GPU-Trans­co­ding mit NVENC und AV1 vs. CPU-Encoding mit x264 und x265

Beim Video-Trans­co­ding wird ein Video von einem Format, einem Codec, einer Auflösung oder einer Bitrate in eine andere Variante um­ge­wan­delt. Das ist zum Beispiel nötig, wenn ein Video für Streaming, mobile Geräte, Ar­chi­vie­rung oder Web-Platt­for­men vor­be­rei­tet wird. Grund­sätz­lich gibt es zwei wichtige Wege: klas­si­sches Software-Encoding über die CPU mit x264 oder x265 und hard­ware­be­schleu­nig­tes Encoding über spe­zia­li­sier­te Encoder wie NVIDIA NVENC.

Hardware-Be­schleu­ni­gung vs. Software-Encoding: Grund­prin­zi­pi­en

Hardware-Be­schleu­ni­gung bedeutet, dass eine bestimmte Aufgabe nicht von der all­ge­mei­nen CPU berechnet wird, sondern von einer spe­zia­li­sier­ten Schaltung. Bei NVIDIA-GPUs übernimmt dafür NVENC das Encoding, während NVDEC das Decoding be­schleu­ni­gen kann. Software-Encoding mit x264 oder x265 läuft dagegen haupt­säch­lich auf der CPU und nutzt deren all­ge­mei­ne Re­chen­ker­ne.

Wie funk­tio­niert der NVENC-Encoder-Block?

NVENC ist ein de­di­zier­ter Encoder-Block innerhalb des NVIDIA-GPU-Chips. NVENC kann Videos weit­ge­hend un­ab­hän­gig von den all­ge­mei­nen Re­chen­ker­nen der GPU kodieren. Der Encoder ist also nicht einfach „normale GPU-Re­chen­leis­tung“, sondern ein eigener Hard­ware­block auf der Gra­fik­kar­te. Dadurch kann die GPU Videos sehr schnell kodieren, ohne dass die ei­gent­li­chen CUDA-Kerne voll­stän­dig belastet werden. Für Video-Pipelines ist das wichtig, weil die GPU dann gleich­zei­tig andere Aufgaben über­neh­men kann, bei­spiels­wei­se KI-Inferenz, Bild­ana­ly­se oder Filter. Ein solcher spe­zia­li­sier­ter Hard­ware­block ist sehr effizient, weil er nur wenige, klar de­fi­nier­te Aufgaben erledigen muss. Der Nachteil ist, dass er weniger flexibel ist als ein Software-Encoder. Ein CPU-Encoder kann viele Ent­schei­dun­gen sehr fein steuern, braucht dafür aber deutlich mehr Re­chen­zeit.

Was bedeutet Software-Encoding mit x264 und x265?

x264 ist ein sehr ver­brei­te­ter Software-Encoder für H.264. x265 ist ein Software-Encoder für H.265 be­zie­hungs­wei­se HEVC. Beide laufen über­wie­gend auf der CPU und sind für hohe Effizienz und sehr gute Bild­qua­li­tät bekannt. Sie ana­ly­sie­ren das Bild­ma­te­ri­al sehr gründlich und können viele Ent­schei­dun­gen pro Szene, Frame und Bild­be­reich treffen. Dadurch erreichen sie bei niedrigen Bitraten oft sehr gute Er­geb­nis­se. Der Preis dafür ist eine deutlich längere Re­chen­zeit. Wenn Sie viele Videos gleich­zei­tig ver­ar­bei­ten müssen, kann CPU-Encoding schnell teuer werden, weil Sie viele CPU-Kerne und lange Lauf­zei­ten benötigen. Software-Encoding eignet sich deshalb besonders gut, wenn maximale Kom­pres­si­on oder Ar­chiv­qua­li­tät wichtiger ist als Echt­zeit­ge­schwin­dig­keit.

