Warum verhalten sich zwei Videos mit derselben Endung unterschiedlich?

Weil die Endung nur den Container anzeigt, nicht den darin enthaltenen Codec. Von zwei MP4-Dateien kann die eine H.264-Video tragen und überall laufen, während die andere H.265 enthält und sich auf einem älteren Gerät nicht öffnen lässt. Ebenso tun sich die meisten Hardwareplayer schwer, wenn in einer MKV AV1 steckt. Bei der Fehlersuche muss man nicht fragen 'welches Format', sondern 'welcher Codec'.

Was ist ein Schlüsselbild (Keyframe) und warum ist es wichtig?

Ein Schlüsselbild (I-Frame) ist ein Bild, das für sich allein ein vollständiges Bild enthält; es lässt sich ohne Blick auf andere Bilder dekodieren. Die dazwischenliegenden Bilder speichern nur die Veränderung. Deshalb springt der Player beim Vorspulen zum nächstgelegenen Schlüsselbild – sind Schlüsselbilder selten, wirkt das Vorspulen grob. Zudem ist keine Neukodierung nötig, wenn Schnitte an Schlüsselbildgrenzen erfolgen.

Wenn H.265 so viel besser ist als H.264 – warum nutzen es nicht alle?

Aus drei Gründen: Ältere Geräte haben keinen Hardwaredecoder, und die Dekodierung per Software verbraucht Akku oder führt zu Rucklern; manche Browser unterstützen es nicht; und die Patentlizenzierung ist kompliziert. H.264 verfügt dagegen praktisch auf jedem je gebauten Gerät über Hardwareunterstützung. Deshalb ist H.264 nach wie vor die sicherste Wahl, und H.265 kommt vor allem dort zum Einsatz, wo Speicherersparnis entscheidend ist.

Was sind Videocontainer und Codec? Die wahre Quelle von Kompatibilitätsproblemen

Q: Warum führt eine variable Bildrate (VFR) zu Synchronproblemen?

Bei VFR treffen die Bilder nicht in gleichen Abständen ein; Bildschirmaufnahmesoftware und manche Telefonkameras sparen Platz, indem sie bei fehlender Bewegung Bilder auslassen. Viele Bearbeitungs- und Umwandlungswerkzeuge gehen von einer konstanten Bildrate aus und können die Zeitstempel einer VFR-Quelle falsch auslegen. Das Ergebnis ist ein Versatz zwischen Ton und Bild, der im Verlauf des Videos zunimmt.

Warum öffnet sich eine Videodatei auf einem Gerät und auf einem anderen nicht? Warum kann zwischen zwei gleich langen Videos ein zehnfacher Größenunterschied bestehen? Die Antwort auf diese Fragen liegt im zweischichtigen Aufbau von Videodateien. In diesem Beitrag erklären wir die Unterscheidung von Container und Codec, wie Codecs arbeiten und woher Kompatibilitätsprobleme wirklich rühren.

Der zweischichtige Aufbau

Eine Videodatei ist eigentlich ein Paket. Darin finden sich:

Eine oder mehrere Videospuren
Eine oder mehrere Tonspuren (verschiedene Sprachen, verschiedene Kanalanordnungen)
Untertitelspuren
Metadaten (Titel, Dauer, Erstellungsdatum, Kapitelmarken)
Zeitstempel – welches Bild wann gezeigt wird

Der Container ist die Struktur, die diese Teile zusammenhält. Die Dateiendung zeigt den Container an: .mp4, .mkv, .avi, .mov, .webm.

Der Codec bestimmt, wie die Spuren komprimiert sind. Für Video H.264, H.265, VP9 und AV1; für Ton AAC, MP3, Opus und AC3.

Die praktischste Folge dieser Unterscheidung: Die Endung sagt nichts darüber aus, ob sich die Datei abspielen lässt. Von zwei MP4-Dateien kann die eine überall laufen und die andere sich auf einem älteren Fernseher nicht öffnen lassen – weil die darin enthaltenen Codecs verschieden sind.

Die Eigenschaften der Container

| Container | Stärke | Schwäche | Typischer Einsatz | |---|---|---|---| | MP4 | Universelle Unterstützung, streamingfreundlich | Begrenzte Codec-/Untertitelunterstützung | Web, Teilen, mobil | | MKV | Trägt alles, mehrere Spuren, flexible Untertitel | Weniger Hardwareunterstützung | Archiv, Filmsammlung | | MOV | Im Apple-Ökosystem zu Hause, bearbeitungsfreundlich | Weniger verbreitet als MP4 | Videoproduktion, macOS | | AVI | Sehr alt, breite Altunterstützung | Trägt moderne Codecs schlecht | Alte Archive | | WEBM | Offen, fürs Web optimiert | Nur bestimmte Codecs | Video im Browser |

MP4 und MOV teilen eigentlich dieselbe Grundstruktur (das ISO Base Media File Format). Deshalb lässt sich die Umwandlung von MOV nach MP4 meist per Remux, also ohne jede Neukodierung, erledigen.

