MP4 เป็นไฟล์วิดีโอที่คุณพบได้บ่อยที่สุด ชื่ออย่างเป็นทางการคือ MPEG-4 Part 14 และถูกกำหนดโดยกลุ่ม Moving Picture Experts Group ซึ่งเป็นองค์กรนานาชาติชุดเดียวกับที่อยู่เบื้องหลังมาตรฐานวิดีโอ MPEG ทั้งหลาย MPEG ไม่ได้เริ่มจากศูนย์ แต่ใช้รูปแบบไฟล์ QuickTime ของ Apple เป็นพื้นฐานแล้วปรับให้กลายเป็น ISO Base Media File Format จากนั้นจึงสร้าง MP4 ซ้อนขึ้นไป นี่คือเหตุผลที่ไฟล์ MP4 และ MOV มีโครงสร้างภายในคล้ายกันมาก โทรศัพท์ กล้อง โปรแกรมตัดต่อ บริการสตรีมมิง และแอปส่งข้อความต่างก็เลือกใช้ MP4 จึงเล่นได้แทบทุกอุปกรณ์ที่คุณมี
ไฟล์ MP4 ถูกประกอบขึ้นมาอย่างไร
MP4 เป็นคอนเทนเนอร์ คอนเทนเนอร์จะไม่บีบอัดอะไรเอง แต่เป็นกล่องที่เก็บสตรีมที่ถูกบีบอัดไว้แล้ว และบอกโปรแกรมเล่นว่าต้องอ่านอย่างไร การบีบอัดทำโดยโค้เดก และโค้เดกใน MP4 มักเป็น H.264, H.265 (หรือ HEVC) หรือ AV1 สำหรับภาพ และ AAC สำหรับเสียง ทั้งหมดนี้เป็นแบบสูญเสียข้อมูล คือทิ้งรายละเอียดที่ตาและหูของคุณแทบสังเกตไม่เห็น และรายละเอียดนั้นจะไม่กลับมาอีก การบันทึก MP4 ผ่านโปรแกรมตัดต่อซ้ำอีกครั้งจะเป็นการบีบอัดรอบที่สองและทำให้สูญเสียคุณภาพไปอีกเล็กน้อย
ภายในไฟล์จะเป็นโครงสร้างต้นไม้ของบล็อกที่เรียกว่า boxes หรือ atoms แต่ละบล็อกมีชื่อเป็นตัวอักษรสี่ตัว ftyp ที่ส่วนต้นไฟล์บอกว่าเป็น MP4 แบบใด mdat เก็บข้อมูลวิดีโอและเสียงที่ถูกบีบอัด และ moov เป็นดัชนีที่แมปเวลาการเล่นกับตำแหน่งต่าง ๆ ใน mdat เสียงและวิดีโอจะถูกสลับกันไปมาเป็นชิ้นเล็ก ๆ เพื่อให้โปรแกรมเล่นอ่านทั้งสองอย่างพร้อมกันได้ เมื่อ moov อยู่หน้าสุดของไฟล์ การเล่นจะเริ่มได้ก่อนที่การดาวน์โหลดจะจบ ซึ่งเป็นสิ่งที่แอปมักเรียกว่า fast start
ไฟล์ MP4 มีเมทาดาทาอะไรบ้าง
เมทาดาทาของ MP4 ก็เก็บอยู่ใน boxes เหล่านี้เช่นกัน ดังนั้นรายงานของไฟล์ MP4 จะผสมข้อมูลเชิงเทคนิคกับแท็กคำอธิบาย
- ส่วนหัวของภาพยนตร์
mvhdจะเก็บวันที่สร้าง วันที่แก้ไข ระยะเวลารวม และสเกลเวลาในการวัด - แต่ละแทร็กมีส่วนหัวของตัวเองที่ระบุขนาดภาพ, เมทริกซ์การหมุนที่บอกโปรแกรมเล่นว่าวิดีโอถูกถ่ายในแนวนอนหรือแนวตั้ง, รหัสภาษา และชื่อแฮนด์เลอร์
- คำอธิบายสตรีมระบุชื่อโค้เดก อัตราเฟรม บิตเรต อัตราสุ่มเสียง และจำนวนแชนเนล
- แท็กเชิงบรรยายอยู่ในบล็อก user data ที่มักเรียกว่ารายการแท็กสไตล์ iTunes ชื่อฟิลด์ขึ้นต้นด้วยสัญลักษณ์ลิขสิทธิ์ เช่น ชื่อเรื่อง ศิลปิน อัลบั้ม ปี แนว ความเห็น และตัวเข้ารหัส พร้อมด้วยฟิลด์งานศิลป์และคำอธิบาย บล็อกนี้จะถูกกรอกข้อมูลเมื่อไฟล์มาจากร้านขายเพลงหรือวิดีโอ
ส่วนหนึ่งเป็นข้อมูลส่วนตัว โทรศัพท์มักเขียนตำแหน่ง GPS ลงในฟิลด์พิกัด โดยเก็บเป็นละติจูด ลองจิจูด และบางครั้งระดับความสูง อุปกรณ์ของ Apple จะเพิ่มชุดคีย์ของตัวเองที่เก็บยี่ห้อกล้อง รุ่น ระบบปฏิบัติการ และวันที่สร้างพร้อมโซนเวลาที่บันทึก Android ก็เขียนตำแหน่งในลักษณะคล้ายกัน ซอฟต์แวร์ตัดต่อและออกแบบของ Adobe ยังสามารถฝังแพ็กเก็ต XMP ซึ่งเป็นบล็อกข้อความแบบมีโครงสร้างที่ซ้ำข้อมูลชื่อเรื่อง ผู้สร้าง ลิขสิทธิ์ และประวัติการแก้ไขได้ด้วย หากคุณจะเผยแพร่คลิปที่ถ่ายเอง ฟิลด์อุปกรณ์และตำแหน่งคือสิ่งที่ควรลบออก
เมื่อใดที่ MP4 เป็นตัวเลือกที่เหมาะสม
เลือกใช้ MP4 เมื่อใดก็ตามที่ไฟล์ต้องเล่นบนอุปกรณ์หรือระบบที่คุณควบคุมไม่ได้ เช่น เว็บไซต์ โทรศัพท์ของผู้รับ โทรทัศน์ หรือแล็ปท็อปของลูกค้า ไม่มีรูปแบบใดรองรับได้กว้างเท่านี้ และการถอดรหัสแบบฮาร์ดแวร์สำหรับ H.264 ก็ถูกฝังอยู่ในหน้าจอแทบทุกเครื่องที่วางขาย
ทางเลือกที่ชัดเจนคือ MKV ซึ่งรองรับแทร็กเสียงได้มากกว่า ฟอร์แมตคำบรรยายมากกว่า บท (chapters) และไฟล์แนบ ทำให้เหมาะกับการเก็บถาวรภาพยนตร์ที่มีหลายภาษา MP4 ตั้งใจให้รองรับแคบกว่าและได้ความเสถียรจากจุดนี้ WebM เหมาะเมื่อคุณต้องการโค้เดกที่ไม่เสียค่าลิขสิทธิ์สำหรับเว็บ เพราะ H.264 และ HEVC มีค่าใช้สิทธิ์สิทธิบัตร และหากคุณเพียงต้องการเปลี่ยนคอนเทนเนอร์ ให้ remux แทนการเข้ารหัสใหม่ การคัดลอกสตรีมเดิมไปยังคอนเทนเนอร์ใหม่จะไม่เสียคุณภาพเลย