大家好，我碰到一个棘手的问题，想请各位前辈帮忙排查一下原因。

我手头有一批存在同一文件夹里的图片和音频文件，打算用ffmpeg分别合并它们。下面是我的具体操作流程：

音频合并操作 #

我先整理了音频文件的列表audios.txt，内容如下：

file audio1.wav
file audio2.wav
file audio3.wav

执行的合并命令是：

ffmpeg -f concat -i audios.txt merged.wav

这部分没问题，合并后的merged.wav时长是20秒，和预期一致。

图片转视频操作 #

为了让每张图片的显示时长匹配对应音频的时长，我用Python的librosa库计算了每个音频的时长，然后整理了图片列表images.txt，内容如下：

file image1.png
duration 3.3589115646258505
file image2.png
duration 4.958730158730159
file image3.png
duration 11.687709750566894

计算时长的Python代码：

import librosa

def get_duration(path):
    return librosa.get_duration(path=path)

接着执行视频合并命令：

ffmpeg -f concat -i images.txt -c png merged.mp4

遇到的异常情况 #

现在奇怪的地方来了：合并后的音频是正确的20秒，但生成的merged.mp4却只有11秒，和总时长对不上。有没有小伙伴知道这是哪里出了问题？麻烦帮忙支个招，感谢大家！

备注：内容来源于stack exchange，提问作者roku