【FFMpeg】Windows下编译ffmpeg(MinGW+MSYS2)

【FFMpeg】Windows下编译ffmpeg(MinGW+MSYS2)

文章目录

  • 【FFMpeg】Windows下编译ffmpeg(MinGW+MSYS2)
    • 1、概述
    • 2、环境准备
      • 1 安装Msys2
      • 2 安装环境
    • 3、ffmpeg编译

1、概述

  • 系统:Window10
  • ffmpeg版本:n5.1.2
  • 环境:Msys2+MinGW
    • Msys2:msys2是一款跨平台编译套件,它模拟linux编译环境,可以把它看做一个linux环境;

2、环境准备

1 安装Msys2

  • 下载msys2

  • 下载msys2后直接下一步安装,安装完成后如下图所示

  • 在开始菜单打开MSYS2 MSYS,使用命令pacman -Syu升级所有库

2 安装环境

  • 使用下列命令安装ffmpeg编译的依赖和工具

    pacman -S mingw-w64-x86_64-toolchain pacman -S mingw-w64-x86_64-yasm pacman -S mingw-w64-x86_64-SDL2 pacman -S mingw-w64-x86_64-fdk-aac pacman -S mingw-w64-x86_64-x264 pacman -S mingw-w64-x86_64-x265 pacman -S mingw-w64-x86_64-gcc pacman -Smakediffutils pkg-configgitnasm
  • 使用git命令将ffmpeg下载到msys2的用户目录下,或者下载了复制到用户目录下

  • 如下图所示,新建一个build文件夹用于编译,新建一个文件夹ffmpegLib用做安装路径

3、ffmpeg编译

  • 在开始菜单选择MSYS2 MINGW64

  • 进入到创建的build文件夹下

  • 使用下列命令开始构建ffmpeg源码,这里时间有点长,不是卡了,参数说明如下

    • --prefix安装程序到指定的目录,即最终编译后生成的文件的存放目录;

    • --enable-sdl2引入SDL2库,ffplay编译必须;

    • --enable-x264启用H.264编码(默认关闭);

    • --enable-faac启用faac支持libfaac(默认关闭);

    • --enable-static构建静态库(默认启用);

    • --disable-static禁止构建静态库(默认关闭);

    • --enable-shared构建共享库(默认关闭);

    • --disable-shared禁止构建共享库(默认启用);

    • --enable-gpl允许使用GPL(默认关闭);
      更多详细说明可查询ffmpeg ./configure参数说明

      $../ffmpeg/configure --prefix=/home/mhf/ffmpeg/ffmpegLib/ --enable-shared --enable-sdl2 --disable-static

  • 构建完成后使用下列命令编译安装

    make-j8makeinstall
  • 安装完成后打开ffmpegLib文件夹,如下图所示

  • 进入bin文件夹,将所有.lib文件复制到ffmpegLIb/lib文件夹中,否则使用msvc编译器调用时会报错;

    • 注意: 这时还不能用,使用MinGW64编译ffmpeg,还依赖于MinGW64的部分动态库,如下图所示,直接运行会报缺少库;

    • 下载一个DependenciesGui.exe,这是一个检测依赖工具;

    • 下载成功后,打开DependenciesGui.exe,并将ffmpeg.exe拖进DependenciesGui.exe中;

    • 依次打开依赖的ffmpeg动态库,发现下一级中会有一些红色的,这就是缺少的依赖库;

    • 由于是使用MinGW64编译的,我们就打开msys2安装路径下的mingw64文件夹 ,在bin文件夹中就可以找到缺少的库,根据DependenciesGui.exe中提示将所有缺少的库复制到ffmpegLib/bin文件夹下就可以了;

    • 复制了所有依赖库后再运行ffmpeg.exe就不会报错了;

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1148711.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Qwen2.5-7B-Instruct + vLLM推理加速实战|Chainlit前端调用指南

Qwen2.5-7B-Instruct vLLM推理加速实战|Chainlit前端调用指南 一、前言 随着大语言模型(LLM)在自然语言理解与生成任务中的广泛应用,如何高效部署并快速构建交互式应用成为开发者关注的核心问题。通义千问团队推出的 Qwen2.5-7…

Rembg性能测试:多模型并行处理方案

Rembg性能测试:多模型并行处理方案 1. 智能万能抠图 - Rembg 在图像处理与内容创作领域,自动去背景(Background Removal)是一项高频且关键的需求。无论是电商商品图精修、社交媒体素材制作,还是AI生成内容的后处理&a…

ResNet18轻量化教程:模型压缩+云端推理,成本降80%

ResNet18轻量化教程:模型压缩云端推理,成本降80% 引言 当你需要将一个图像分类模型部署到边缘设备(比如树莓派或工业摄像头)时,可能会遇到两个头疼的问题:模型太大跑不动,云端测试成本太高。这…

从零部署Qwen2.5-7B-Instruct大模型|vLLM加速,Chainlit前端交互

从零部署Qwen2.5-7B-Instruct大模型|vLLM加速,Chainlit前端交互 引言:为什么选择 Qwen2.5 vLLM Chainlit 架构? 在当前大模型快速迭代的背景下,如何高效、低成本地将先进语言模型部署为可交互服务,成为…

构建生产级Qwen2.5-7B-Instruct服务|vLLM推理加速与Chainlit前端联动

构建生产级Qwen2.5-7B-Instruct服务|vLLM推理加速与Chainlit前端联动 一、引言:为何需要构建高效稳定的LLM服务架构? 随着大语言模型(LLM)在实际业务中的广泛应用,如何将像 Qwen2.5-7B-Instruct 这样的高…

