编码与格式 / 系统课时

合并不同规格媒体

合并不同规格媒体

当多个片段的分辨率、帧率、像素格式或音频参数不一致时,直接使用 concat 协议通常会失败。本课通过缩放、补边、重采样和时间戳重置,把不同规格的片段统一后连接为一个可播放文件。

学习目标

  • 判断不同媒体片段为什么不能直接无损拼接。
  • 使用 filter_complex 统一视频与音频规格并完成连接。
  • 通过 ffprobe 验证输出分辨率、帧率和音频参数。

直接拼接为什么会失败

concat 分离器适合编码参数完全一致的文件,例如编码器、分辨率、帧率、时间基准、声道布局和采样率都相同。只要其中一项不同,流复制就可能报错、产生时间戳异常,或让播放器在片段切换处出现花屏和音画不同步。

不同规格媒体需要先解码为原始帧,再通过滤镜统一参数,最后重新编码。这个过程不能使用全局 -c copy,因为滤镜只能处理已解码的数据。

不同规格片段统一后连接的数据流

统一规格并连接

下面的命令假设 clip-a.mp4 和 clip-b.mp4 都包含一条视频流和一条音频流。目标输出统一为 1280×720、30 fps、方形像素、yuv420p,音频统一为 48 kHz 立体声。

bash
ffmpeg -i clip-a.mp4 -i clip-b.mp4   -filter_complex "[0:v:0]scale=1280:720:force_original_aspect_ratio=decrease,pad=1280:720:(ow-iw)/2:(oh-ih)/2,setsar=1,fps=30,format=yuv420p,setpts=PTS-STARTPTS[v0];[1:v:0]scale=1280:720:force_original_aspect_ratio=decrease,pad=1280:720:(ow-iw)/2:(oh-ih)/2,setsar=1,fps=30,format=yuv420p,setpts=PTS-STARTPTS[v1];[0:a:0]aformat=sample_rates=48000:channel_layouts=stereo,aresample=async=1:first_pts=0,asetpts=PTS-STARTPTS[a0];[1:a:0]aformat=sample_rates=48000:channel_layouts=stereo,aresample=async=1:first_pts=0,asetpts=PTS-STARTPTS[a1];[v0][a0][v1][a1]concat=n=2:v=1:a=1[vout][aout]"   -map "[vout]" -map "[aout]"   -c:v libx264 -preset medium -crf 20   -c:a aac -b:a 192k   -movflags +faststart merged.mp4

预期结果

text
生成 merged.mp4;先播放 clip-a.mp4 的内容,再连续播放 clip-b.mp4。
输出视频为 1280×720、30 fps,音频为 48 kHz 立体声。
实际编码速度、文件大小和日志时间值会因设备与输入内容不同而变化。

scale 保持原始宽高比,pad 用边框补足目标画布,避免强行拉伸。setpts 与 asetpts 把每段时间戳归零,否则 concat 可能在段与段之间保留空隙。concat 的输入顺序必须按“视频、音频、视频、音频”排列。

验证输出规格

生成后分别检查视频和音频流,确认滤镜确实把关键参数统一到了目标值。

bash
ffprobe -v error -select_streams v:0   -show_entries stream=codec_name,width,height,pix_fmt,r_frame_rate   -of default=noprint_wrappers=1 merged.mp4

ffprobe -v error -select_streams a:0   -show_entries stream=codec_name,sample_rate,channel_layout   -of default=noprint_wrappers=1 merged.mp4

预期输出

text
codec_name=h264
width=1280
height=720
pix_fmt=yuv420p
r_frame_rate=30/1
codec_name=aac
sample_rate=48000
channel_layout=stereo

不同 FFmpeg 版本可能调整字段显示顺序,但字段值应保持一致。若输入是可变帧率素材,fps=30 会按时间轴丢帧或补帧,使输出成为恒定 30 fps。

关键边界与失败处理

若某个片段没有音频,当前命令会因 0:a:0 或 1:a:0 不存在而失败。应先为无声片段补一条与视频等长的静音轨,再参与连接;不要简单删除该片段的音频输入,否则 concat 的流排列会失配。

如果输入方向不同,例如竖屏与横屏同时存在,应先确定统一画布策略:补边可以保留完整画面,裁剪可以铺满画布但会丢失边缘内容。生产处理中还应显式统一色彩空间、位深和 HDR 元数据,避免连接点出现明显亮度变化。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

合并不同规格媒体

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通