FFmpeg延迟音频输入异常：音频开头重复问题求助

问题现象 #

使用FFmpeg的adelay滤镜配合amix混合延迟音频时，出现以下异常：

• 本该延迟到指定时间点播放的音频，在t=0时刻提前播放
• 多输入/多实例延迟时，出现额外的未预期重复播放的音频（如示例2中出现3个蜂鸣声，而非预期的2个）

示例命令1（异常） #

ffmpeg -i in0.mp3 -i in1.mp3 -i in2.mp3 -filter_complex "[0]adelay=1000[delayed1];[1]adelay=2000[delayed2];[2]adelay=3000[delayed3];[delayed1][delayed2][delayed3]amix=inputs=3:duration=longest" -codec:a libmp3lame -q:a 4 output.mp3

预期：三个MP3分别延迟1、2、3秒后混合
实际：in0在t=0时刻播放，未按预期延迟

示例命令2（异常） #

ffmpeg -i beep.mp3 -filter_complex "[0]adelay=1000[delayed1];[0]adelay=2000[delayed2];[delayed1][delayed2]amix=inputs=2:duration=longest" -codec:a libmp3lame -q:a 4 output.mp3

预期：生成2个分别延迟1、2秒的蜂鸣声
实际：在t=0、t=1、t=2时刻出现3个蜂鸣声

测试环境：Mac M1上的N-110011-gf456c192d9-tessus版本（2023年1月）、FFmpeg 5.1版本（Apple clang 13.1.6编译）；添加静音输入无法解决问题，concat滤镜无法满足音频重叠需求。

问题原因 #

核心问题是**adelay参数格式错误**：
对于多声道音频（如立体声），旧版本FFmpeg的adelay滤镜仅指定单个延迟值时，只会延迟第一个声道，其余声道会直接从t=0开始输出，导致听觉上音频未延迟。此外，部分场景下未调整音频流的时间戳，导致amix滤镜对齐出现偏差。

解决方案 #

1. 正确指定多声道延迟参数 #

针对多声道音频，为每个声道指定延迟值（用竖线|分隔），或使用all=参数（FFmpeg 4.2及以上版本支持）统一设置所有声道的延迟。

修正后的示例命令1

# 立体声场景，为左右声道分别指定延迟
ffmpeg -i in0.mp3 -i in1.mp3 -i in2.mp3 -filter_complex "[0]adelay=1000|1000[delayed1];[1]adelay=2000|2000[delayed2];[2]adelay=3000|3000[delayed3];[delayed1][delayed2][delayed3]amix=inputs=3:duration=longest" -codec:a libmp3lame -q:a 4 output.mp3

# 或使用all参数统一设置所有声道延迟（FFmpeg 4.2+）
ffmpeg -i in0.mp3 -i in1.mp3 -i in2.mp3 -filter_complex "[0]adelay=all=1000[delayed1];[1]adelay=all=2000[delayed2];[2]adelay=all=3000[delayed3];[delayed1][delayed2][delayed3]amix=inputs=3:duration=longest" -codec:a libmp3lame -q:a 4 output.mp3

修正后的示例命令2

ffmpeg -i beep.mp3 -filter_complex "[0]adelay=1000|1000[delayed1];[0]adelay=2000|2000[delayed2];[delayed1][delayed2]amix=inputs=2:duration=longest" -codec:a libmp3lame -q:a 4 output.mp3

2. 结合asetpts调整时间戳（可选） #

如果仍存在对齐问题，可配合asetpts滤镜偏移音频流的时间戳，确保FFmpeg正确识别流的起始延迟时间：

ffmpeg -i beep.mp3 -filter_complex "[0]adelay=1000|1000,asetpts=PTS-STARTPTS+1000/TB[delayed1];[0]adelay=2000|2000,asetpts=PTS-STARTPTS+2000/TB[delayed2];[delayed1][delayed2]amix=inputs=2:duration=longest" -codec:a libmp3lame -q:a 4 output.mp3

内容的提问来源于stack exchange，提问作者Ralph