FFmpeg合并视频时出现音频丢帧问题

Question

我有一个mp4文件，想要将视频中的两个连续片段提取出来并渲染成单独的文件，最后将它们重新组合成原始视频。例如，对于我的视频video.mp4，我可以运行：

ffmpeg -i video.mp4 -ss 56 -t 4 out1.mp4
ffmpeg -i video.mp4 -ss 60 -t 4 out2.mp4

创建包含video.mp4的00:00:56到00:01:00的out1.mp4，以及包含00:01:00到00:01:04的out2.mp4。然而，后来我想要能够快速地重新组合它们（即不需要重新编码），因此我使用concat demuxer。

ffmpeg -f concat -safe 0 -i files.txt -c copy concat.mp4

其中files.txt包含

file out1.mp4
file out2.mp4

理论上，这应该会将 video.mp4 的 00:00:56 到 00:01:04 部分还原出来，然而在拼接的位置总是会出现丢失音频帧的情况，产生非常不愉快的声音伪影，如果你愿意，可以称之为音频尖峰。

我曾尝试在视频的两个部分最初创建时使用async和-af apad，但仍然面临相同的问题，并未在其他地方找到解决方案。我在多种不同的用例中都遇到了这个问题，因此希望这个简单的示例能揭示真正的问题。

- Shaun

Answer 1

我建议您将片段导出为带有PCM音频的MOV格式，再将它们拼接在一起，但不重新编码音频。

ffmpeg -i video.mp4 -c:a pcm_s16le -ss 56 -t 4 out1.mov
...

然后

ffmpeg -f concat -safe 0 -i files.txt -c:v copy concat.mp4

- Gyan

---

抱歉，我之前使用了 -c copy 参数。但你的解决方案可行！能否解释一下原因或提供更多信息来源呢？我的假设是最初我将音频编码成 AAC 格式，并且压缩可能在边界处产生了明显效应。这是正确的吗？ - Shaun

基于DCT的音频编解码器，如MP3、AAC，依赖于相邻的音频帧进行解码。在流的开始处，有一个用于此目的的引导帧。它具有负时间戳，因此在连接时，它的时间戳会与前一个文件的最终数据包发生冲突，并被连接操作删除。PCM是自包含的解码格式，因此不会受到这种影响。 - Gyan

@Gyan，难道没有MP4容器支持的“非DCT-Based”编解码器，这样我们就不需要仅为此更改容器了吗？ - Proviste