你是否曾因音视频转换软件安装步骤繁琐、依赖关系复杂而烦恼？是否期待一款功能齐全、开箱即用、便于分发的跨平台多媒体处理工具？
如今，在 deepin 操作系统上，这一切变得非常简单。近期，社区开发者 @Jack Lau 成功将开源应用 OpenConverter 完整适配为玲珑（Linglong）格式，使其以原生方式无缝融入 deepin 生态，真正实现了 “下载即运行，零配置上手” 的极致体验。
OpenConverter：不仅仅是格式转换
OpenConverter 是一款基于 FFmpeg 与 BMF 框架开发的跨平台（支持 Windows、Linux、macOS）开源音视频处理工具。它不仅支持基础的音视频信息查看、格式转码、编码调整、视频裁剪、音频提取、图片压缩及批量任务处理，还在最新版本中集成了 AI 超分辨率增强能力，后续还将持续开放更多 AI 相关特性。此外，它同时提供图形界面（GUI）与命令行（CLI）两种交互方式，并允许用户按需切换底层转码引擎（FFTOOL、FFMPEG 或 BMF）。
BMF 框架：面向未来的多媒体处理新范式
OpenConverter 最初完全基于 FFmpeg API 构建。熟悉音视频开发的朋友都知道，FFmpeg 无疑是该领域的“瑞士军刀”，覆盖编解码、协议封装、滤镜处理、流媒体传输等全链路能力。但直接调用其 C 接口进行开发，对新手而言门槛较高，且在对接现代 AI 模型方面存在天然局限。那么，是否存在一个既能复用 FFmpeg 强大能力，又更易上手、更利于 AI 集成的新一代框架？
BMF（Babit Media Framework）正是为此而生。它深度继承 FFmpeg 的核心能力，同时支持多语言模块开发（C++、Python、Go），大幅简化了 AI 模型的嵌入流程；其灵活的 pipeline 架构与模块化设计理念，也让功能扩展与定制化部署变得更加便捷。
例如，实现 AI 超分仅需构建如下轻量 pipeline：
BMF 解码模块（C++） → AI 超分模块（Python） → BMF 编码模块（C++）
若需拓展去噪、插帧、画质修复等其他 AI 功能，只需替换中间的 AI 处理模块即可；也可依据实际业务场景，组合出更复杂的处理流水线。
当 BMF 搭配玲珑：一次扎实的生态落地实践
早在 2024 年底，社区便启动了在玲珑容器内编译 BMF 的探索，并牵头成立了 sig-linyaps-bmf 社区小组，目标是为玲珑生态打造一款基于 BMF 的现代化 GUI 音视频工具。
历经近一年的业余持续开发，OpenConverter v1.5.3 已正式上架 deepin 应用商店（支持 AMD64 与 ARM64 双架构），并同步提供由 CI 自动构建的玲珑格式安装包。
在编写 GitHub Actions 自动化构建流程时，由于当时缺乏成熟参考案例，开发者自主完成了整套构建脚本（详见 .github/workflows/build.yaml），关键步骤包括：
- 整理可执行二进制文件、编写
linglong.yaml清单、准备 desktop 文件与图标资源； - 使用
ll-builder build完成玲珑包构建； - 通过
ll-builder export --layer --no-develop导出最终可用的玲珑层文件。
过程中曾遇到一个典型挑战：构建阶段需拉取 deepin base 镜像作为基础依赖，而官方源响应较慢，极易触发超时失败。为此，团队预先构建了一个内置 deepin base 的 Docker 镜像，有效降低了构建的超时风险。
未来展望：共建开放、智能的音视频开源生态
此次适配，不仅是一次技术整合，更是对玲珑容器化理念的一次真实验证。OpenConverter 本身依赖繁杂——涵盖 FFmpeg、BMF、AI 运行时环境等多个重量级组件，但在玲珑的封装下，终端用户无需手动安装任何依赖，即可在 deepin 上完整、稳定地使用全部功能，包括 AI 超分等前沿能力。
对于一款跨平台、带 GUI 的音视频应用而言，这并非易事。而玲珑所提供的统一运行时环境与可调试容器机制，显著降低了软件分发、测试与长期维护的成本。
OpenConverter 不仅仅是一个实用工具，更是一个面向开发者的标准化参考实现。我们希望借此降低音视频处理与 AI 技术融合的入门门槛，并为玲珑生态贡献一个真实、可复用、可持续演进的应用范例。
Jack Lau 表示，作为 FFmpeg 与 BMF 项目的 Maintainer，他将持续推动两大开源项目与 deepin 及玲珑社区的深度协同，陆续推出更多“BMF + 玲珑”的工程实践、适配优化与教学案例。我们也诚挚邀请广大开发者加入进来——无论是提交 Issue、提交 PR，还是共同探讨音视频与 AI 的融合边界，每一份参与都至关重要。
