I 帧、P 帧、B 帧：视频压缩的时间维度
一分钟视频 30fps 是 1800 帧画面，但文件大小只有几十张照片的量级——秘密在于视频根本没存 1800 张"完整画面"，而是存了一张全景加一千多次"变化描述"。
三种帧的分工
I 帧（关键帧）是完整画面，像一张独立照片，不依赖任何其他帧就能解码显示；P 帧（前向预测帧）只记录"与前面帧的差异"——画面里没动的部分直接复用，动了的区域记一个位移向量；B 帧（双向预测帧）更精一步，参考前后两帧取平均，压缩效率最高。
典型的编码序列是"I P B B P B B …"循环，每 2-5 秒出现一个 I 帧作为"锚点"。这套结构叫 GOP（画面组）：GOP 内各帧互相依赖，GOP 边界（I 帧处）是"从头开始"的位置。
GOP 结构解释了哪些现象
拖动跳帧：播放器只能从 I 帧开始播——拖到两个 I 帧中间，它先跳到前面最近的 I 帧，再快速解码补齐。GOP 越长，"补齐"路径越长，拖动响应越迟钝；流复制截取只能切在 I 帧处，也是同一原理。
剪辑卡顿：剪辑软件要实时随机访问每一帧，长 GOP 意味着每访问一帧都要解一串依赖——ProRes 这类全 I 帧中间编码（每帧都是完整画面）就是为剪辑期"随取随放"设计的。体积波动：CRF 模式下画面切换多、运动剧烈的片段 I 帧密集，体积自然上浮；静止画面 GOP 内几乎不产生数据。
实际操作中的应用口径
压缩参数的理解：2 秒 GOP（60 帧一个 I 帧）是通用平衡——拖动响应与压缩效率兼得；做 seeking 敏感的内容（教学视频要频繁拖动）可以更密。剪辑卡顿的素材按 ProRes 篇的口径转中间编码，而不是把 GOP 调短——转码一次，时间线丝滑。
检测器看到的"帧类型"信息（高级模式）能直接确认素材的 GOP 长度。理解 I/P/B 后再回看其他参数：CRF 管画质预算、preset 管编码器搜索深度，而 GOP 结构是这三者之外"时间维度"的独立旋钮——三者共同决定最终体积与体验。