目录
写在前面
一、FFmpeg 版本
二、完整安装步骤
1. 安装编译依赖
2.安装nv-codec-headers SDK 12.0
3.如果需要 x264/x265（软件编码备用）
4. 下载 FFmpeg 6.0 源码
5. 配置编译选项
6. 编译并安装
三、 验证安装
1.查看FFmpeg版本
2.检查 NVENC 编码器是否可用
3.检查 CUVID 解码器是否可用
4. 检查 NVIDIA 硬件加速是否启用
5.试着转码一个视频
四、NVENC是什么
五、nv-codec-headers SDK是什么
写在前面
我有一张破显卡（P100），我要在这张显卡上用FFmpeg 进行视频转码。因为这张卡虽然破，也比纯CPU转码要快的多，配置如下：
显卡：Tesla P100 PCIe 16GB
显卡驱动：525.105.17
CUDA 版本:12.0
操作系统：Ubuntu 18.04.1
一、FFmpeg 版本
我的配置不高，但是FFmpeg 的 GPU 加速（NVENC/NVDEC）完全可用，只是不能使用最高版本的FFmpeg 。驱动 525.105.17 最高支持 Video Codec SDK 12.0，可以安装最高 FFmpeg 6.0+ 版本。
最终方案：编译 FFmpeg 6.0 配合 nv-codec-headers SDK 12.0 分支，以避免 "Driver does not support the required nvenc API version" 错误。
二、完整安装步骤
1. 安装编译依赖
sudo apt-get update sudo apt-get install -y build-essential yasm cmake libtool libc6 libc6-dev unzip wget libnuma1 libnuma-dev git pkg-config2.安装nv-codec-headers SDK 12.0
wget -O nv-codec-headers-sdk-12.0.tar.gz "https://github.com/FFmpeg/nv-codec-headers/archive/refs/heads/sdk/12.0.tar.gz" tar -xzf nv-codec-headers-sdk-12.0.tar.gz cd nv-codec-headers-sdk-12.0 sudo make install3.如果需要 x264/x265（软件编码备用）
a.安装依赖
sudo apt-get install -y libx264-dev libx265-dev libnuma-devb.如果libx264-dev找不到，用：
sudo apt-get install -y libx264-163 libx264-dev4. 下载 FFmpeg 6.0 源码
先准备文件夹，我所有ffmpeg相关的文件都放在/mnt/ffmpeg目录：
cd /mnt/ffmpeg wget https://ffmpeg.org/releases/ffmpeg-6.0.1.tar.xz tar -xJf ffmpeg-6.0.1.tar.xz cd ffmpeg-6.0.15. 配置编译选项
./configure --enable-nonfree --enable-cuda-nvcc --enable-libnpp --enable-cuvid --enable-nvenc --enable-ffnvcodec --enable-cuda --extra-cflags=-I/usr/local/cuda/include --extra-ldflags=-L/usr/local/cuda/lib64 --disable-static --enable-shared --enable-gpl --enable-libx264 --enable-libx265关键参数说明：
--enable-cuda-nvcc：启用 CUDA 编译--enable-cuvid：启用 NVDEC 硬件解码--enable-nvenc：启用 NVENC 硬件编码--enable-libnpp：启用 NVIDIA Performance Primitives（用于 GPU 滤镜如 scale_npp）--extra-cflags=-I/usr/local/cuda/include：指向 CUDA 头文件--extra-ldflags=-L/usr/local/cuda/lib64：指向 CUDA 库文件
6. 编译并安装
make -j$(nproc) sudo make install sudo ldconfig三、 验证安装
1.查看FFmpeg版本
