を並べたテキストです。仕様ではセグメントをほぼ同じ長さ(通常2~6秒)にすることが推奨されていますが、圧縮により映像の区切りは変動します。4.0秒を指定しても4.2秒のセグメントが出力される理由を理解するには、GOP構造を知る必要があります。

GOP(Group of Pictures)とは?

H.264(AVC)やH.265(HEVC)などのコーデックは、すべてのフレームを完全な画像として送信しません。帯域幅を節約するため、完全な画像を1枚送り、その後は前後の画像との差分を送ります。このまとまりがGOPです。

GOPには次の3種類のフレームがあります。

  • Iフレーム(フレーム内符号化):単独で復号できる完全な画像です。帯域幅を最も多く使います。特殊なIフレームであるIDRフレーム(Instantaneous Decoder Refresh)は、デコーダーの参照状態をリセットします。
  • Pフレーム(予測符号化):前のフレームからの変化だけを保存し、高い圧縮率を実現します。
  • Bフレーム(双方向予測符号化):前のフレームと後のフレームの両方を参照して差分を求めます。圧縮率は最も高い一方、CPUとメモリを多く使います。

HLSでGOP境界をそろえる理由

プレーヤーが画質を切り替えたり任意の位置へシークしたりするには、そこから独立して復号できる開始点が必要です。HLSでは各映像セグメントをIDRフレームから始める必要があります。

パッケージャーがちょうど4秒で切り出そうとしても、その位置にIDRフレームがなければ、選択肢は二つです。

  • そのまま切り出す。この場合、プレーヤーが復号できず、画面が緑色になるなど再生に失敗するおそれがあります。
  • 次のIDRフレームを待つ。この場合、たとえば4.8秒のように長さが不ぞろいになります。
セグメントの長さがそろわないと、アダプティブビットレート(ABR)の切り替えに支障が出ます。720p版が4秒、1080p版が5秒では、プレーヤーは画質を滑らかに切り替えられません。

フレームレート、GOP、セグメントの計算

狙った位置でHLSセグメントを切り出すには、GOP長と目標セグメント長を整合させます。計算式は次のとおりです。

GOP長の計算

GOP Size (frames) = Framerate (fps) × Keyframe Interval (seconds)

30fpsの映像を2秒ずつに分割する場合、ちょうど60フレームの閉じたGOPを指定します。

GOPを60フレームに設定すると、IDRフレームは0、60、120フレーム目などに現れます。パッケージャーはその境界でTSまたはfMP4ファイルを正確に分割できます。

Bフレームが分割と遅延に与える影響

Bフレームは後のフレームを参照するため、エンコーダーはそのフレームを処理するまで現在のフレームの出力を遅らせます。このずれは表示時刻(PTS)と復号時刻(DTS)の差として表れます。

Bフレームを使うと同じ画質に必要なビットレートを下げられますが、エンコードの遅延が増えます。超低遅延HLS(LL-HLS)でBフレームを多用すると、遅延目標を達成しにくくなります。秒未満の遅延を目指す構成では、FFmpegのzerolatency設定などでBフレームを無効にし、フレームをすぐ出力することがあります。

FFmpegでHLSセグメントを正確に設定する

HLS向けにトランスコードする際は、場面転換に合わせてIフレームを配置するFFmpegの既定動作を変更し、予測可能な固定GOP長を指定します。

次は、30fpsの入力から境界のそろった2秒のセグメントを生成するFFmpeg設定例です。

ffmpeg -i source.mp4 \
    -c:v libx264 \
    -preset fast \
    -r 30 \
    -g 60 \
    -keyint_min 60 \
    -sc_threshold 0 \
    -b_strategy 0 \
    -c:a aac -b:a 128k \
    -f hls \
    -hls_time 2 \
    -hls_playlist_type vod \
    -hls_segment_filename "segment_%03d.ts" \
    index.m3u8

各オプションの意味

  • -r 30:出力を毎秒30フレームに固定します。一定のフレームレート(CFR)が重要です。
  • -g 60:GOPの最大長を60フレーム(30fpsでちょうど2秒)にします。
  • -keyint_min 60:60フレームより短い間隔でキーフレームが入るのを防ぎます。
  • -sc_threshold 0:場面転換の検出を無効にします。これが有効だと、カメラの切り替わりでIDRフレームが挿入され、固定GOPの間隔が崩れます。
  • -b_strategy 0:Bフレームの適応的な配置を無効にし、一定の構造を保ちます。
  • -hls_time 2:HLSマルチプレクサーに2秒ごとの分割を指示します。IDRフレームも2秒ごとにそろえているため、境界で正確に切り出せます。

#EXTINFの長さが不ぞろいな場合

M3U8マニフェストの#EXTINFが2.0、4.3、1.1秒のように大きく変動する場合は、エンコード時に場面転換の検出が有効だったか、可変フレームレート(VFR)の可能性があります。

問題のあるセグメントを調べるには、ffprobeでダウンロードしたTSファイル内のIDRフレームの位置を確認します。

ffprobe -select_streams v:0 \
    -show_entries frame=pict_type,pts_time \
    -of csv=p=0 segment_001.ts | grep -n I

このコマンドで各Iフレームの時刻を確認できます。hls_timeで指定した境界に合わない場合は、GOP設定を厳密にして元の映像を再エンコードしてください。

まとめ

安定したHLS配信には、エンコード結果の予測可能性が欠かせません。GOP構造を理解し、遅延要件に応じてBフレームの使用を決め、キーフレーム間隔を固定すれば、パッケージャーは境界のそろったセグメントを生成できます。これによりABR切り替え時の停止を減らし、バッファリングを安定させられます。