後知後覺之學習影音檔新格式 - MKV 與 MP4 家族

前陣子關於 YouTube 影音編碼規格的留言，有個名詞一再出現 - MKV。出現頻率之高，讓我有「大家都上車走了，我還在車站傻等」的脫節感! 便花了點時間搞懂 MKV 是啥，順手寫篇筆記。

MKV 發展史

MKV 跟 AVI 一樣是影音容器檔的規格，但不同於傳統影音標準多來自主要廠商、科技巨頭組成聯盟合力制訂與推廣，MKV 走草根路線，由民間開源社群自主發展而成。

2002 年，Steve Lhonme 主張使用 EBML (可延伸二進位元中繼語言，一種二進位 XML) 作為影音容器底層資料結構，與開源專案 MCF (Multimedia Container Format)的主開發者意見相左，便自己另立門戶創立 Matroska 開源專案。

「Matroska」一詞源自俄羅斯語的 Matryoshka (Матрёшка)，就是大家熟悉的俄羅斯套娃，象徵能在檔案裡層層嵌套無限數量的影片、音訊、字幕與中繼資料：

照片來源

2003 年推出的 MKVToolNix 工具可以封裝、分割、合併 MKV 檔，讓 MKV 正式成為能實際應用的容器格式。

2010 年 Google 採用 MKV 子集做為資料結構推出 WebM 格式，MKV 開始由地下社群格式成為主流技術；2014 年 Windows 10 宣佈生支援 MKV 播放，MKV 全面走入商業作業系統。

之後 MKV 進入 IETF 標準化流程，於 2024 年 10 月成為 RFC 9559 國際標準，也漸漸成為專業檔案典藏 (如圖書館或博物館) 保存檔案的主要格式。

Matroska 家族有四個主要成員：

• .mkv：包含影像、音訊、字幕的標準影片
• .mka：純音訊檔案 (支援多聲道或無損音樂)
• .mks：純字幕檔
• .mk3d：3D 影片容器

另外，MKV 的興起，動漫字幕組也助了一臂之力。1992 推出的 AVI 格式跟不上時代，不支援 H.264，無法內嵌字幕得外掛 .srt 字幕檔；而 MP4 則卡在不支援特效字幕 (ASS/SSA)，無法使用自訂字型、畫面遮蓋(把日文招牌換成中文)等進階字幕功能。相較之下，MKV 能內嵌字體檔(.ttf)，使用者不用安裝字體就能看到字幕組苦心設計的精美字幕，並且單檔就包含中日英語配音外加評論音軌，還能像 DVD 一樣分章節(跳過片頭 OP、片尾 ED)。更重要的是，MKV 一切開源，不必擔心開發工具有專利授權問題。於是乎，MKV 很快成為字幕組發行影片時首選，反正 Windows 內建支援，但後來手機平板普及，考量相容性，MP4 也成為主流選項。現在的字幕組通常會提供兩個版本：MKV 版給追求畫質與特效的收藏者，MP4 版給要在手機或電視上看的人。

MKV 與 MP4 的差別

MKV 強調彈性與可擴充性，允許開發者重新定義格式，加入新的編解碼支援或功能，而它與 MP4 有個最最最大區別：

MP4 檔案有個關鍵資料叫做 Moov Atom (中繼資料)，相當於影片「目錄」或「索引」，記錄每一秒畫面在檔案的位置、音訊與影像如何同步等資訊，而 MP4 會在所有影音資料寫入後才產生 Moov Atom 附在檔案結尾。這導致一個嚴重問題，若錄影或產生影片過程斷電或當機，來不及寫入 Moov Atom 的影片檔就報廢了，播放軟體將無法開啟當案或顯示檔案毀損。(註：有個 untrunc開源工具能嘗試修復斷尾 MP4)

MKV 採用不同的策略，更偏向串流概念，MKV 將影像和音訊分成區塊 (Clusters)，每個小區塊都包含了自己的索引資訊，錄影時每寫完一部分就包成一個完整區塊。如此，即使傳輸或錄製出錯也只會損失最後一個區塊，前面的影片仍可播放無誤，不受絲毫影響。

也因此，OBS 等錄影直播軟體一直都是建議「先錄 MKV，再轉 MP4」，我沒接觸直播，不然應會更早認識這個格式。

特性	MKV	MP4
編碼支援	幾乎無限制，任何編碼都能封裝	僅支援標準編碼 (H.264/H.265 + AAC)
音訊/字幕軌道	可多軌，適合多語言、多版本	支援有限，通常單一音訊 + 字幕
章節/標籤	支援完整章節、標籤、封面	僅基本 Metadata
錯誤容忍度	部分檔案損壞仍可播放	損壞常導致整個檔案無法播放
檔案大小	偏大，保留高品質	偏小，壓縮效率佳
相容性	不如 MP4 普及，部分裝置不支援	幾乎所有裝置與平台皆支援

MP4 衍生版本

為了克服 MP4 的限制，MP4 也衍生出一些適用特別情境的版本：

• fMP4 (Fragmented MP4)
  被主流網路串流服務如 Netflix, YouTube, Twitch 大量採用，fMP4 可解決傳統 MP4 沒寫入 Moov Atom 檔案無法使用的致命傷，將影片拆成碎片(Fragment)，每個碎片自帶中繼資料。如此不怕錄製或下載中斷，並能依網路狀況動態切換高低畫質，播放不中斷。
• M4A (MPEG-4 Audio) / M4B (Audiobook) / M4P (Protected)
  Apple 體系常用的 MP4 衍生版，M4A 使用 AAC 或 Apple 無損(ALAC)編碼，在相同位元率下，品質遠優於 MP3；M4B 支援書籤，播放器可記住上次聽到哪一秒(很適合有聲書)；M4P 則內嵌 DRM (數位版權管理)，可防止未授權播放。
• MOV (QuickTime File Format)
  不算衍生版本，因為 MP4 是從 MOV 演變而來的，MOV 支援 Alpha Channel 透明背景影片，在 Final Cut Pro 等剪輯軟體的反應速度比 MP4 快。
• HEIF / AVIF
  強化版靜態影像，利用影片壓縮技術來儲存照片，在相同畫質下檔案大小只有 JPEG 的一半，並可儲存連拍與動態照片。

比較表：

變體名稱	主要用途	最核心的強化功能
MP4	通用分享、社交媒體	相容性最高，通吃所有設備。
fMP4	直播、串流影片	防毀損、支援適應性位元率串流。
M4A	音樂、Podcast	高效率音訊封裝，音質優於 MP3。
M4B	有聲書	支援書籤定位，方便收聽長篇有聲書。
MOV	專業影音剪輯	支援 ProRes 與透明背景。
HEIF (.heic)	手機相片	支援動態照片(Live Photo)，擁有高壓縮率。

學習完畢~