縦型動画のコーデックでファイルサイズはどれだけ変わるか H.264からH.265・VP9・AV1への変換を実測しました

記事内に広告が含まれています。

この記事でわかることをまとめました

私は縦型動画10秒をH.264、H.265、VP9、AV1に変換して比べました。一番小さくなったのはAV1 CRF 35で、283,379バイト、元の動画の30.2%でした。

変換時間の中央値が一番短かったのは、H.264 CRF 23の7.18秒でした。今回の4条件では、一番小さかったのがAV1 CRF 35で、一番速かったのがH.264 CRF 23でした。

素材は、以前のHyperFrames試行で作った縦型動画です。1080×1920、30fps、H.264で、音声はありません。

私はこの動画の先頭10秒を、ffmpegのストリームコピーで切り出して元動画にしました。再圧縮をしていないため、画質は元の動画と同じです。元動画は937,490バイトでした。

変換条件は次のとおりです。いずれもyuv420pで、音声なしです。

各条件を3回変換し、変換時間は中央値で比べました。ファイルサイズは、残した出力ファイルの実測です。環境はCPU 2コアのVMです。

図1にファイルサイズをまとめました。AV1が最も小さく、H.265、H.264、VP9の順に大きくなりました。

コーデックと設定	ファイルサイズ（バイト）	元の動画に対する割合	変換時間中央値	SSIM（All）	PSNR平均
元の動画（H.264）	937,490	100.0%	—	—	—
H.264 CRF 23	392,953	41.9%	7.18秒	0.998449	51.21 dB
H.265 CRF 28	339,746	36.2%	19.79秒	0.997594	50.22 dB
VP9 CRF 32	467,529	49.9%	24.10秒	0.997202	40.46 dB
AV1 CRF 35	283,379	30.2%	17.24秒	0.999547	57.74 dB

H.264 CRF 23の392,953バイトと比べると、AV1は72.1%の大きさ、H.265は86.5%の大きさでした。VP9は467,529バイトで、今回の4条件の中ではH.264より大きくなりました。

画質の数値は、ffmpegのssimフィルタとpsnrフィルタで、変換後の動画と元の10秒を比べて測りました。

SSIMは4条件とも0.997202から0.999547の範囲でした。AV1が一番高く、VP9が一番低い結果でした。

PSNRの平均は、AV1が57.74 dBで一番高く、H.264が51.21 dB、H.265が50.22 dBでした。VP9は40.46 dBで、ほかの条件より低くなりました。私はこの違いの原因の切り分けをしていません。

3秒時点のフレームを、元の動画、H.264 CRF 23、AV1 CRF 35の3枚で並べました。目で見て分かる大きな違いはありませんでした。

図2に変換時間の中央値をまとめました。H.264の7.18秒に対して、H.265は19.79秒、VP9は24.10秒、AV1は17.24秒でした。

H.264と比べると、H.265は約2.8倍、VP9は約3.4倍、AV1は約2.4倍の時間でした。

変換時間は回によってばらつきがありました。AV1は21.18秒、16.68秒、17.24秒で、VP9は23.00秒、24.10秒、27.98秒でした。そのため、私は中央値で比べています。ファイルサイズは、3回とも同じバイト数でした。

CRFの数字はコーデックごとに意味が違います。今回の4条件は同じ画質を狙った設定ではありません。CRF 23、28、32、35という、それぞれのコーデックでよく使われる設定で比べた結果です。ほかのCRFを選べば順位が変わる場合があります。
比べたのは、動きの少ない画面中心の縦型動画10秒です。動きの多い動画や、写真のような実写の動画では結果が変わる場合があります。
3秒時点の1フレームを見比べた以外に、私は目で見た画質の評価をしていません。SSIMとPSNRは数値の目安として測りました。
VP9の出力だけWebM形式（.webm）で、ほかの3条件はMP4形式です。ファイルサイズの比較には形式の違いも含まれています。