视频：MP 4、MOV、MKV 到底有什么区别？

视频，应该算是我们每天在互联网上接触最多的东西之一了。

刷短视频、看电影、上网课、录屏、开视频会议，包括咱们网站里放的各种教程，背后其实全都是视频。

但你对视频真的了解，下面这三个问题你能回答上来吗？

1. MP 4、MOV、MKV 这三大视频格式的区别是什么？
2. 同样一分钟的视频，为什么有的只有几 MB，有的却有几百 MB？
3. 同样大小的视频，为什么有的看起来很清晰，有的却糊得全是色块？

这一章，我们就来学一点视频相关的理论基础。

如果你有剪辑经验，用过剪映、Premiere 这类软件，那你大概率已经见过 MP 4、MOV、H.264、1080 p、30 fps、码率这些词——听起来挺专业，其实没那么复杂。

对普通人来说，视频知识里回报率最高、最值得先搞懂的，是这四个概念：容器、分辨率、帧率、码率。

OK，Let's go。

MP 4 不是编码，它只是视频外面的一层皮

我们平时很容易把 MP 4 当成一种视频编码，或者觉得只要视频后缀是 .mp4，其实都是一样

但它并不是哦。

MP 4 当然是一种常见的视频文件格式，但更准确地说，它属于一种容器格式，可以把它理解成视频文件最外面的一层皮。

一段视频里不只有画面，通常还会有声音，有时还有字幕、封面、章节和拍摄信息。容器负责按照一套规则，把这些东西封装到同一个文件里面

 

 

H.264、H.265 这种名字，才是压缩和保存视频画面的编码方式。

所以，两个文件虽然都叫 MP 4，里面使用的编码却可能不一样。这就像两个快递箱外面都写着“MP 4”，里面装的东西却完全不同。

这也解释了一个生活中的一种情况：有些MP4 文件，有的设备能播，有的却打不开

就是因为设备可能认识 MP4 这层外壳，却不认识里面使用的编码。还有一种情况是画面能播，声音却出不来，那就可能是设备认识里面的视频编码，却不认识音频编码。

MP4 是现在最主流、也最通用的视频容器之一。手机拍摄、剪映导出、网站上传、发给朋友，绝大多数日常视频场景都能碰到它。

如果一段视频已经做完，接下来就是上传、播放或者交给别人，MP4 一般就是最省事的选择。

生活中特别常见的一套组合是：

MP4 容器 + H.264 视频 + AAC 音频

这套组合不一定永远体积最小、画质最高，但手机、电脑、电视、浏览器和各种剪辑软件对它的支持都比较成熟。你不知道对方最后会用什么设备播放时，选它基本没毛病。

不过这里还是要注意：MP 4 的“兼容性好”，指的是这个容器被大量设备和软件支持，不代表随便往里面塞什么编码都一定能播。

MOV：苹果和剪辑软件里经常出现的格式

除了 MP 4，剪辑视频时另一个特别容易碰到的格式就是 MOV。

MOV 来自苹果的 QuickTime 格式，在 iPhone、Mac 以及 Premiere、Final Cut Pro 这类剪辑软件里都比较常见。它和 MP 4 的关系其实很近，同样可以在一个文件里封装视频、声音、字幕和其他信息。

之所以很多人会觉得 MOV 更“专业”，是因为剪辑、调色和影视制作流程里，经常会用 MOV 装 ProRes 这类更适合后期处理的编码。这类文件可能特别大，但是剪辑软件处理起来会更舒服，也能留下更多用于后期调整的信息。

MOV 还有一个在剪辑中很实用的场景：透明背景视频。

所以很多粒子、烟雾、光效、Logo 动画和人物特效的视频素材，基本都是 Mov 格式的，这样拖进剪辑软件以后，背景可以直接透过去，就像 PNG 透明图片一样叠在其他画面上。

如果是 mp 4 的视频素材的话，就只能再进行抠像了，所以找视频素材，尽量找 Mov 格式的，这样就不用扣背景了，下面录了一个视频给大家直观展示下。

不过这里也要分清：不是所有 MOV 都自带透明背景，也不是把普通视频改成 .mov 就会自动变透明。

真正保存透明信息的是里面支持 Alpha 通道的编码，比如常见的 ProRes 4444。MOV 只是经常被拿来装这类素材，所以我们才会频繁看到“带透明背景的 MOV”。

