如何使用FFmpeg稳定拼接含/不含音频的视频文件？

我最近也碰到过一模一样的难题——手里攒着一堆视频文件，少则5个，多的时候能有上百个，有的带音频轨道，有的完全没声音。而且为了拼接不出错，我还得先把所有视频统一尺寸（比如用-vf "320:240"强制缩放，SAR和DAR的问题先放一边，唉，这部分真的头大），最终目标就是把这些零散的视频拼成一个完整的文件。

之前我也试过各种官方资料里的方法，比如外部列表文件的拼接方式，但总是不稳定，踩了好几个坑。折腾半天后，我琢磨出用FFmpeg的-filter_complex滤镜脚本来实现，稳定性靠谱多了，思路大概是这样：

第一步：先统一视频尺寸（可选但强烈推荐） #

如果你的视频尺寸参差不齐，先批量把它们转成相同分辨率，避免拼接时出错。单文件处理命令是：

ffmpeg -i 你的原视频.mp4 -vf "scale=320:240" -c:a copy 缩放后的视频.mp4

要是原视频本身没有音频，这个命令也会保留无音频的状态，不用额外调整。

第二步：编写滤镜脚本文件（比如命名为combine.txt） #

这个脚本用来定义每个输入文件的流，以及拼接规则，示例内容如下：

# 逐个引入视频文件，带音频的要同时声明视频和音频流
[in0:v][in0:a] movie="sample0_scaled.mp4"  # 带音频的视频
[in1:v] movie="sample1_scaled.mp4"         # 无音频的视频
[in2:v][in2:a] movie="sample2_scaled.mp4"  # 带音频的视频

# 拼接所有视频流：n=3表示总共有3个视频输入，v=1表示处理视频轨道
[v_concat] concat=n=3:v=1:a=0 [v_out]

# 拼接所有存在的音频流：n=2表示这里有2个音频输入，a=1表示处理音频轨道
[a_concat] concat=n=2:v=0:a=1 [a_out]

# 把拼接好的视频和音频合并成最终输出流
[v_out][a_out] concat=n=1:v=1:a=1 [final_out]

• 要是某个视频没有音频，只写[inX:v] movie="文件名.mp4"就行，不用加音频流的声明
• 音频拼接的部分要对应所有带音频的文件数量，要是所有视频都没音频，直接删掉音频拼接的代码块就行

第三步：执行拼接命令 #

用FFmpeg调用刚才写的脚本，生成最终的拼接视频：

ffmpeg -filter_complex_script combine.txt -map "[final_out]" -c:v libx264 -c:a aac 最终输出.mp4

这样操作下来，不管视频有没有音频，都能稳定拼接成一个完整的文件啦～

备注：内容来源于stack exchange，提问作者Skeeve