Tech­ni­scher Vergleich: NVENC vs. General-Purpose-CPU

NVENC und CPU-Encoding lösen dieselbe Grund­auf­ga­be, tun dies aber auf sehr un­ter­schied­li­che Weise. NVENC arbeitet mit einem spe­zia­li­sier­ten Encoder-Block, der für hohe Ge­schwin­dig­keit und parallele Ver­ar­bei­tung optimiert ist. x264 und x265 nutzen dagegen die CPU und setzen stärker auf flexible, tief­ge­hen­de Analyse.

De­di­zier­te Encoder

NVENC ist ein de­di­zier­ter Hardware-Encoder auf NVIDIA-GPUs. Er ist dafür gebaut, Vi­deo­da­ten sehr schnell in Codecs wie H.264, HEVC oder AV1 zu kodieren, sofern die jeweilige GPU-Ge­ne­ra­ti­on den Codec un­ter­stützt. Weil NVENC als eigener Hard­ware­block arbeitet, kann er die CPU deutlich entlasten. Das ist vor allem dann hilfreich, wenn viele Videos gleich­zei­tig ver­ar­bei­tet werden sollen. In modernen Workflows kann die GPU außerdem Decoding, Ska­lie­rung, Filterung und Encoding teilweise in einer zu­sam­men­hän­gen­den Pipeline über­neh­men. Dadurch müssen Vi­deo­frames nicht ständig zwischen CPU-Speicher und GPU-Speicher hin- und her­ko­piert werden. Das spart Zeit und reduziert Engpässe. Für Live-Streaming, Vi­deo­kon­fe­ren­zen, schnelle Me­di­en­kon­ver­tie­rung und ska­lier­ba­re Platt­for­men ist NVENC deshalb sehr in­ter­es­sant.

General-Purpose-CPUs

Eine CPU ist ein all­ge­mei­ner Prozessor. Sie kann sehr viele ver­schie­de­ne Aufgaben ausführen, ist aber nicht aus­schließ­lich für Video-Encoding gebaut. x264 und x265 nutzen diese Fle­xi­bi­li­tät sehr gut aus. Die Encoder ana­ly­sie­ren Be­we­gun­gen, Bild­de­tails, Sze­nen­wech­sel und Kom­pres­si­ons­mög­lich­kei­ten sehr genau. Besonders bei langsamen Presets kann die CPU viel Zeit in­ves­tie­ren, um eine bessere Qualität bei gleicher Bitrate zu erreichen. Das ist zum Beispiel für Video-on-Demand, Ar­chi­vie­rung oder hoch­wer­ti­ge Master-Dateien sinnvoll. Der Nachteil ist, dass die Be­rech­nung lange dauern kann. Bei großen Vi­deo­men­gen steigen dadurch In­fra­struk­tur­kos­ten, War­te­zei­ten und En­er­gie­be­darf. CPU-Encoding ist also sehr stark, aber nicht au­to­ma­tisch die wirt­schaft­lichs­te Lösung.

Parallele Ver­ar­bei­tung vs. serielle Präzision

GPU-be­schleu­nig­tes Encoding ist besonders stark, wenn viele Daten schnell ver­ar­bei­tet werden müssen. Der Hardware-Encoder arbeitet mit fest­ge­leg­ten Ver­ar­bei­tungs­pfa­den und ist auf hohen Durchsatz optimiert. Dadurch können Videos oft deutlich schneller als in Echtzeit um­ge­wan­delt werden. CPU-Encoding kann ebenfalls par­al­le­li­siert werden, arbeitet aber stärker mit flexiblen Such-, Analyse- und Op­ti­mie­rungs­ver­fah­ren. Dadurch lassen sich Qualität und Kom­pres­si­on oft feiner steuern, al­ler­dings auf Kosten höherer Re­chen­zeit. Die folgende Tabelle ver­gleicht beide Verfahren:

Durchsatz, FPS und Bild­qua­li­tät mit VMAF

FPS bedeutet „Frames per Second“, also Bilder pro Sekunde. Beim Trans­co­ding be­schreibt FPS, wie schnell ein Encoder ein Video ver­ar­bei­tet. Wenn ein 60-FPS-Video mit 300 FPS kodiert wird, ist die Ver­ar­bei­tung fünfmal schneller als Echtzeit. Für Platt­for­men mit vielen Uploads ist das ein enormer Vorteil.