复杂场景处理:Rembg抠图进阶技巧分享

复杂场景处理:Rembg抠图进阶技巧分享 1. 引言:智能万能抠图 - Rembg 在图像处理领域,精准、高效地去除背景一直是设计师、电商运营和AI开发者的核心需求。传统手动抠图耗时费力,而早期自动分割工具又常因边缘模糊、误识别等问题…

基于vLLM的Qwen2.5-7B-Instruct镜像实战|实现高吞吐推理与交互式前端集成

基于vLLM的Qwen2.5-7B-Instruct镜像实战|实现高吞吐推理与交互式前端集成 引言:为何选择vLLM Qwen2.5-7B-Instruct构建高效AI服务? 随着大语言模型在自然语言理解、代码生成和多语言支持等方面的持续进化,如何将先进模型高效部署…

ResNet18物体识别详细步骤:云端环境已配好,打开就能用

ResNet18物体识别详细步骤:云端环境已配好,打开就能用 1. 引言:不懂AI也能快速上手的物体识别方案 作为IT运维人员,突然被安排接手AI项目时,最头疼的往往不是代码本身,而是复杂的深度学习环境配置。CUDA版…

如何高效部署Qwen2.5-7B-Instruct?vLLM+Chainlit方案详解

如何高效部署Qwen2.5-7B-Instruct?vLLMChainlit方案详解 引言:为何选择vLLM Chainlit组合? 随着大语言模型(LLM)在实际业务场景中的广泛应用,如何高效、稳定、低延迟地部署高性能模型成为开发者关注的核…

ResNet18物体识别避坑指南:3个常见错误+云端解决方案

ResNet18物体识别避坑指南:3个常见错误云端解决方案 引言 当你第一次尝试用ResNet18做物体识别时,是不是遇到过这些情况:好不容易装好环境,结果CUDA版本报错;跑着跑着突然显存不足;或者训练了半天发现准确…

Qwen2.5-7B-Instruct实战:基于vLLM与Chainlit快速搭建大模型服务

Qwen2.5-7B-Instruct实战:基于vLLM与Chainlit快速搭建大模型服务 一、引言:为何选择Qwen2.5-7B-Instruct vLLM Chainlit技术栈 随着大语言模型(LLM)在自然语言理解与生成任务中的广泛应用,如何高效部署并提供稳定服…

ResNet18物体识别省钱秘籍:按需GPU比买卡省万元

ResNet18物体识别省钱秘籍:按需GPU比买卡省万元 1. 为什么个人开发者需要ResNet18? ResNet18是深度学习领域最经典的图像识别模型之一,它就像给计算机装上了一双"智能眼睛",能自动识别照片中的物体。对于想开发智能相…

Rembg抠图应用:电商主图制作的完整流程

Rembg抠图应用:电商主图制作的完整流程 1. 引言:智能万能抠图在电商场景中的核心价值 随着电商平台对商品视觉呈现要求的不断提升,高质量、高一致性的主图已成为提升转化率的关键因素。传统人工抠图耗时耗力,且难以保证边缘平滑…

GLM-4.7与Gemini 3.0 Pro技术适配性与落地成本深度对比

2025年末,AI大模型技术已进入“场景化落地深耕”阶段,对于开发者与企业而言,模型选型的核心诉求从“参数竞赛”转向“技术适配性”与“工程落地成本”。智谱AI推出的GLM-4.7以轻量化、高可定制性为核心,适配中小团队快速迭代需求&…

AI抠图也能本地运行?体验工业级Rembg稳定版镜像

AI抠图也能本地运行?体验工业级Rembg稳定版镜像 你是否曾为一张产品图背景杂乱而苦恼?是否在制作电商详情页时,因手动抠图耗时费力而效率低下?传统PS抠图不仅依赖操作技巧,面对复杂边缘(如毛发、透明物体&…

Rembg性能测试:不同分辨率图片处理耗时

Rembg性能测试:不同分辨率图片处理耗时 1. 引言:智能万能抠图 - Rembg 在图像处理与内容创作领域,自动去背景是一项高频且关键的需求。无论是电商商品图精修、社交媒体素材制作,还是AI生成内容的后处理,都需要高效、…

Qwen2.5-7B-Instruct镜像部署全解析|支持vLLM与Chainlit调用

Qwen2.5-7B-Instruct镜像部署全解析|支持vLLM与Chainlit调用 引言:为何选择Qwen2.5-7B-Instruct进行本地化部署? 随着大模型在企业级应用和私有化场景中的需求激增,如何高效、稳定地将高性能语言模型部署到生产环境成为关键挑战…

AI大模型场景化落地实战指南:GLM-4.7与Gemini 3.0 Pro选型与接入全解析

2025年末,AI大模型技术正式告别“参数内卷”时代,迈入“场景化落地深耕”的关键阶段。对于开发者与企业而言,选型逻辑已从单纯追求模型规模,转向对技术适配性、工程落地成本及生态兼容性的综合考量。智谱AI推出的GLM-4.7凭借轻量化…

如何用单张照片测距离?试试AI 单目深度估计 - MiDaS稳定版镜像

如何用单张照片测距离?试试AI 单目深度估计 - MiDaS稳定版镜像 🌐 技术背景:从2D图像到3D空间感知的跨越 在计算机视觉领域,如何仅凭一张普通照片推断出场景的三维结构,一直是极具挑战性的研究方向。传统方法依赖双目摄…