如何使用FFmpeg合成静态图音频并叠加视频层 输出时长匹配音频

可直接运行的正确命令 #

ffmpeg -r 25 -loop 1 -i ./nature.jpg -i ./overlay.mp4 -i nature_sound.mp3 \
  -filter_complex \
  "[0:v]setsar=1[bg]; \
   [1:v]setsar=1[ol_raw]; \
   [ol_raw]format=rgba[ol]; \
   [bg][ol]blend=all_mode=screen:shortest=0[outv]" \
  -map "[outv]" -map 2:a \
  -c:v libx264 -pix_fmt yuv420p -c:a copy \
  -shortest \
  output.mp4

原有命令的错误点 #

• 仅映射了滤镜输出的视频流，未指定音频流映射，最终输出无MP3音轨
• 未配置全局-shortest截断规则，输出时长会默认取最长输入流（5分钟覆盖层视频），无法匹配2-3分钟的音频长度
• 未对静态背景做采样宽高比校正，部分素材可能出现画面拉伸
• 未指定视频编码参数，默认编码参数可能存在播放器兼容性问题

filter_complex 逐段逻辑说明 #

filter_complex的核心规则是按流标签串联处理步骤，格式为[输入流标签]滤镜参数[输出流标签]，各步骤作用如下：

• [0:v]setsar=1[bg]：取第0个输入（nature.jpg静态图）的视频流，将采样宽高比设为1避免拉伸，处理后的流标记为bg（背景层）
• [1:v]setsar=1[ol_raw]：取第1个输入（overlay.mp4覆盖层）的视频流，同步校正采样宽高比和背景层对齐，处理后的流标记为ol_raw（原始覆盖层）
• [ol_raw]format=rgba[ol]：将覆盖层转换为RGBA颜色格式，确保透明通道识别、滤色混合的颜色计算准确，处理后的流标记为ol（待叠加覆盖层）
• [bg][ol]blend=all_mode=screen:shortest=0[outv]：将背景层和覆盖层按screen（滤色）模式混合，黑底素材的黑色区域会被完全滤除，正好适配动态logo这类素材的叠加需求。这里shortest=0是为了避免静态图循环流被误判为短流提前终止混合，混合完成的视频流标记为outv（最终输出视频流）

其余参数作用 #

• -map "[outv]" -map 2:a：明确指定输出内容为滤镜处理完成的视频流、第2个输入（nature_sound.mp3）的音频流，不会混入覆盖层自带的音轨
• -c:v libx264 -pix_fmt yuv420p：指定视频用H.264编码，采用兼容性最好的yuv420p颜色格式，全平台播放器可正常播放
• -c:a copy：音频直接复制MP3原始流，不重新编码，合成速度快无音质损失
• -shortest：全局截断规则，所有输入流中最短的流结束时立即终止编码，这里最短流为MP3音频，因此最终输出时长和音频完全一致，不会保留覆盖层多余的时长

补充：如果使用的覆盖层本身自带透明Alpha通道，可将blend滤镜行替换为[bg][ol]overlay=0:0[outv]，叠加精度更高，其余参数无需修改。

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