如何用FFmpeg实现4个不同时长视频的分屏顺序播放拼接？

核心思路 #

先为每个视频生成对应时间线的流：播放前显示首帧、播放时段正常播放、播放结束后显示末帧，最后用hstack将四个480x1080的流拼成1920x1080的分屏，音频按顺序拼接（非播放时段静音）。

准备工作 #

1. 四个视频文件：命名为1.mp4、2.mp4、3.mp4、4.mp4（分辨率480x1080带音频）
2. 各视频的首帧/末帧截图：命名规则如2_first.jpg（视频2首帧）、2_last.jpg（视频2末帧），分辨率需与视频一致（480x1080）

Shell脚本实现 #

将以下内容保存为split_screen.sh，赋予执行权限后运行：

#!/bin/bash

# 定义各视频时长（单位：秒）
t1=60   # 1.mp4时长
t2=95   # 2.mp4时长
t3=80   # 3.mp4时长
t4=65   # 4.mp4时长

# 计算总时长及各视频结束时间点
total=$((t1 + t2 + t3 + t4))
t1_end=$t1
t2_end=$((t1 + t2))
t3_end=$((t2_end + t3))

# FFmpeg命令
ffmpeg -i 1.mp4 -i 2.mp4 -i 3.mp4 -i 4.mp4 \
-loop 1 -i 1_last.jpg \
-loop 1 -i 2_first.jpg -loop 1 -i 2_last.jpg \
-loop 1 -i 3_first.jpg -loop 1 -i 3_last.jpg \
-loop 1 -i 4_first.jpg \
-filter_complex "
# 处理视频1：播放60秒，之后显示末帧至总时长
[0:v] trim=0:$t1, setpts=PTS-STARTPTS [v1_main];
[4:v] trim=0:$((total - t1)), setpts=PTS-STARTPTS [v1_post];
[v1_main][v1_post] concat=n=2:v=1:a=0 [v1];

# 处理视频2：前60秒显示首帧，播放95秒，之后显示末帧至总时长
[5:v] trim=0:$t1, setpts=PTS-STARTPTS [v2_pre];
[1:v] trim=0:$t2, setpts=PTS-STARTPTS [v2_main];
[6:v] trim=0:$((total - t1_end)), setpts=PTS-STARTPTS [v2_post];
[v2_pre][v2_main][v2_post] concat=n=3:v=1:a=0 [v2];

# 处理视频3：前155秒显示首帧，播放80秒，之后显示末帧至总时长
[7:v] trim=0:$t2_end, setpts=PTS-STARTPTS [v3_pre];
[2:v] trim=0:$t3, setpts=PTS-STARTPTS [v3_main];
[8:v] trim=0:$((total - t3_end)), setpts=PTS-STARTPTS [v3_post];
[v3_pre][v3_main][v3_post] concat=n=3:v=1:a=0 [v3];

# 处理视频4：前235秒显示首帧，播放65秒至结束
[9:v] trim=0:$t3_end, setpts=PTS-STARTPTS [v4_pre];
[3:v] trim=0:$t4, setpts=PTS-STARTPTS [v4_main];
[v4_pre][v4_main] concat=n=2:v=1:a=0 [v4];

# 横向拼接四个视频流
[v1][v2][v3][v4] hstack=n=4:shortest=0 [v_out];

# 处理音频：顺序播放，非播放时段静音
[0:a] atrim=0:$t1, asetpts=PTS-STARTPTS [a1_main];
anullsrc=channel_layout=stereo:sample_rate=44100, trim=0:$((total - t1)) [a1_post];
[a1_main][a1_post] concat=n=2:v=0:a=1 [a1];

anullsrc=channel_layout=stereo:sample_rate=44100, trim=0:$t1 [a2_pre];
[1:a] atrim=0:$t2, asetpts=PTS-STARTPTS [a2_main];
anullsrc=channel_layout=stereo:sample_rate=44100, trim=0:$((total - t1_end)) [a2_post];
[a2_pre][a2_main][a2_post] concat=n=3:v=0:a=1 [a2];

anullsrc=channel_layout=stereo:sample_rate=44100, trim=0:$t2_end [a3_pre];
[2:a] atrim=0:$t3, asetpts=PTS-STARTPTS [a3_main];
anullsrc=channel_layout=stereo:sample_rate=44100, trim=0:$((total - t3_end)) [a3_post];
[a3_pre][a3_main][a3_post] concat=n=3:v=0:a=1 [a3];

anullsrc=channel_layout=stereo:sample_rate=44100, trim=0:$t3_end [a4_pre];
[3:a] atrim=0:$t4, asetpts=PTS-STARTPTS [a4_main];
[a4_pre][a4_main] concat=n=2:v=0:a=1 [a4];

# 混合所有音频流
[a1][a2][a3][a4] amix=inputs=4:duration=longest [a_out]
" \
-c:v libx264 -c:a aac -threads auto output.mp4

关键参数说明 #

• -loop 1：让图片循环播放，用于填充非播放时段
• trim：截取视频/音频的指定时段
• setpts/asetpts：重置时间戳，避免拼接后出现跳帧
• concat：将多个视频/音频流按顺序拼接
• hstack=n=4：横向拼接4个视频流，自动适配1920x1080分辨率
• amix：混合多个音频流，实现顺序播放效果（非播放时段为静音，不影响正常音频）

注意事项 #

• 若图片分辨率与视频不一致，需在图片流后添加scale=480:1080滤镜
• 若原音频的声道/采样率不一致，需用aresample统一参数（比如在anullsrc中匹配原音频参数）
• 可根据实际时长修改脚本中的t1至t4数值

内容的提问来源于stack exchange，提问作者rst630