ffmpeg 合并音频、视频和字幕不起作用。我做错了什么？

Question

您可以使用以下方式刻录文本字幕（硬字幕）字幕过滤器。

使用“刻录”字幕的优点是无论视频播放器的配置如何，字幕都会显示。

主要的缺点是我们必须重新编码视频。
重新编码会降低质量，并可能导致文件大小变大（文件变大是为了使质量更接近原始质量）。

对于刻录第二字幕流（意大利语），您可以使用pathsource.mkv:si=1。
由于意大利语流是默认流，我们不必添加:si=1。

添加“刻录”字幕的命令行（示例）：

ffmpeg -y -i pathsource.mkv -vf "subtitles=pathsource.mkv:force_style='Fontsize=72,Fontname=Arial Bold,PrimaryColour=&HFFFFFF&'" -acodec copy -vcodec libx264 -crf 17 -pix_fmt yuv444p destination.mp4

-crf 17用于高质量，但文件大小较大（设置较高的值可降低质量）。
-yuv444用于获得更好的质量（更好的字幕质量，但文件大小更大），但这并不是至关重要的。
您可以尝试各种字体样式（大小、字体、颜色……）。

如果您仍想尝试嵌入式字幕流（无需重新编码），您可以尝试将流设置为“默认”和“强制”：

ffmpeg -y -progress pipe:1 -hide_banner -i "pathsource.mkv" -map 0:0 -map 0:1 -map 0:3 -c:a aac -c:v copy -c:s mov_text -disposition:s default+forced "destination.mp4"

注意：在这种情况下，“强制”选项似乎不起作用。

测试：

使用音频和两个字幕流构建合成视频：

ffmpeg -y -f lavfi -i testsrc=size=384x216:rate=1 -f lavfi -i sine=frequency=400 -f lavfi -i sine=frequency=1000 -sub_charenc CP1252 -i in0.srt -sub_charenc CP1252 -i in1.srt -filter_complex "[1:a][2:a]amix=inputs=2[a]" -map:v 0 -map:a "[a]" -map:s 3 -map:s 4 -vcodec libx264 -crf 17 -pix_fmt yuv420p -acodec aac -ar 22050 -scodec ass -metadata:s:s:0 language=eng -metadata:s:s:1 language=ita -disposition:s:s:1 default+forced -t 10 pathsource.mkv

样本内容in0.srt：

1
00:00:00,0 --> 00:00:01,0
Eng 0 to 1

2
00:00:01,0 --> 00:00:02,0
Eng 1 to 2

3
00:00:02,0 --> 00:00:03,0
Eng 2 to 3

4
00:00:03,0 --> 00:00:04,0
Eng 3 to 4

5
00:00:04,0 --> 00:00:05,0
Eng 4 to 5

内容in1.srt：

1
00:00:00,0 --> 00:00:01,0
Ita 0 to 1

2
00:00:01,0 --> 00:00:02,0
Ita 1 to 2

3
00:00:02,0 --> 00:00:03,0
Ita 2 to 3

4
00:00:03,0 --> 00:00:04,0
Ita 3 to 4

5
00:00:04,0 --> 00:00:05,0
Ita 4 to 5

执行后结果示例ffmpeg -y -i pathsource.mkv -vf "subtitles=pathsource.mkv:force_style='Fontsize=72,Fontname=Arial Bold,PrimaryColour=&HFFFFFF&'" -acodec copy -vcodec libx264 -crf 17 -pix_fmt yuv444p destination.mp4：

对于嵌入式字幕流，您可能需要修改视频播放器设置。

VLC 播放器示例：

Answer 1