VMAF ist eine Qua­li­täts­me­trik, die versucht, wahr­ge­nom­me­ne Bild­qua­li­tät besser ab­zu­bil­den als einfache Messwerte wie PSNR. Der Wert liegt ty­pi­scher­wei­se auf einer Skala von 0 bis 100, wobei höhere Werte bessere Qualität bedeuten. Wichtig ist: VMAF ver­gleicht nor­ma­ler­wei­se ein kodiertes Video mit einer Referenz, also dem Aus­gangs­ma­te­ri­al. Dadurch können Sie ver­schie­de­ne Encoder, Codecs, Bitraten und Presets ob­jek­ti­ver ver­glei­chen.

Aktuelle NVENC-Encoder, besonders mit HEVC oder AV1, liefern in vielen Szenarien sehr kon­kur­renz­fä­hi­ge Er­geb­nis­se im Vergleich zu CPU-Encodern. Ent­schei­dend sind Codec, Bitrate, Preset, Auflösung, Quell­ma­te­ri­al und Ziel­platt­form. Bei sehr niedriger Bitrate und maximaler Kom­pres­si­on kann x265 mit langsamen Presets weiterhin Vorteile haben. Bei Live-Streams, großen Upload-Mengen oder internen KI-Pipelines ist NVENC dagegen oft die bessere Ge­samt­ent­schei­dung, weil die Qualität gut genug ist und der Durchsatz massiv höher ausfällt.

Wirt­schaft­lich­keit: Cloud-Kosten und TCO

TCO bedeutet „Total Cost of Ownership“. Gemeint sind nicht nur die direkten Kosten einer Instanz, sondern die gesamten Be­triebs­kos­ten einer Lösung. Dazu gehören folgende Posten:

• Laufzeit
• Energie
• Speicher
• Wartung
• Aus­las­tung
• War­te­zei­ten
• operative Kom­ple­xi­tät

Eine GPU-Instanz kann pro Stunde teurer sein als eine reine CPU-Instanz. Trotzdem kann sie wirt­schaft­li­cher sein, wenn sie dieselbe Vi­deo­men­ge in einem Bruchteil der Zeit ver­ar­bei­tet. Besonders bei vielen par­al­le­len Trans­co­ding-Jobs wirkt sich das stark aus. Außerdem kann eine schnelle Pipeline Fol­ge­pro­zes­se wie die Er­stel­lung von Thumbnail, Sprach­er­ken­nung oder se­man­ti­sche Vi­deo­ana­ly­se be­schleu­ni­gen. Bei CPU-Encoding entstehen Kosten oft durch lange Lauf­zei­ten und viele gleich­zei­tig benötigte Worker. Bei GPU-Encoding entstehen Kosten stärker durch die passende In­stanz­wahl und die ef­fi­zi­en­te Aus­las­tung der Hardware. Wirt­schaft­lich sinnvoll ist NVENC besonders dann, wenn viele Videos re­gel­mä­ßig ver­ar­bei­tet werden, niedrige Latenz wichtig ist oder AV1-Trans­co­ding in größerem Umfang benötigt wird.

Tech­ni­sche Im­ple­men­tie­rung mit FFmpeg und APIs

FFmpeg ist eines der wich­tigs­ten Werkzeuge für Vi­deo­ver­ar­bei­tung. Es kann Videos lesen, de­ko­die­ren, filtern, skalieren und wieder en­co­die­ren. Für GPU-be­schleu­nig­te Workflows kann FFmpeg mit NVIDIA-Hard­ware­be­schleu­ni­gung, NVENC und passenden Treibern genutzt werden.

