使用FFmpeg拼接开场视频与带ASS歌词的视频时歌词显示延迟问题

我来帮你排查并解决这个歌词延迟的问题。结合你的操作流程，我们可以从几个关键环节入手定位原因，再逐一修复：

1. 先确认ASS歌词的时间轴基准是否匹配拼接后的视频 #

你是从LRC转成ASS格式，这个转换过程很可能是基于原视频的时间轴生成的歌词时间码。但当你拼接开场视频后，整个视频的总时长被拉长了，原ASS歌词的起始时间却没有对应偏移，自然就会出现延迟。

• 解决办法：用ASS编辑工具（比如Aegisub）打开out.ass，把所有歌词的时间码整体往后偏移开场视频的时长。比如开场视频是8秒，那每一句歌词的起始、结束时间都要加8秒。修改后保存成新的ASS文件再使用。

2. 排查视频拼接时的时间轴对齐问题 #

你用文本文件拼接视频，大概率是用了FFmpeg的concat demuxer。这种方式要求所有待拼接的视频参数完全一致（帧率、分辨率、编码格式、采样率等），否则FFmpeg会自动调整时间轴来适配，间接导致歌词错位。

• 标准化视频参数的命令示例：

  # 统一开场视频参数（以30fps、1080P、AAC音频为例）
  ffmpeg -i opening.mp4 -c:v libx264 -r 30 -s 1920x1080 -c:a aac -b:a 128k opening_std.mp4
  # 统一加了歌词的原视频参数
  ffmpeg -i amr.mp4 -c:v libx264 -r 30 -s 1920x1080 -c:a aac -b:a 128k amr_std.mp4
  

• 然后用标准格式的文本文件拼接：
  新建concat_list.txt，内容为：

  file 'opening_std.mp4'
  file 'amr_std.mp4'
  

• 执行拼接命令：

  ffmpeg -f concat -safe 0 -i concat_list.txt -c copy final_video.mp4
  

3. 优化淡入滤镜的写法，避免帧计数导致的时间误差 #

你用的fade=in:0:30是按帧计数（30帧）来做淡入，但如果视频帧率不一致，30帧对应的实际时长会变，可能间接影响时间轴计算。换成基于时间的写法更稳妥：

ffmpeg -i video.mp4 -vf "ass=out.ass,fade=in:st=0:d=1" -y amr.mp4

这里d=1表示淡入持续1秒，不管帧率多少都能保证效果一致。

4. 换个流程：先拼接视频，再添加歌词和淡入 #

如果前面的调整还是有问题，可以彻底换个操作顺序——先把开场视频和原视频拼接好，再给最终的拼接视频添加调整好时间轴的ASS歌词和淡入效果。这样能避免中间步骤的时间轴偏移风险：

1. 按照步骤2的方法拼接得到combined.mp4
2. 调整ASS歌词的时间轴（加上开场视频时长）得到adjusted_out.ass
3. 执行添加歌词和淡入的命令：

   ffmpeg -i combined.mp4 -vf "ass=adjusted_out.ass,fade=in:st=0:d=1" -y final_with_lyrics.mp4
   

内容的提问来源于stack exchange，提问作者user7179690