所以日常播放、传播，MP 4 通常更省事；要继续剪辑，或者需要透明背景、高质量中间素材时，MOV 就会比较常见。

MKV：为什么下载电影时特别常见？

MKV 这个格式，大家平时自己拍视频的时候可能很少看到，但如果你下载过高清电影、纪录片或者动画资源，大概率碰到过它。

它最大的特点就是：能装

比如一部电影，可以在同一个 MKV 文件里同时放入不同国家的配音、多种语言的字幕，还能继续装章节、封面，甚至字幕需要使用的字体文件等等。

播放的时候，你只需要在播放器里切换音轨或者字幕，不用在文件夹里放着一堆不知道该选哪个的外挂字幕。

这对于电影资源就特别方便，一个文件，基本可以把不同语言、不同字幕和相关信息放在一起，看我下面视频的演示，这就是一个支持三国语言的龙猫电影资源

所以 MKV 经常出现在高清资源里，并不是因为 MKV 天生比 MP 4 更高清，而是它对多音轨、多字幕、章节和附件这些东西支持得更加灵活。

它的问题也很直接：兼容性没有 MP4 那么统一。

有时候电脑播放器能正常打开，剪辑软件却导不进去，电脑上能播，复制到电视以后又不认。遇到这种情况，先别急着认为视频坏了，更不要只改后缀，可以先换播放器，或者使用格式工程这样的格式转换工具转换下。

对于这三种格式来小总结下：

• 日常拍摄、上传和交付，最常见的是 MP 4。
• 苹果设备、剪辑流程和透明背景素材，经常会碰到 MOV。
• 多音轨、多字幕的高清电影资源，经常会碰到 MKV。

分辨率、帧率和码率，分别在管什么？

把容器这一层分清以后，再来看视频导出页面里的三个数字。

名字	大白话理解	主要影响什么
分辨率	一张画面由多少个像素点组成	画面的尺寸和细节上限
帧率	一秒钟播放多少张画面	动作看起来是否流畅
码率	每一秒允许用多少数据描述画面	文件大小，以及画面能保留多少细节

分辨率，管一张画面里有多少像素点。

我们常说的 720 p，一般是 1280 × 720；1080 p 是 1920 × 1080；4 K 常见的是 3840 × 2160。

算下来，一帧 1080 p 画面大约有 207 万个像素，而一帧 4 K 画面大约有 829 万个像素，差不多是 1080 p 的 4 倍。

所以分辨率越高，一张画面里需要照顾的像素通常就越多，也有机会保留更多细节

但这里只能说“有机会”，不能直接说分辨率越高就一定越清楚。

一段原本就对焦失败，或者已经被聊天软件压糊的视频，就算重新导出成 4 K，也只是用 829 万个像素重新保存原来的模糊，不会凭空长出不存在的细节。

帧率，一秒钟播放多少张画面。

24 fps、30 fps、60 fps 里的 fps，就是 Frames Per Second，也就是每秒帧数。

24fps = 每秒 24 张画面
30fps = 每秒 30 张画面
60fps = 每秒 60 张画面

帧率主要影响的是动作看起来顺不顺。普通口播或者电影，24 帧、25 帧、30 帧都很常见；游戏、体育比赛和快速运镜的视频，经常会用到 50 帧或者 60 帧。

但 60 帧也不等于单独一张画面比 30 帧更清晰，它只是同样一秒钟里播放的画面更多。

而且原素材如果只有 30 帧，导出时直接选成 60 帧，软件也不会自动拍出中间不存在的那 30 张真实画面。没有专门做插帧时，多出来的通常只是重复或重新安排的画面，数字变大了，流畅度不一定真的变好。

码率，管这一秒钟能用多少数据。

你可以把它理解成视频每秒钟拿到的“数据预算”。

比如 8 Mbps，大白话就是平均每秒大约允许使用 8 兆比特的数据，去描述这一秒里的所有画面。

码率给得高，编码器可以留下更多画面信息，文件通常也会更大；码率太低，它就只能继续舍掉细节，画面容易变糊，在人物头发、草地、水面、烟雾这些复杂区域尤其容易出现一块一块的色块。

视频文件的大小，大致可以这样估算：

文件大小 ≈ 总码率 × 视频时长 ÷ 8

为什么最后要除以 8？因为码率常用的是 bit，也就是“比特”；我们平常看到的文件大小用的是 Byte，也就是“字节”，8 bit 大约等于 1 Byte。

拿一分钟视频举例：

总码率	一分钟的大致大小
2 Mbps	约 15 MB
8 Mbps	约 60 MB
20 Mbps	约 150 MB

真实文件还会受到音频、容器信息和可变码率影响，不一定刚好等于这个数字，但用来估算已经够了。

这就回答了开头第一个问题：同样一分钟的视频，一个每秒只使用 2 Mbps，另一个每秒使用 20 Mbps，最后体积差十倍完全正常。

怎么看一条视频的码率？

我们看本地视频时，其实不用安装专业剪辑软件，也能先看一个大概。

在 Windows 里找到视频文件，右键打开：

右键视频文件 → 属性 → 详细信息 → 视频

在这里一般能看到“数据速率”和“总比特率”。

 

“数据速率”通常主要指视频画面的码率；“总比特率”则会把视频和音频等数据一起算进去。不同格式和系统版本显示的项目可能不完全一样，碰到可变码率视频时，看到的通常也是一个平均值。

