GStreamer 实时流转码器

要解决的问题

实时直播场景下，一路原始视频往往需要同时转出多档码率，以适配不同网络条件的观众端。如果全部依赖 CPU 软件编码，单机并发路数很快成为瓶颈；而手写 GStreamer 流水线又涉及解码器、编码器、分片器之间的衔接细节，配置错误时表现为花屏、音画不同步或分片不可播，排查成本很高。

核心能力与工作方式

这个技能围绕 GStreamer 的流水线构建展开，核心是把实时流转码拆成可复用的环节：

• 硬件编码加速：优先使用 nvenc（NVIDIA NVENC）或 vaapi（Intel/AMD VA-API）编码器，把编码负载从 CPU 转移到 GPU，单机可承载的并发路数明显提升。
• 多档自适应码率：通过内部转码分支或 multipass 生成不同分辨率/码率的表示，再交给下游分片器。
• 协议输出：HLS 场景使用 hlssink2，DASH 场景使用 dashsink，两者均支持直播场景的分片滚动与清单更新。
• 流水线组装：按 uridecodebin / appsrc 接入源，组织 decodebin → 缩放与格式协商 → 硬件编码 → 分片输出的 element 与属性链路。

典型流程是：先确认源的编码格式与硬件可用性，再按目标协议选择分片器，最后把编码器属性（码率、GOP 大小、Profile）和分片器属性（分片时长、清单刷新间隔）逐项调通。

适用边界与注意点

• 该技能没有自动提取到上游安装或使用说明，接入敏感业务流程前应先审阅 GStreamer 官方文档：https://gstreamer.freedesktop.org/documentation/。
• GStreamer 的 element 名称与属性随版本演进，vaapi 相关编码器在不同发行版上的可用性差异较大，建议先在目标环境做小规模验证。
• 硬件加速依赖正确的驱动与设备节点（如 /dev/nvidia* 或 /dev/dri/*），容器内运行时需要额外挂载。
• 自适应码率的档位数量与转码延迟存在权衡，档位越多流水线越复杂，需结合实际 CPU/GPU 资源评估。