FFmpeg拼接视频文件出现音频伪影的解决方法咨询

问题 #

我需要将多个短视频合并为完整视频，但最终视频总是出现音频伪影——音频中偶尔会有短促高音或回声。所有音频都是TTS生成的单声道人声，无背景音乐。

处理流程如下：

1. 从ffprobe检测为单声道MP3的长音频中，按4-5秒静音段分割出单个音频文件
2. 将单个音频与静态图片合成MP4，此阶段音频完全正常
3. 拼接这些MP4时（哪怕直接拼接无转场），伪影依然出现

使用的命令：

• 分割音频：

.\ffmpeg.exe -y -hide_banner -i TTSAudio.mp3 -ss 359.944 -to 372.02479 -c copy partXY.mp3

• 生成单个视频：

.\ffmpeg.exe -y -hide_banner -framerate 30 -loop 1 -i XY_full.png -i partXY.mp3 -c:v libx265 -c:a copy -shortest partXY.mp4

• 拼接视频：

.\ffmpeg.exe -y -hide_banner -i part000.mp4 -i part001.mp4 -i part002.mp4 -filter_complex "[0:v] [0:a] [1:v] [1:a] [2:v] [2:a] concat=n=3:v=1:a=1 [v] [a]" -map "[v]" -map "[a]" -c:v copy -c:a copy final_video.mp4

已尝试但无效的方案：

• 更换多种音频编码格式，在不同阶段替换-c:a copy为重新编码
• 使用文件列表式拼接
• 用-af "lowpass=f=2800"可滤除伪影，但会严重改变人声音质
• Audacity中未观测到音频异常波形

解决方案 #

1. 修复音频分割的帧对齐问题 #

MP3是基于帧的编码格式，直接用-c copy分割时，如果时间点不在帧边界上，会导致音频文件存在隐式的帧偏移或损坏，后续拼接时触发伪影。分割时放弃流复制，改用高质量重新编码确保帧对齐：

.\ffmpeg.exe -y -hide_banner -i TTSAudio.mp3 -ss 359.944 -to 372.02479 -c:a libmp3lame -q:a 2 partXY.mp3

-q:a 2是MP3的高质量编码参数，音质接近原文件，不会对人声造成可感知的损失。

2. 拼接阶段强制音频同步编码 #

即使单个视频音频正常，拼接时的流复制可能因为各片段音频帧的细微参数差异导致同步异常。拼接时对音频进行重新编码，同时保留视频流复制以保证画质：

.\ffmpeg.exe -y -hide_banner -i part000.mp4 -i part001.mp4 -i part002.mp4 -filter_complex "[0:v] [0:a] [1:v] [1:a] [2:v] [2:a] concat=n=3:v=1:a=1 [v] [a]" -map "[v]" -map "[a]" -c:v copy -c:a libmp3lame -q:a 2 final_video.mp4

3. 改用「先拼音频，再合成视频」的流程 #

绕开片段视频拼接的音频兼容问题，先将所有分割好的音频拼接成完整音频，再与对应视频内容合成最终视频：

• 步骤1：拼接音频
  创建audio_list.txt，内容格式如下：

file 'part000.mp3'
file 'part001.mp3'
file 'part002.mp3'

执行音频拼接：

.\ffmpeg.exe -y -hide_banner -f concat -i audio_list.txt -c:a libmp3lame -q:a 2 full_audio.mp3

• 步骤2：合成最终视频
  如果是单张静态图对应完整音频：

.\ffmpeg.exe -y -hide_banner -framerate 30 -loop 1 -i full_image.png -i full_audio.mp3 -c:v libx265 -c:a copy -shortest final_video.mp4

如果需要对应不同片段的图片，先合成无音频的视频片段，再拼接视频流，最后合并完整音频：

# 合成无音频的单片段视频（替换<片段时长>为实际时长，比如12.08）
.\ffmpeg.exe -y -hide_banner -framerate 30 -loop 1 -i XY_full.png -t 12.08 -c:v libx265 partXY_nosound.mp4
# 拼接所有无音频视频片段（先创建video_list.txt，格式同audio_list.txt）
.\ffmpeg.exe -y -hide_banner -f concat -i video_list.txt -c:v copy full_video_nosound.mp4
# 合并视频与完整音频
.\ffmpeg.exe -y -hide_banner -i full_video_nosound.mp4 -i full_audio.mp3 -c:v copy -c:a copy -shortest final_video.mp4

4. 统一所有音频的基础参数 #

确保所有音频片段的采样率、声道数、比特率完全一致，先用ffprobe检测参数：

.\ffprobe.exe -v error -select_streams a:0 -show_entries stream=sample_rate,bit_rate,channels -of default=noprint_wrappers=1:nokey=1 partXY.mp3

如果存在差异，分割时统一参数：

.\ffmpeg.exe -y -hide_banner -i TTSAudio.mp3 -ss 359.944 -to 372.02479 -c:a libmp3lame -q:a 2 -ar 44100 -ac 1 partXY.mp3

-ar 44100强制采样率为44.1kHz，-ac 1强制单声道，与原音频参数匹配。

内容的提问来源于stack exchange，提问作者LML