Schritt 1: Hardware und Codec-Un­ter­stüt­zung prüfen

Bevor Sie eine Pipeline bauen, sollten Sie prüfen, welche GPU vorhanden ist und welche Codecs sie un­ter­stützt. Nicht jede NVIDIA-GPU kann jeden Codec per Hardware en­co­die­ren. H.264 und HEVC werden von vielen NVIDIA-GPUs un­ter­stützt, AV1-Encoding ist jedoch erst bei neueren Ge­ne­ra­tio­nen relevant.

Für AV1 sollten Sie deshalb gezielt prüfen, ob Ihre GPU AV1-NVENC be­herrscht. Zu­sätz­lich brauchen Sie passende NVIDIA-Treiber und eine FFmpeg-Version mit NVENC-Un­ter­stüt­zung. In einer Cloud-Umgebung müssen Sie außerdem si­cher­stel­len, dass die GPU wirklich an die Instanz oder den Container durch­ge­reicht wird. Ohne korrektes Pass­th­rough erkennt FFmpeg die GPU nicht. Ein erster Test ist der Befehl ffmpeg -hwaccels, mit dem ver­füg­ba­re Hard­ware­be­schleu­ni­gun­gen angezeigt werden können. Ob die konkreten NVENC-Encoder verfügbar sind, prüfen Sie zu­sätz­lich mit ffmpeg -encoders | grep nvenc oder gezielt mit ffmpeg -h encoder=av1_nvenc.

Schritt 2: Einfaches NVENC-Encoding mit FFmpeg nutzen

Für H.264-Encoding mit NVENC kann ein einfacher FFmpeg-Befehl so aussehen:

ffmpeg -i input.mp4 -c:v h264_nvenc -preset p5 -b:v 5M -c:a copy output.mp4

Dabei liest FFmpeg die Datei input.mp4 ein und kodiert das Video mit h264_nvenc. Die Option -preset p5 wählt ein leicht qua­li­täts­ori­en­tier­tes Preset. Das aus­ge­wo­ge­ne Standard-Preset bei NVENC ist p4; p5 arbeitet langsamer, kann dafür aber eine bessere Qualität liefern. Mit -b:v 5M setzen Sie eine Ziel­bi­tra­te von 5 Mbit/s. Die Audiospur wird mit -c:a copy un­ver­än­dert über­nom­men.

Für HEVC können Sie statt h264_nvenc den Encoder hevc_nvenc verwenden. Für AV1 auf un­ter­stütz­ter Hardware können Sie av1_nvenc nutzen. Wichtig ist, dass Sie Preset, Bitrate, Auflösung und Codec immer passend zum Zielgerät und zur Plattform wählen.

Schritt 3: GPU-Decoding und GPU-Encoding kom­bi­nie­ren

Noch ef­fi­zi­en­ter wird die Pipeline, wenn nicht nur das Encoding, sondern auch das Decoding und eventuell die Ska­lie­rung auf der GPU statt­fin­den. Dadurch vermeiden Sie unnötige Kopien zwischen CPU und GPU. Ein Beispiel kann so aussehen:

ffmpeg -hwaccel cuda -hwaccel_output_format cuda -i input.mp4 \
-vf scale_cuda=1280:720 \
-c:v h264_nvenc -preset p5 -b:v 3M \
-c:a copy output_720p.mp4

Hier wird versucht, das Video per CUDA-Hard­ware­be­schleu­ni­gung zu de­ko­die­ren. Danach wird es mit scale_cuda auf 720p skaliert. An­schlie­ßend kodiert NVENC das Ergebnis wieder als H.264. Solche Workflows sind nützlich, wenn Sie aus einem Upload mehrere Varianten erzeugen, etwa 1080p, 720p und 480p. Für Streaming-Platt­for­men ist das ein typischer An­wen­dungs­fall. Sie sollten aber immer testen, ob Ihre konkrete FFmpeg-Version und GPU alle ver­wen­de­ten Filter un­ter­stüt­zen. Nicht jeder Filter läuft au­to­ma­tisch auf der GPU.

