Átlagos felhasználóként elsősorban akkor jöhet szembe veled a videotömörítés feladata, ha filmeket szeretnél újrakódolni, hogy magaddal vihesd őket a nyaralásra, vagy ha a mobillal készített videókat szeretnéd újravágni - illetve akkor is, ha élőben szeretnél valamilyen streamet közvetíteni, és nem éred be a webkamera mellé adott alapszoftverrel, hanem profi alkalmazást használnál erre a célra.
Videót szoftverrel és hardverrel is lehet kódolni. A célhardverek nagyon drágák, ezért otthoni felhasználók számára nem jelentenek igazi alternatívát. A fenti esetekben közös, hogy szoftveres feldolgozást jelentenek, a szükséges számítási teljesítményt pedig alapesetben a processzor adja.
Igen ám, csakhogy a processzor erre a feladatra nem a legjobb jelölt: nyilván elvégzi a rábízott munkát, de nem túl gyorsan. Ez rendben is van egészen addig, amíg csak egy videó újrakódolásáról vagy szerkesztéséről van szó, azonban ha valós időben kell a videót (vagy akár videókat) tömöríteni, akkor a CPU lassúnak bizonyulhat. Főleg akkor, ha 4K-s felbontást és/vagy a H.264-hez képest fejlettebb kodeket (HEVC/AV1) szeretnél használni.
Érdemes tehát olyan szoftvert választani, ami nemcsak a processzort, hanem a videókártyát is tudja a tömörítéshez használni. A processzorokat alapvetően úgy tervezik, hogy rendkívül komplex feladatokat tudjanak megoldani, sorba állítva. A videókártyák kevesebb feladatra alkalmasak, azokat viszont sokkal gyorsabban tudják megoldani. És messze hatékonyabbak abban az esetben, ha relatív gyorsan végrehajtható számításokat kell végrehajtani végeláthatatlan mennyiségben, párhuzamosan feldolgozva.
Ez utóbbi képesség az, ami a videótömörítésnél nagyon jól jön, hiszen kódolásnál a képet sok apró részletre lebontva, az egyes "darabokat" külön-külön kell feldolgozni. A videókártyák előnye persze érthető: egy átlagos processzor legfeljebb 4-16 magot tartalmaz, míg a videókártyákban már a belépő szinten is jellemzően több száz, a felső és prémium kategóriában pedig több ezer magot találni. Ehhez hozzávehetjük azt is, hogy a GPU-magok belső felépítése is tovább tagolt, direkt a párhuzamos adatfeldolgozáshoz optimalizálva, és persze nem elhanyagolható szempont az sem, hogy a videókártyák dedikált, fedélzeti memóriája is egy nagyságrenddel gyorsabb adatátvitelt tesz lehetővé.
Sőt, mindehhez még azt is hozzávehetjük, hogy a legújabb Nvidia és AMD videókártyák egyaránt kapnak olyan dedikált chipet is (NVENC, illetve VCE), amelyek segítik a videók kódolását - vagyis eljutottunk oda, hogy a hardveres videótömörítés esetén már nemcsak arról van szó, hogy a videókártya tehermentesíti a processzort, hanem arról is, hogy a videókártyán lévő specifikus chip a GPU-t is tehermentesíti. Ez pedig azért jó, mert így a videótömörítés közben a processzor és a grafikus vezérlő is használható más feladatokra.
Komplexnek tűnik, de valójában egyszerű
A videótömörítés során ugyanazokat a részfeladatokat kell végrehajtani, ám a legtöbbet minden egyes képpontra vonatkozóan el kell végezni; ez másodpercenként több tíz millió apró részfeladatot jelent. Anélkül, hogy a videótömörítés lelki világába nagyon mélyen beleásnánk, az alap az, hogy vannak teljes egészében eltárolt kulcsképkockák, a közöttük elhelyezkedő képkockák esetében pedig a jelfolyam azt tárolja, hogyan változnak és mozognak a pixelek. Ehhez minden képpont esetében mozgáselemzést kell végezni. A tömörítés hatékonyságát a DCT és kvantálás segítik, amivel az algoritmus azt próbálja meghatározni, hogy melyek azok a változások, amikről nagyvonalúan el lehet feledkezni, mert az emberi szem nem, vagy csak elhanyagolható mértékben érzékeli őket. A DCT-t 8×8-as méretű pixelblokkokra számolja a legtöbb kodek, ebből is van pár: Full HD felbontás esetén 32 400, 4K-felbontás esetén ennek négyszerese képkockánként.
Mennyivel gyorsabb?
Fontos, hogy a processzor helyett csak akkor tudod a videókártyát használni a videófeldolgozás során, ha a szoftver, amit használsz, támogatja ezt a funkciót. A videószerkesztő alkalmazások közül az Adobe Premiere Pro és a DaVinci Resolve például támogatja a régebbi és modern GPU-kat is erre a célra egyaránt, ami azt jelenti, hogy rövidebb idő alatt ugyanazt a minőséget (vagy akár más beállításokkal jobb minőséget) kaphatod. A különbség a tisztán processzoralapú jelfeldolgozáshoz képest akár tízszeres is lehet. A gyorsulást jól érzékelteti, hogy a hatmagos AMD 5600G az integrált, belépő szintű GPU-jával megközelítőleg ugyanazt a teljesítményt hozza 4K/HEVC kódolásnál, mint a nála jóval gyorsabb, tizenhatmagos AMD 5950X tisztán a processzormagokra támaszkodva. Otthoni körülmények között kevésbé van jelentősége, de egy prémiumkategóriás videókártya akár arra is képes lehet, hogy párhuzamosan több 4K-s streamet kezeljen.
Hátrányok
Térjünk vissza oda, hogy a CPU sokkal komplexebb feladatokra képes, a GPU viszont korlátozottabb utasításokat tud végrehajtani rettenetesen gyorsan, párhuzamos adatfeldolgozás esetén! Ebből nemcsak a GPU előnye olvasható ki, hanem az is, hogy a CPU rugalmasabb beállítási lehetőségeket kínál. Amennyiben a videót a GPU tömöríti be, függetlenül attól, hogy a kódolás valós időben történik-e vagy "offline", csak előre definiált tömörítési profilok választhatók, nem fogod tudni kapcsolgatni valamennyi, a képminőséget befolyásoló paramétert.
Habár a GPU-alapú kódolás gyors és energiatakarékos, a tárhellyel a CPU-t használó szoftveres megoldások jobban bánnak, és a képminőség is jobb akkor, ha a tömörítést a számítógép központi egysége végzi - ez utóbbi különösen igaz akkor, ha a bitrátát alacsony értékre állítod be. Cserébe persze a sebesség sokkal lassabb lesz, ezért mielőtt nekiállnál a tömörítésnek, érdemes mérlegelni, hogy az aktuális feladatnál éppen melyik tulajdonság a fontosabb.
