FFmpeg执行xstack命令音画不同步，能否单次编码同时完成音视频混流？

核心问题原因 #

• 分两次处理音视频是导致音画不同步的直接原因：第一次处理视频时，fps=24滤镜会通过丢帧/插帧适配统一帧率，最终生成的视频时长和直接基于原始输入拼接的音频时长存在偏差，第二次处理时直接复用第一次的视频流，二者时间轴没有绑定，自然出现不同步。
• swscaler的未对齐警告仅影响编码速度，和音画同步、输出质量无关，可以忽略。

单命令合并实现方案 #

完全可以在单次FFmpeg任务中同时完成xstack堆叠和音频混流，不需要中间文件，也没有额外磁盘开销，反而比两次处理更省存储空间。
合并后的命令结构如下：

'c:/ydl/ffmpeg.exe',
'-i', 'input0.mp4',
'-i', 'input1.mp4',
# 此处依次填入所有15个输入文件
'-i', 'input14.mp4',
'-filter_complex',
# 原有视频处理逻辑保持不变，最后给xstack输出添加标签[out_v]
'[0]scale=480:270:force_original_aspect_ratio=decrease,pad=480:270:(ow-iw)/2:(oh-ih)/2, setsar=1[rsclbf0];[rsclbf0]fps=24[rscl0];
[1]scale=480:270:force_original_aspect_ratio=decrease,pad=480:270:(ow-iw)/2:(oh-ih)/2, setsar=1[rsclbf1];[rsclbf1]fps=24[rscl1];
# 中间其余输入的scale、fps处理逻辑保持不变
[rscl0][rscl1][rscl2][rscl3][rscl4]concat=n=5[cct0];[rscl5][rscl6][rscl7]concat=n=3[cct1];[rscl8][rscl9][rscl10]concat=n=3[cct2];[rscl11][rscl12][rscl13][rscl14]concat=n=4[cct3];[cct0][cct1][cct2][cct3]xstack=inputs=4:layout=0_0|w0_0|0_h0|w0_h0[out_v];
# 新增原有音频处理逻辑，最后给amix输出添加标签[out_a]
[0:a][1:a][2:a][3:a][4:a]concat=n=5:v=0:a=1[cct_a0];[5:a][6:a][7:a]concat=n=3:v=0:a=1[cct_a1];[8:a][9:a][10:a]concat=n=3:v=0:a=1[cct_a2];[11:a][12:a][13:a][14:a]concat=n=4:v=0:a=1[cct_a3];[cct_a0][cct_a1][cct_a2][cct_a3]amix=inputs=4[out_a]',
# 直接映射处理完成的音视频流
'-map', '[out_v]',
'-map', '[out_a]',
# 按需设置编码参数即可
'-c:v', 'libx264',
'-c:a', 'aac',
'output.mp4'

不同帧率输入的处理逻辑说明 #

你当前用fps=24统一所有输入帧率的做法是正确的：

• FFmpeg处理不同帧率输入时，如果没有显式指定帧率统一逻辑，会自动选择第一个输入的帧率作为输出基准，容易出现画面卡顿或不同步。
• 你显式给所有输入加fps=24滤镜，会将所有输入的视频帧统一适配为24fps，配合单次任务的统一时间轴，音视频时间戳会严格对齐，不会出现同步问题。

内容的提问来源于stack exchange，提问作者jokoon