FFMPEG:从同一输入 webm 文件转换而来的 mp3 和 mp4 之间存在同步问题

FFMPEG:从同一输入 webm 文件转换而来的 mp3 和 mp4 之间存在同步问题

使用此命令创建两个文件:

ffmpeg -y -i input.webm -c:v copy -c:a libmp3lame -b:a 128k -strict -2 -f mp4 rec_50ae1a2a3da64cf1a5f46c53de757d6e-1692704540213.mp4 -vn -acodec libmp3lame -b:a 128k -f mp3 rec_50ae1a2a3da64cf1a5f46c53de757d6e-1692704540213.mp3

  • rec_50ae1a2a3da64cf1a5f46c53de757d6e-1692704540213.mp4
  • rec_50ae1a2a3da64cf1a5f46c53de757d6e-1692704540213.mp3

MP3 文件与说话者标签一起发送给第三方,然后用于生成与 MP4 文件一起在 UI 中呈现的成绩单。

观察:

  • 转录文本和 mp4 之间存在同步延迟,从视频开始时的 0 秒延迟开始增加,并随着时间的推移逐渐增加(视频变慢)

  • mp4 的时长比 mp3 的时长要长

  • 即使确保 mp4 音频和 mp3 音频的比特率相同,仍会出现同步问题

  • mp4 的音频和 mp3 文件之间没有延迟

  • 成绩单和 mp3 文件之间没有同步问题。

  • 仅当将 mp4 与成绩单进行比较时才会出现问题。

mediainfo rec_50ae1a2a3da64cf1a5f46c53de757d6e-1692704540213.mp4
General
Complete name                            : rec_50ae1a2a3da64cf1a5f46c53de757d6e-1692704540213.mp4
Format                                   : MPEG-4
Format profile                           : Base Media
Codec ID                                 : isom (isom/iso2/avc1/mp41)
File size                                : 148 MiB
Duration                                 : 23 min 57 s
Overall bit rate                         : 864 kb/s
Frame rate                               : 17.677 FPS
Writing application                      : Lavf59.27.100

Video
ID                                       : 1
Format                                   : AVC
Format/Info                              : Advanced Video Codec
Format profile                           : Constrained [email protected]
Format settings                          : 1 Ref Frames
Format settings, CABAC                   : No
Format settings, Reference frames        : 1 frame
Codec ID                                 : avc1
Codec ID/Info                            : Advanced Video Coding
Duration                                 : 23 min 57 s
Source duration                          : 23 min 55 s
Bit rate                                 : 734 kb/s
Width                                    : 1 280 pixels
Height                                   : 960 pixels
Display aspect ratio                     : 4:3
Frame rate mode                          : Variable
Frame rate                               : 17.677 FPS
Minimum frame rate                       : 1.176 FPS
Maximum frame rate                       : 62.500 FPS
Color space                              : YUV
Chroma subsampling                       : 4:2:0
Bit depth                                : 8 bits
Scan type                                : Progressive
Bits/(Pixel*Frame)                       : 0.034
Stream size                              : 126 MiB (85%)
Source stream size                       : 126 MiB (85%)
Language                                 : English
Color range                              : Limited
Color primaries                          : BT.709
Transfer characteristics                 : BT.709
Matrix coefficients                      : BT.709
Codec configuration box                  : avcC

Audio
ID                                       : 2
Format                                   : MPEG Audio
Format version                           : Version 1
Format profile                           : Layer 3
Format settings                          : Joint stereo / MS Stereo
Codec ID                                 : mp4a-6B
Duration                                 : 23 min 57 s
Source duration                          : 23 min 57 s
Bit rate mode                            : Constant
Bit rate                                 : 128 kb/s
Channel(s)                               : 2 channels
Sampling rate                            : 48.0 kHz
Compression mode                         : Lossy
Stream size                              : 21.8 MiB (15%)
Source stream size                       : 21.8 MiB (15%)
Writing library                          : LAME3.100
Language                                 : English
Default                                  : Yes
Alternate group                          : 1


mediainfo rec_50ae1a2a3da64cf1a5f46c53de757d6e-1692704540213.mp3
General
Complete name                            : rec_50ae1a2a3da64cf1a5f46c53de757d6e-1692704540213.mp3
Format                                   : MPEG Audio
File size                                : 22.3 MiB
Duration                                 : 24 min 20 s
Overall bit rate mode                    : Constant
Overall bit rate                         : 128 kb/s
Writing library                          : LAME3.100

Audio
Format                                   : MPEG Audio
Format version                           : Version 1
Format profile                           : Layer 3
Format settings                          : Joint stereo / MS Stereo
Duration                                 : 24 min 20 s
Bit rate mode                            : Constant
Bit rate                                 : 128 kb/s
Channel(s)                               : 2 channels
Sampling rate                            : 48.0 kHz
Frame rate                               : 41.667 FPS (1152 SPF)
Compression mode                         : Lossy
Stream size                              : 22.3 MiB (100%)
Writing library                          : LAME3.100

我该如何解决 ?

相关内容