我正在使用 FFMPEG 中的画中画功能合并两个视频。全分辨率背景视频的长度可以变化，但 PIP 视频只有 10 秒长。PIP 视频需要在 7 秒后准确显示。我已成功使用以下命令合并了两个视频。
现在我还需要合并音频流。这也可以，只是视频使用的偏移量（使用 -itsoffset 7 和 enable=between(t, 7, 17) 设置）不适用于合并的音频流，导致 PIP 视频的音频已经在视频开头开始，即 00:00 而不是 00:07，并且音轨也会在 10 秒后（PIP 轨道的持续时间）切断。
我当前的命令如下：
ffmpeg -i "background_vid.mp4" -itsoffset 7 -i "pip_vid.mp4" -filter_complex "[1]scale=iw/4:ih/4 [pip]; [0][pip] overlay=main_w-overlay_w-10:main_h-overlay_h-10:enable='between(t,7,17)' [v];[0:a][1:a]amerge[a]" -map "[v]" -map "[a]" -profile:v main -level 3.1 -b:v 5000k -ar 44100 -ab 128k -s 1920x1080 -vcodec h264 -acodec aac output.mp4
需要澄清的是，背景视频的音频应照常在 00:00 开始。我希望 pip_vid 的音频（持续时间为 10 秒）与 background_vid 音频（可变长度）从 00:07 秒开始合并，与 PIP 视频出现在屏幕上的时间相同。PIP 视频消失后，背景视频的音频流应继续播放。
有什么办法吗？任何帮助都非常感谢，
谢谢！
答案1
音频混合过滤器不考虑起始时间戳，因此您必须首先用静音填充流。
使用
ffmpeg -i "background_vid.mp4" -itsoffset 7 -i "pip_vid.mp4" -filter_complex "[1]scale=iw/4:ih/4 [pip]; [0][pip] overlay=main_w-overlay_w-10:main_h-overlay_h-10:enable='between(t,7,17)' [v];[1:a]aresample=async=1:first_pts=0[pip-a];[0:a][pip-a]amerge[a]" -map "[v]" -map "[a]" -profile:v main -level 3.1 -b:v 5000k -ar 44100 -ab 128k -s 1920x1080 -vcodec h264 -acodec aac output.mp4