ffmpeg -version2.检查 NVENC 编码器是否可用
ffmpeg -hide_banner -encoders | grep nvenc3.检查 CUVID 解码器是否可用
ffmpeg -hide_banner -decoders | grep cuvid4. 检查 NVIDIA 硬件加速是否启用
ffmpeg -hide_banner -hwaccels | grep cuda5.试着转码一个视频
ffmpeg \ -hwaccel cuda \ -hwaccel_output_format cuda \ -i input_video.mp4 \ -vf "scale_npp=1920:1080" \ -c:v h264_nvenc \ -preset fast \ -b:v 4M \ -maxrate 6M \ -bufsize 8M \ -r 30 \ -c:a copy \ -y output_1080p_4m_gpu_video.mp4四、NVENC是什么
上面提到了NVENC，NVENC是NVIDIA Video Encoder的缩写，NVIDIA 的硬件视频编码器。
简单地说，NVENC 是 NVIDIA 显卡上的一个独立硬件模块，专门负责视频编码，不占用 GPU 的 CUDA 核心。
Tesla P100 有这个模块，所以可以用显卡硬件编码视频，而不是用 CPU 软编码。
| 方式 | 命令 | 占用资源 | 速度 | 质量 |
| CPU 软编码 | -c:v libx264 | CPU 核心 | 慢 | 好 |
| GPU 硬编码 | -c:v h264_nvenc | NVENC 专用芯片 | 快 | 够用 |
我们注意到表格中最后一列中：CPU 软编码质量更好。没错，同码率下 CPU 软编码（libx264）通常比 GPU 硬编码（h264_nvenc）画质更清晰，但差距在缩小。
| 原因 | 说明 |
| 压缩算法更精细 | CPU 可以做更复杂的运动估计、帧间预测，找到更优的压缩方式 |
| 码率分配更智能 | 复杂画面（如树叶、水波纹）给更多码率，简单画面省码率 |
| B帧更多 | CPU 编码可以用更多 B帧（双向预测），压缩率更高 |
| 心理视觉优化 | x264 的 psychovisual 优化更成熟 |
但差距没那么大（特别是高码率时）
| 场景 | 差距 |
| 低码率（<2Mbps 1080p） | CPU 优势明显，GPU 可能有明显块效应 |
| 中等码率（4Mbps 1080p） | 差距较小，肉眼难分辨 |
| 高码率（>8Mbps 1080p） | 几乎看不出区别 |
| HEVC（h265_nvenc vs libx265） | GPU 差距更小，HEVC 本身压缩率高 |
所以，同码率下 CPU 更清晰，但 GPU 快 5-10 倍。如果 GPU 编码，码率给高一点（比如 CPU 用 3M，GPU 用 5M），画质就能追平，速度还是快很多。
五、nv-codec-headers SDK是什么
nv-codec-headers是 NVIDIA 视频编解码的头文件库，FFmpeg 编译 GPU 加速功能时必须用到。
简单的说，它是 NVIDIA 提供的接口定义文件（.h头文件），让 FFmpeg 知道怎么调用显卡上的NVENC（硬件编码器）和NVDEC/CUVID（硬件解码器）。没有它，FFmpeg 编译时就找不到这些接口，GPU 编解码功能就启用不了。
为什么需要单独安装？
NVIDIA 的 Video Codec SDK 是闭源的，但头文件是开源的。FFmpeg 不能直接链接 SDK，只能通过这些头文件动态加载显卡驱动里的编码/解码功能。
版本必须匹配
| nv-codec-headers 分支 | 对应 NVIDIA SDK 版本 | 适用 FFmpeg 版本 |
| sdk/11.1 | Video Codec SDK 11.1 | FFmpeg 5.1, 6.0 |
| sdk/12.0 | Video Codec SDK 12.0 | FFmpeg 6.0+ |
| sdk/12.1 | Video Codec SDK 12.1 | FFmpeg 6.1+ |
六、CPU版FFmpeg
这是CPU版预编译的FFmpeg下载地址，可以下载直接用，不需要上面的一系列操作：FFbinaries - Download binaries for ffmpeg, ffprobe, ffserver and ffplay (cross-platform: Windows, Mac, Linux)
GPU版FFmpeg的安装就介绍到这里。
关注不迷路(*^▽^*)，暴富入口==》 https://bbs.csdn.net/topics/619691583