熬夜把一部 50GB 的蓝光原盘压成 H.265，文件缩到十几 GB，点播放的那一刻，脑子里总会冒出一个问题：画质到底亏了多少？
靠肉眼看？同一部片子，半夜两点看啥都挺清楚，第二天你根本不记得原片长什么样。靠码率看？两部码率一样的片子，画质能差出一个档次——这事在压片圈早就吵明白了。
其实这个问题早有一把公认的"尺子"，叫 VMAF。压制组的发布说明里经常挂着它，Netflix 的线上画质把关也靠它。这篇文章就把三件事一次讲清：这把尺子量的是什么、压片时照着多少分压不亏、以及最容易被忽略的一点——分数本身也会骗人。
码率和文件大小，为什么当不了尺子
很多人的直觉是"文件越大画质越好"，这个直觉只对了一半。画质消耗的大头是画面复杂度：一段静态访谈和一段爆炸追车，同样的码率，前者绰绰有余，后者直接糊成马赛克。
最能说明问题的是 Netflix。他们在 2015 年提出"按片定码率"（Per-Title Encoding），不再给所有片子套同一个码率档位，而是逐片测算内容复杂度，简单的片子给更低码率，复杂的片子加码率，结果是整体带宽平均省了约 20%，主观画质反而上升。知乎换句话说，码率是个"预算"，预算花在哪、够不够，取决于画面本身——拿预算数字反推画质，天然就不靠谱。
那靠什么？业界的答案是拿"人眼打分"来校准。
VMAF 是什么：一把用人眼打分训练出来的尺子
VMAF（Video Multi-Method Assessment Fusion）是 Netflix 在 2016 年开源的视频质量评估算法，如今基本是行业默认标准。知乎它的思路不复杂：把多个画质特征（细节保留、结构变化、运动信息等）丢进一个机器学习模型，而这个模型是用大量真人主观评分（MOS）训练出来的——也就是说，它的刻度是直接对着"人觉得糊不糊"校准的。
对比一下老指标就知道差距：PSNR 是逐像素算差异，画面整体平移一个像素，分数就崩了，但人眼根本看不出来；SSIM 看亮度、对比度、结构，好一些，但对运动模糊和色带这类问题照样迟钝。VMAF 0-100 分，分数越接近 100 越接近原片观感。
圈内现在大致有这么几条经验线（注意，是社区和工程实践里沉淀的参考值，不是物理定律）：
1080p 流媒体，VMAF 93 被普遍当成"黄金线"——低于它，多数观众能感觉到画质下降；高于它，再堆码率换来的主观提升微乎其微。知乎
收藏向压片、压制组归档，普遍把 95 分以上当"视觉无损"的及格线，为了这个分数可以接受 CPU 软编慢慢磨。知乎
手机上看的低清版本，用专门的手机模型（vmaf-phone）打分，标准还会再松一些。
重点来了：这把尺子自己就能上手
VMAF 不是大厂专属，它就是 FFmpeg 里的一个滤镜。最简流程：
```
ffmpeg -i 压制后.mp4 -i 原片.mp4 -lavfi libvmaf -f null -
```
两个坑先说在前面：第一，顺序不能反，第一个输入是待测视频，第二个是参考原片。知乎第二，两边分辨率、帧率必须一致，压完 1080p 就不能直接跟 4K 原片比，要先缩放到同分辨率再打分（4K 内容可以用专门的 4K 模型）。
压片时更实用的玩法是"试探法"：
同一段视频，用目标编码器（比如 x265）压三个 CRF 档，比如 24、28、32；
三个版本分别跑一遍 VMAF，记下分数和文件体积；
找到能满足目标分数的最低 CRF——那就是这部片子的"最优性价比点"，以后同类片子照着压就行。
这一步的价值在于：从此"压到什么程度"不再是玄学，而是你自己测出来的数字。Netflix 的 per-title 思路，本质上就是把这个试探过程自动化、规模化，我们自己手工做一遍低配版，原理完全一样。
但是，分数也会骗人
这是我最想提醒的一段。VMAF 是尺子，可一旦有人"应试"，尺子就会变形。
压片圈最近就在吵一个现成的例子：SVT-AV1 编码器更新后加入了针对 VMAF 优化的 tune 参数，有 UP 主实测发现，开了这个 tune，VMAF 跑分原地涨 2~3 分，但肉眼看画质反而比默认设置略差。哔哩哔哩原因不难理解：编码器学会了"讨好"评分模型的偏好，把算力花在刷分的地方，而不是花在人眼真正敏感的地方。评分模型一旦公开，就会被反向优化——这在哪个领域都一样。
类似的坑还有：给画面加一圈锐化滤镜，PSNR 会降，VMAF 却可能升高（锐化恰好命中了它的特征偏好），所以 libvmaf 专门提供了 neg（no enhancement gain）模式来压制这种"增强刷分"。知乎
另外 VMAF 也有自己的短板：极低码率下容易失灵、对动画和真人内容的敏感度不同、模型本身是基于特定片源训练的，存在偏差。知乎所以成熟的用法是"VMAF 守门 + 抽帧肉眼复查"，分数用来排除明显压坏的版本，最后的关键场景（暗场、快速运动、字幕边缘）还是自己看一眼。
谁值得折腾，谁直接略过
适合：NAS 影库要批量转 H.265 省空间的、在两个资源版本之间纠结的、做二创需要控制导出体积的——花半小时建一套自己的"分数-体积"对照，后面每一次压片都省心；
不适合：平时只在流媒体平台看片的（平台二压你管不着，也测不了）、追求一键出片的——直接用 HandBrake 的官方预设或者硬件编码默认参数，完全够用，不必引入新焦虑。
最后留个继续观察的线索：VMAF 本身也在迭代，新一代模型和 neg、cambi 这些防刷分机制正在被越来越多的测试者采用，SVT-AV1 的 tune 之争也还没吵完。你手里的分数对照表，建议每隔一两年用新模型复测一次——毕竟尺子自己也在进化。
