我正在尝试在一台速度不是很快的机器（Raspberry Pi 4B）上捕获并合并网络摄像头视频和（单独的）USB 麦克风音频。如果我单独捕获，一切都会顺利进行，而且我只使用一小部分可用的 CPU。但是当我尝试将两个输入流合并为一个文件时，我收到许多“非单调 DTS”和“ALSA 缓冲区 xrun”警告，并且输出音频在几秒钟后丢失。
什么是有效的 ffmpeg 调用来执行此操作？
这是我尝试过的众多命令之一：
ffmpeg -hide_banner -f alsa -i default:CARD=Elf -f v4l2 -framerate 4 -i /dev/video0 -r 4 t26.avi
我是一名经验丰富的程序员，但是对 ffmpeg 还不熟悉，所以也许我犯了一些明显的错误。
我的目标是每秒 4 帧以节省空间，并且（希望）还能减少 CPU 负载。不过，我希望保持较高的音频质量。
也许将两个输入流合并会强制进行一些格式转换/重新编码，也许一些中间步骤的帧速率很高？如果是这样，有没有办法将视频和音频流合并起来以避免这种情况？