Schritt 4: AV1 gezielt einsetzen

AV1 ist ein Vi­deo­co­dec, der bei gleicher Qualität nied­ri­ge­re Bitraten er­mög­licht als ältere Codecs. Das bedeutet: Sie können Band­brei­te und Spei­cher­platz sparen. Der Nachteil ist, dass AV1-Encoding per Software je nach Encoder und Preset re­chen­in­ten­siv sein kann. Mit SVT-AV1 steht jedoch ein pra­xis­na­her, ska­lier­ba­rer CPU-Encoder zur Verfügung. Hardware-Encoding mit AV1-NVENC ist vor allem dann in­ter­es­sant, wenn niedrige Latenz, hoher Durchsatz oder viele parallele Trans­co­ding-Jobs wichtig sind. Ein Bei­spiel­be­fehl kann so aussehen:

ffmpeg -i input.mp4 -c:v av1_nvenc -preset p5 -b:v 3M -c:a libopus output_av1.webm

In diesem Beispiel wird das Video mit AV1-NVENC kodiert. Für Web- und Streaming-Szenarien sollten Sie jedoch prüfen, welche Con­tai­ner­for­ma­te und Ab­spiel­ge­rä­te Ihre Ziel­grup­pe un­ter­stützt. AV1 ist sehr attraktiv für moderne Platt­for­men, aber nicht jedes ältere Gerät kann AV1 flüssig wie­der­ge­ben. Auch die Kom­bi­na­ti­on aus Codec und Container ist relevant: AV1 mit Opus ist in WebM oder MKV in der Praxis besonders ver­brei­tet, während für MP4 je nach Ziel­platt­form auch andere Au­dio­co­decs sinnvoll sein können. Für eine pro­fes­sio­nel­le Pipeline bedeutet das: Sie erzeugen mehrere Aus­ga­be­va­ri­an­ten und wählen je nach Endgerät au­to­ma­tisch die passende Version.

Schritt 5: Qualität mit VMAF messen

Eine gute Pipeline sollte nicht nur schnell sein, sondern auch messbare Qualität liefern. Dafür können Sie VMAF verwenden. VMAF ver­gleicht das en­co­dier­te Video mit dem Original und berechnet einen Qua­li­täts­wert. Ein ver­ein­fach­ter FFmpeg-Befehl kann so aussehen:

ffmpeg -i encoded.mp4 -i reference.mp4 \
-lavfi libvmaf="model=version=vmaf_v0.6.1" \
-f null -

Das Ergebnis hilft Ihnen, ver­schie­de­ne Ein­stel­lun­gen ob­jek­ti­ver zu ver­glei­chen. Wichtig ist, dass Sie immer mit rea­lis­ti­schem Quell­ma­te­ri­al testen. Ein Ani­ma­ti­ons­vi­deo, ein Gaming-Clip, ein Interview und ein dunkler Filmclip können sehr un­ter­schied­li­che Er­geb­nis­se erzeugen. VMAF ersetzt nicht die Sicht­prü­fung, ist aber eine sehr gute Ergänzung. Für pro­duk­ti­ve Systeme empfiehlt sich ein Benchmark-Set aus typischen Videos Ihrer Plattform.

Typische Ein­satz­sze­na­ri­en für GPU- und CPU-Encoding

Die Wahl zwischen GPU- und CPU-Encoding hängt stark vom je­wei­li­gen An­wen­dungs­fall ab.