MKV ist der flexibelste Container: Er trägt nahezu jeden Codec, beliebig viele Spuren und reiche Untertitelformate. Der Preis ist die geringere Unterstützung in Hardwareplayern.

AVI ist eine Struktur aus den 1990er-Jahren und arbeitet mit modernen Codecs schlecht zusammen – die Unterstützung von B-Frames (bidirektionalen Vorhersagebildern) ist problematisch, und mit variabler Ton-Bitrate treten Synchronprobleme auf.

Wie Videocodecs arbeiten

Eine Sekunde 1080p-Video belegt unkomprimiert etwa 150 MB. Eine Minute wären 9 GB. Ohne Kompression wäre Video praktisch unmöglich.

Videocodecs nutzen zwei Arten von Redundanz:

Räumliche Redundanz (innerhalb eines Bildes): In einem Bild sind benachbarte Pixel meist ähnlich. Tausende Pixel im Himmelsbereich haben nahezu denselben Wert. Das wird mit einer Technik verringert, die der Fotokompression ähnelt (Blockzerlegung, Frequenztransformation, Quantisierung).

Zeitliche Redundanz (zwischen Bildern): Aufeinanderfolgende Bilder ähneln einander stark. Bei feststehender Kamera ändert sich der Hintergrund überhaupt nicht; nur bewegte Objekte sind anders. Statt jedes Bild von Grund auf zu speichern, speichert der Codec den Unterschied zum vorherigen Bild.

Der zweite Mechanismus ist die eigentliche Stärke der Videokompression und bringt die Bildtypen hervor.

Bildtypen und GOP-Struktur

I-Frame (Intra, Schlüsselbild): Ein für sich vollständiges Bild. Es lässt sich ohne Blick auf andere Bilder dekodieren. Denken Sie an ein Foto. Es ist der platzintensivste Bildtyp.

P-Frame (Predicted): Speichert den Unterschied mit Blick auf vorhergehende Bilder. Es sagt: "Dieser Block ist derselbe wie jener Block im vorherigen Bild, nur 3 Pixel nach rechts verschoben." Es belegt weit weniger Platz als ein I-Frame.

B-Frame (Bi-directional): Blickt sowohl auf vorhergehende als auch auf nachfolgende Bilder. Es ist der effizienteste Bildtyp, erfordert beim Dekodieren aber eine Verarbeitung außerhalb der Anzeigereihenfolge.

Diese Bilder sind in Gruppen namens GOP (Group of Pictures) angeordnet. Eine typische GOP kann so aussehen:

I B B P B B P B B P B B I ...

Die GOP-Länge (der Abstand zwischen zwei I-Frames) ist eine wichtige Einstellung:

Kurze GOP (häufige Schlüsselbilder): größere Datei, aber präzises Vorspulen, leichte Bearbeitung, schnelle Fehlererholung.
Lange GOP (seltene Schlüsselbilder): kleinere Datei, aber grobes Vorspulen, schwierige Bearbeitung.

Das erklärt, warum Sie beim Vorspulen nicht genau zur gewünschten Sekunde gelangen: Der Player springt zum nächstgelegenen I-Frame, weil er nicht mittendrin beginnen kann.

Aus demselben Grund begegnet Ihnen das auch beim Schneiden und Zusammenführen von Videos. Fällt die Schnittstelle auf ein I-Frame, ist keine Neukodierung nötig; fällt sie nicht darauf, muss diese GOP neu kodiert werden.

Der Effizienzunterschied der Codecs

| Codec | Jahr | Relative Effizienz | Hardwareunterstützung | |---|---|---|---| | MPEG-4 Part 2 (DivX/Xvid) | 1999 | Referenz | Ältere Geräte | | H.264 (AVC) | 2003 | ca. 50 % besser | Nahezu universell | | VP9 | 2013 | ca. 30 % besser als H.264 | Im Web gut, Hardware mittel | | H.265 (HEVC) | 2013 | ca. 40 % besser als H.264 | Auf neueren Geräten | | AV1 | 2018 | ca. 20 % besser als H.265 | Eingeschränkt, aber steigend |

Woher kommt der Effizienzgewinn? Aus flexiblerer Blockzerlegung (während H.264 feste Makroblöcke von 16 × 16 nutzt, verwendet H.265 variable Größen bis 64 × 64), mehr Vorhersagemodi, besserer Bewegungsschätzung und fortgeschrittenerer Entropiekodierung.

Der Preis ist der Rechenaufwand. Die H.265-Kodierung ist deutlich langsamer als die von H.264; AV1 ist noch langsamer. Auch beim Dekodieren treten auf Geräten ohne Hardwareunterstützung Akkuverbrauch und Ruckler auf.