上面我截图的这个暮然回首这个电影资源的属性部分，就可以看到总比特率是 3785kbps，就约等于约 3.7 Mbps

码率不够，视频到底会怎么糊？

很多人理解视频模糊，只会想到“分辨率低”。

但如果一个视频明明写着 1080 p，画面却还是一坨，问题很可能就出在码率上。

视频压缩会尽量寻找连续画面里重复的东西，不需要把每一帧、每一个像素都重新完整保存。码率充足时，它可以把人物的头发、衣服纹理、草地和水面这些细节留下来；码率不够时，就只能继续合并和舍弃。

最后常见的表现大概有下面几种：

1. 画面出现一块一块的方块。 尤其一到快速运动、镜头转动或者爆炸特效，整个画面突然像马赛克一样散开，这就是很典型的压缩色块。
2. 头发、草地和树叶糊成一团。 这些地方本来就有大量细碎纹理，码率不够时，编码器很难把每一根线条都留下来。
3. 水面、烟雾、雪花和纸屑特别容易崩。 因为这些画面每一帧都在发生大量变化，比固定背景的口播难压缩得多。
4. 天空和暗部出现一圈一圈的颜色断层。 低码率会让这种色块和断层更加明显，不过它也可能和色深、调色及平台处理有关，不能全部只怪码率。
5. 静止时还算清楚，一动起来就糊。 暂停看某一帧好像没问题，人物或镜头一动，细节马上散掉，也经常说明复杂画面分到的数据不够。

所以压缩视频，很大程度上，就是把视频重新编码，并把平均码率降下来。

码率从 20 Mbps 降到 5 Mbps，同样一分钟的视频，理论大小就能从大约 150 MB 降到 37.5 MB。文件确实小了，但编码器每秒只剩四分之一的数据预算，必须丢掉更多信息。

有些压缩软件还会同时降低分辨率、帧率，或者换成压缩效率更高的编码。但如果时长没有变化，文件能明显变小，最核心的原因通常还是平均码率变低了。

一般多大码率，才算比较清晰？

这个问题大家肯定最想知道，但它没有一个对所有视频都有效的标准答案。

因为码率必须和分辨率、帧率、编码方式以及画面内容放在一起看。同样是 1080 p，固定机位讲 PPT 和满屏粒子特效的游戏视频，需要的码率就不是一个级别；同样的码率，H.264、H.265 和 AV 1 最后保留下来的画质也可能不同。

不过我们可以拿主流平台的上传建议，先建立一个大概的尺度感。

截至 2026 年 9 月，YouTube 给 H.264、SDR 视频的官方上传参考值是：

分辨率	24、25、30 帧	48、50、60 帧
720 p	5 Mbps	7.5 Mbps
1080 p	8 Mbps	12 Mbps
1440 p，也就是常说的 2 K	16 Mbps	24 Mbps
2160 p，也就是常说的 4 K	35—45 Mbps	53—68 Mbps

这张表不是“低于它就一定糊，高于它就一定高清”，更不是所有平台通用的标准。它只是告诉我们一个关系：分辨率越高、帧率越高，为了维持相近的观感，通常就需要更高的码率。

如果只是看一份常见的 H.264 成品，1080 p 只有 1—2 Mbps，遇到快速运动和复杂纹理时往往会比较吃紧；到了 8—12 Mbps，才更接近主流平台给 1080 p 上传文件的参考范围。

但这也不代表 1080 p 拉到 50 Mbps 就一定能比 12 Mbps 清楚四倍。原素材和编码能保留的细节是有上限的，超过真正需要的范围以后，文件还会继续变大，肉眼能看到的提升却会越来越少。

最后，两张表帮你记住重点

先看知识点，这是本篇的核心：

概念	一句话说明	记住这一点就够
容器（MP 4/MOV/MKV）	视频最外面的一层皮，负责把画面、声音、字幕打包在一起	容器不等于编码，兼容性好不代表里面什么编码都能播
分辨率	一张画面由多少个像素点组成	只是给了细节上限，不代表原素材本身就清楚
帧率	一秒钟播放多少张画面	影响流畅度，不影响单张画面清不清晰
码率	每一秒允许用多少数据描述画面	真正决定文件大小和画面细节的关键变量

再看问题排查，遇到具体情况照着查：

遇到的情况	先看什么	大概率是哪一层出问题
打不开，或者只有声音没画面	换个播放器试试	容器认识，编码不认识（或反过来）
同样时长，文件大小差很多	右键属性看码率，别看分辨率	码率才是决定大小的直接变量
写着 1080 p，画面还是糊	右键属性看码率	码率跟不上，不一定是分辨率问题
想压缩但怕糊	对照前面主流媒体的参考值	别把码率降得比参考值低太多