在Node.js中调用FFmpeg的绝佳方法是使用node-fluent-ffmpeg库。

fluent-ffmpeg开源地址：https://github.com/fluent-ffmpeg/node-fluent-ffmpeg

关于FFmpeg的编译和安装

使用fluent-ffmpeg前需确保ffmpeg已经安装。fluent-ffmpeg需要ffmpeg >= 0.9才能正常工作。

FFmepg在官方网站中提供了已经编译好的可执行文件。因为FFmpeg是开源的，所以用户可以根据自己的需要进行编译。在绝大部分商业场景中，都需要根据实际使用的组件进行定制。

FFmepg官方建议用户自行编译使用FFmpeg的最新版本，因为对于一些操作系统来说，使用系统默认的软件库安装ffmpeg时会发现其版本相对比较老旧，比如使用apt install ffmpeg或者yum install ffmepg安装ffmpeg，那么默认安装的版本都很老，有些新功能并不支持，如一些新的封装格式或者通信协议。对于Debian和Ubuntu用户而言，官方存储库在libav-tools软件包中包含ffmpeg/ffprobe可执行文件，但是它们实际上是重新命名为avconv/avprobe的可执行文件（avconv是ffmpeg的分支）。它们基本兼容，但是如果您遇到问题，则可能要使用真正的ffmpeg。您可以从源代码编译它，也可以在https://ffmpeg.org/download.html找到一个预构建的.deb软件包（对于Ubuntu，ppa:mc3man/trusty-mediaPPA提供了最新的构建）。

编译安装后，您可以使用以下API命令手动设置ffmpeg，ffprobe和flvtool2 / flvmeta二进制路径：

• Ffmpeg.setFfmpegPath（path） 参数path是一个字符串，其中包含ffmpeg二进制文件的完整路径。
• Ffmpeg.setFfprobePath（path） 参数path是一个字符串，其中包含ffprobe二进制文件的完整路径。
• Ffmpeg.setFlvtoolPath（path） 参数path是一个字符串，其中包含flvtool2或flvmeta二进制文件的完整路径。

FFmpeg编码支持与定制

FFmpeg本身支持一些音视频编码格式、文件封装格式和流媒体传输协议，但是支持的数量依然有限，FFmpeg只提供一套基础的框架，所有的编码格式、文件封装格式和流媒体传输协议均可作为FFmpeg的模块挂载于FFmpeg框架中。

在编译ffmpeg时，可以通过configure查看ffmpeg支持的音视频编码格式、文件封装格式和流媒体传输协议。对于不支持的格式，可以通过configure --help查看所需要的第三方外部库，然后增加相应的编译参数进行支持。

使用ffmpeg -version可以查看ffmpeg的版本和编译时定制的外部库。

FFmpeg的硬编解码

当使用FFmpeg进行软解时，常见的基于CPU进行H.264、H.265编码，其成本会较高，CPU编码的性能相对较低。因此处于效率和成本的考虑，很多时候会使用硬编码/硬解码，常见的硬编码包含Nvidia GPU与Intel QSV，还有一些特定的平台，例如树莓派（Raspberry PI）、瑞星微等有专门的硬编码/硬解码方案。

使用FFmpeg的硬编解码，需要安装好相应的GPU驱动程序，然后在node-fluent-ffmpeg的API中调用专门平台的配置命令（例如在inputOptions方法中传入-hwaccel cuvid来启用N卡编解码，并传入-vcodec h264_cuvid来实现Nvidia GPU的H.264硬解或传入-vcodec h264_nvenc来实现Nvidia GPU的H.264硬编码）。

使用硬编解码时需添加的编译参数

在使用Intel QSV和Raspberry PI硬编解码时，需要在编译时开启对硬件编解码的支持。

例如Intel CPU开启核显硬编解码，则编译FFmpeg时通过--enable-libmfx开启对Intel QSV的支持。

例如Raspberry PI在编译FFmpeg时通过--enable-omx-rpi开启硬编码、硬解码的支持。

FLV视频编码

如果要对FLV视频进行编码，则必须安装flvtool2或flvmeta，并且在您PATH中添加路径，否则fluent-ffmpeg中将无法生成输出文件。如果您设置FLVTOOL2_PATH或FLVMETA_PATH，fluent-ffmpeg将尝试优先使用它。

需要注意的细节

由于fluent-ffmpeg官方说明文档已经非常详细，对于使用方法不再赘述。fluent-ffmpeg只是ffmpeg的Node.jsAPI封装，理论上支持所有ffmpeg可以实现的功能。

需要特别注意的是，正因为fluent-ffmpeg仅仅是ffmpeg的Node.jsAPI封装，因此借助fluent-ffmpeg执行ffmpeg程序会占用所有的硬件资源，例如软解时可能占满CPU，100%的CPU使用率将导致服务器中其它服务无法正常运行。

可以考虑将ffmpeg相关程序运行在Docker容器中，并使用--cpuset-cpus限制其可以使用的CPU资源。