Warum ist H.264 noch immer Standard? Weil praktisch jedes je gebaute Gerät einen Hardwaredecoder dafür besitzt. Ihr Telefon, Ihr Fernseher, Ihr Browser, Ihr Fahrzeugdisplay – alle dekodieren H.264 effizient. Diese Universalität ist in den meisten Szenarien wertvoller als ein Größenvorteil von 40 %.

Bitratenmodi

CBR (konstante Bitrate): Jede Sekunde dieselbe Datenmenge. Wird für Rundfunk und Livestreaming verwendet; Vorhersehbarkeit ist dort wichtig.

VBR (variable Bitrate): Die Daten werden nach Szenenkomplexität verteilt. Eine ruhige Sprechszene erhält wenige, eine schnelle Actionszene viele Bits. Bei gleicher durchschnittlicher Bitrate liefert es deutlich bessere Ergebnisse als CBR.

CRF (konstanter Qualitätsfaktor): Statt einer Bitrate legen Sie ein Qualitätsziel fest (typischerweise zwischen 0 und 51, wobei ein niedrigerer Wert bessere Qualität bedeutet). Der Encoder bestimmt selbst die zum Erreichen dieser Qualität nötige Bitrate. Die Dateigröße ist vorab unbekannt, doch die Qualität bleibt einheitlich.

Für Archiv und allgemeine Verwendung ist CRF meist der beste Ansatz – jede Szene erhält so viele Daten, wie sie benötigt. Für H.264 ist der Bereich CRF 18–23 gebräuchlich; 18 gilt als optisch nahezu verlustfrei, 23 als guter Kompromiss.

Bildrate und das VFR-Problem

Die Bildrate (Frame Rate) gibt an, wie viele Bilder pro Sekunde gezeigt werden. Im Kino sind es 24 fps, im Fernsehen 25 oder 30 fps, und für flüssige Bewegung werden 60 fps verwendet.

Konstante Bildrate (CFR): Die Bilder treffen in gleichen Abständen ein. Traditionell und vorhersehbar.

Variable Bildrate (VFR): Die Bilder treffen nicht in gleichen Abständen ein. Bildschirmaufnahmesoftware und manche Telefonkameras sparen Platz, indem sie bei fehlender Bewegung Bilder auslassen.

VFR ist eine praktische Problemquelle: Viele Bearbeitungs- und Umwandlungswerkzeuge gehen von einer konstanten Bildrate aus und legen die Zeitstempel einer VFR-Quelle falsch aus. Das Ergebnis ist ein Versatz zwischen Ton und Bild, der im Verlauf des Videos zunimmt.

Haben Sie bei einer Umwandlung ein Synchronproblem, ist das der erste Verdacht. Die Lösung besteht darin, während der Umwandlung eine konstante Bildrate zu erzwingen.

Warum sich manche Videos nicht öffnen lassen

Zur Diagnose der Reihe nach zu prüfen:

1. Der Codec wird nicht unterstützt. Die häufigste Ursache. Das Gerät kann H.265 oder AV1 womöglich nicht dekodieren. Lösung: Neukodierung nach H.264.

2. Der Container wird nicht unterstützt. Seltener. Manche älteren Geräte können MKV nicht lesen. Lösung: Remux nach MP4 (sofern die Codecs kompatibel sind).

3. Der Audiocodec wird nicht unterstützt. Das Bild kommt, der Ton nicht. Codecs wie AC3 oder DTS funktionieren auf manchen Geräten nicht. Lösung: den Ton nach AAC umwandeln.

4. Profil/Level sind zu hoch. H.264 kennt eigene Profile (Baseline, Main, High), und manche älteren Geräte unterstützen nur niedrige Profile. Auch hohe Auflösung und Bitrate können die Grenzen überschreiten.

5. Die Datei ist beschädigt oder unvollständig. Der Download könnte abgebrochen sein.

Zusammengefasst

Eine Videodatei ist zweischichtig: Der Container hält die Spuren zusammen, der Codec komprimiert sie. Die meisten Kompatibilitätsprobleme rühren nicht vom Container, sondern vom Codec her, weshalb der Rat "wandle es nach MP4 um" für sich allein unvollständig ist – man muss auch den Codec darin festlegen. Codecs nutzen die Redundanz zwischen Bildern, und daraus entstehen die I/P/B-Bildstruktur und der Begriff der GOP; die Präzision beim Vorspulen und die Leichtigkeit des Schneidens hängen unmittelbar davon ab. H.265 und AV1 sind effizienter, doch die universelle Hardwareunterstützung von H.264 ist in den meisten Szenarien wertvoller. Und die variable Bildrate ist die häufigste versteckte Ursache für Ton-Bild-Versatz bei Umwandlungen.