如何用FFmpeg合并LINEAR16编码音频并转换格式？

问题背景 #

使用Google Text-to-Speech PHP客户端生成LINEAR16编码的音频片段，尝试直接拼接字节内容后音频损坏无法播放，原生PHP解析字节转格式也失败，需要用FFmpeg实现片段合并并转换编码。

为什么直接拼接无效？ #

Google TTS返回的LINEAR16编码音频带有WAV文件头，每个片段都包含独立的文件头信息，直接拼接会导致最终文件存在多个无效的头结构，播放器无法正确识别。

用FFmpeg实现的步骤 #

• 将每个TTS返回的音频片段保存为独立的临时WAV文件
• 使用FFmpeg的concat demuxer合并所有临时文件（Google TTS的LINEAR16默认是16kHz单声道，所有片段参数一致，无需额外调整）
• 将合并后的音频转换为目标编码（比如MP3）
• 清理临时文件

PHP代码实现 #

<?php
// 初始化Google TTS客户端
$client = new TextToSpeechClient();
$synthesisInputText = new SynthesisInput();
$audioConfig = new AudioConfig();
$audioConfig->setAudioEncoding(AudioEncoding::LINEAR16);
$voice = new VoiceSelectionParams();
$voice->setLanguageCode('en-US');
$voice->setName('en-US-Neural2-A');

// 创建临时目录存放音频片段
$tempDir = sys_get_temp_dir() . '/tts_audio_fragments';
mkdir($tempDir, 0777, true);
$tempFiles = [];

foreach($txt_array as $k => $txt) {
    $synthesisInputText->setText($txt);
    $response = $client->synthesizeSpeech($synthesisInputText, $voice, $audioConfig);
    $media = $response->getAudioContent();
    
    // 保存为临时WAV文件
    $tempFile = $tempDir . "/fragment_{$k}.wav";
    file_put_contents($tempFile, $media);
    $tempFiles[] = "file '" . addslashes($tempFile) . "'";
}

// 生成FFmpeg的concat列表文件
$concatList = $tempDir . '/concat_list.txt';
file_put_contents($concatList, implode("\n", $tempFiles));

// 执行FFmpeg命令：合并并转成MP3
$outputFile = 'final_audio.mp3';
$ffmpegCmd = "ffmpeg -f concat -safe 0 -i {$concatList} -c:a libmp3lame {$outputFile}";
exec($ffmpegCmd, $output, $returnVar);

// 检查命令执行结果
if ($returnVar !== 0) {
    die("FFmpeg执行失败：" . implode("\n", $output));
}

// 清理临时文件和目录
foreach($tempFiles as $fileLine) {
    $file = trim(str_replace("file '", "", str_replace("'", "", $fileLine)));
    unlink($file);
}
unlink($concatList);
rmdir($tempDir);

echo "音频合并完成，输出文件：{$outputFile}";
?>

注意事项 #

• 确保服务器环境已安装FFmpeg，且PHP的exec函数未被禁用
• 如果需要转成其他编码，修改FFmpeg命令中的-c:a参数（比如转成AAC用-c:a aac）
• 临时文件目录要确保有读写权限

内容的提问来源于stack exchange，提问作者Simon