为何使用FFmpeg添加音频时，音频文件会在视频开头重复播放？

你的问题出在adelay滤镜的参数使用上：如果只给单个延迟值（比如1000），对于多声道音频，只有第一个声道会被延迟，其余声道会直接从视频开头播放；部分场景下也可能是因为未明确指定延迟前填充静音，导致原音频的起始部分没有被覆盖。

修正方案1：使用all=1参数统一延迟所有声道 #

这个方法适用于单声道音频，或者希望所有声道同步延迟的情况：

ffmpeg -i silent.mp4 -i tmp/0-cropped.mp3 -i tmp/1-cropped.mp3 -filter_complex "[1]adelay=1000:all=1[a1d];[2]adelay=2000:all=1[a2d];[a1d][a2d]amix=2[a]" -y -map 0:v -map [a] with-audio.mp4

all=1会让所有声道应用相同的延迟时间，延迟前的部分自动填充静音。

修正方案2：指定每个声道的延迟值 #

如果是立体声（双声道）音频，可以直接给每个声道单独设置延迟，确保同步：

ffmpeg -i silent.mp4 -i tmp/0-cropped.mp3 -i tmp/1-cropped.mp3 -filter_complex "[1]adelay=1000|1000[a1d];[2]adelay=2000|2000[a2d];[a1d][a2d]amix=2[a]" -y -map 0:v -map [a] with-audio.mp4

1000|1000表示左、右声道都延迟1000毫秒。

修正方案3：用concat拼接静音和音频（更直观） #

如果不想纠结声道问题，可以先生成对应时长的静音，再和原音频拼接，确保音频在指定时间点才开始播放：

ffmpeg -i silent.mp4 -i tmp/0-cropped.mp3 -i tmp/1-cropped.mp3 -filter_complex "[1]aevalsrc=0:d=1[s1];[s1][1]concat=n=2:v=0:a=1[a1d];[2]aevalsrc=0:d=2[s2];[s2][2]concat=n=2:v=0:a=1[a2d];[a1d][a2d]amix=2[a]" -y -map 0:v -map [a] with-audio.mp4

aevalsrc=0:d=1生成1秒静音，concat把静音和原音频连在一起，相当于音频从1秒后才开始播放。

内容的提问来源于stack exchange，提问作者Drew Pereli