如何使用FFmpeg vstack滤镜保留两个视频的音轨？

问题背景 #

需要用FFmpeg的vstack滤镜将两个视频垂直拼接，同时保留两个视频的音轨。

最初使用的命令：

ffmpeg -i e:\tt140_H.mp4 -i e:\tt140_m.mp4 -vsync 2 -filter_complex vstack e:\tt140+.mp4

仅保留了第一个视频的音轨，第二个视频的音轨丢失。

后续尝试的命令：

ffmpeg -i e:\tt140_H.mp4 -i e:\tt140_m.mp4 -vsync 2 -filter_complex "[0:v][1:v]vstack,amerge[a]" -c:a aac e:\tt140+.mp4

出现错误：

媒体类型不匹配：'Parsed_vstack_0'滤镜输出端口0是视频，而'Parsed_amerge_1'滤镜输入端口0是音频

错误原因 #

vstack是视频滤镜，输出的是视频流；而amerge是音频滤镜，仅能接收音频流。直接将视频滤镜的输出接入音频滤镜输入，必然导致媒体类型不匹配。

正确命令 #

需要在滤镜链中分别处理视频和音频流，再将处理后的流映射到输出文件：

ffmpeg -i e:\tt140_H.mp4 -i e:\tt140_m.mp4 -vsync 2 -filter_complex "[0:v][1:v]vstack[v];[0:a][1:a]amerge[a]" -map "[v]" -map "[a]" -c:a aac -ac 2 e:\tt140+.mp4

参数说明 #

• [0:v][1:v]vstack[v]：将第一个输入的视频流（0:v）和第二个输入的视频流（1:v）垂直拼接，输出标记为[v]
• [0:a][1:a]amerge[a]：将第一个输入的音频流（0:a）和第二个输入的音频流（1:a）合并，输出标记为[a]
• -map "[v]" -map "[a]"：明确指定输出文件使用处理后的视频流和音频流
• -ac 2：强制将合并后的音频转为双声道，避免部分播放器不支持多声道音频

特殊场景处理 #

如果两个视频时长不一致，想要以较短的视频时长为准结束输出，可添加-shortest参数：

ffmpeg -i e:\tt140_H.mp4 -i e:\tt140_m.mp4 -vsync 2 -filter_complex "[0:v][1:v]vstack[v];[0:a][1:a]amerge[a]" -map "[v]" -map "[a]" -c:a aac -ac 2 -shortest e:\tt140+.mp4

内容的提问来源于stack exchange，提问作者Peter.k