GPU-be­schleu­nig­tes Encoding eignet sich für Szenarien mit hohem Durchsatz. Dazu gehören bei­spiels­wei­se Live-Streaming, Video-on-Demand-Platt­for­men, Social-Media-Dienste oder au­to­ma­ti­sier­te Me­di­en­pipe­lines, bei denen täglich zahl­rei­che Videos ver­ar­bei­tet werden müssen. Durch die hohe Ver­ar­bei­tungs­ge­schwin­dig­keit können Uploads schneller be­reit­ge­stellt und In­fra­struk­tur­res­sour­cen ef­fi­zi­en­ter genutzt werden.

CPU-basiertes Encoding wird dagegen häufig ein­ge­setzt, wenn maximale Kom­pres­si­ons­ef­fi­zi­enz oder eine besonders hohe Bild­qua­li­tät gefragt sind. Dies kann bei­spiels­wei­se bei der Ar­chi­vie­rung hoch­wer­ti­ger Vi­deo­in­hal­te, der Er­stel­lung von Master-Dateien oder der pro­fes­sio­nel­len Me­di­en­pro­duk­ti­on der Fall sein. In diesen Szenarien ist eine längere Ver­ar­bei­tungs­zeit oft ak­zep­ta­bel, wenn dadurch eine bessere Bild­qua­li­tät oder kleinere Da­tei­grö­ßen erreicht werden.

Ent­schei­dungs­ma­trix: Welche Hardware ist die richtige?

Die beste Wahl hängt nicht nur von der Bild­qua­li­tät ab. Sie sollten auch Latenz, Kosten, Ska­lie­rung, Ziel­ge­rä­te und Codec-Un­ter­stüt­zung be­rück­sich­ti­gen. Die folgende Check­lis­te hilft Ihnen bei der Ent­schei­dung.

Wählen Sie NVENC, wenn …

• Sie viele Videos in kurzer Zeit ver­ar­bei­ten müssen.
• niedrige Latenz wichtiger ist als maximale Kom­pres­si­on.
• Ihre Pipeline Live-Trans­co­ding, Streaming oder schnelle Upload-Ver­ar­bei­tung benötigt.
• Sie CPU-Res­sour­cen für andere Aufgaben frei­hal­ten möchten.
• Sie moderne Endgeräte adres­sie­ren und Band­brei­te sparen möchten.

Wählen Sie x264, wenn …

• Sie maximale Kom­pa­ti­bi­li­tät mit möglichst vielen Geräten benötigen.

Wählen Sie x265, wenn …

• Sie sehr gute Kom­pres­si­on für HEVC-Ausgabe erreichen möchten und längere Encoding-Zeit ak­zep­tie­ren können.

Wählen Sie CPU-Encoding, wenn …

• einzelne hoch­wer­ti­ge Master-Dateien wichtiger sind als Mas­sen­durch­satz.
• Sie bei niedrigen Bitraten die best­mög­li­che Qualität erreichen möchten.

Fazit

GPU-be­schleu­nig­tes Trans­co­ding mit NVENC ist eine sehr starke Lösung für schnelle, ska­lier­ba­re Video-Pipelines. Besonders mit Codecs wie AV1 kann eine GPU enorme Durch­satz­vor­tei­le liefern und gleich­zei­tig gute Bild­qua­li­tät erreichen.

CPU-Encoding mit x264 und x265 bleibt wichtig, wenn maximale Kontrolle, sehr feine Kom­pres­si­on oder hoch­wer­ti­ge Archiv-Encodes im Mit­tel­punkt stehen. Für Ent­wick­le­rin­nen und Ent­wick­ler ist deshalb nicht die Frage ent­schei­dend, ob GPU oder CPU grund­sätz­lich besser ist. Ent­schei­dend ist, welches Ziel die Pipeline verfolgt. Wenn viele Videos schnell ver­ar­bei­tet werden müssen, ist NVENC häufig die wirt­schaft­li­che­re Lösung. Wenn einzelne Videos mit maximaler Qualität und sehr niedriger Bitrate erstellt werden sollen, kann CPU-Encoding weiterhin die bessere Wahl sein.