我想了解如何在应用 Xfade 后获取预期的总持续时间。
答案这里说：
简单举例：每个输入时长 3 秒，视频重叠处的淡入淡出过渡时长 1 秒。结果是 5 秒的输出。
我似乎无法理解这个解释/说明。如果有 5 个输入（12345），每个输入持续 3 秒，持续时间为 1 秒。输出总数不是应该是 11 吗？因为它会重叠 4 次，介于 1-2、2-3、3-4、4-5 之间。那么 15-4 = 11？
因此，在我的终端，如果视频输入的持续时间分别为 9.68 秒、10 秒和 8.35 秒。应用 Xfade 后，如何计算预期的总持续时间？