FFmpeg分割、修剪、图片转视频及拼接操作问题排查

我刚仔细看了你的FFmpeg脚本和遇到的问题，帮你梳理下问题根源和修正方案~

你的原始PowerShell脚本 #

ffmpeg -hide_banner `
-loop 1 -t 3 -i image.jpg `
-i input.mp4 `
-filter_complex "`
[1:v] split=2 [v1][v2];
[1:a] asplit=2 [a1][a2]; `
[v1] trim=start=10:duration=10, setpts=PTS-STARTPTS [ov1];`
[a1] atrim=start=10:duration=10, asetpts=PTS-STARTPTS [oa1];`
[v2] trim=start=40:duration=10, setpts=PTS-STARTPTS [ov2];`
[a2] atrim=start=40:duration=10, asetpts=PTS-STARTPTS [oa2];`
[0][ov1][ov2] concat=n=3:v=1:a=0 [v]; `
[oa1][oa2] concat=n=2:v=0:a=1 [ca]; `
[ca] adelay=3s|3s|3s|3s|3s|3s, asetpts=PTS-STARTPTS [a]; `
"`
-map "[v]" -map "[a]" `
-c:v libx264 -preset slow -crf 20 `
-c:a aac -b:a 128k `
output.mp4

你遇到的错误提示 #

Non-monotonic DTS; previous: 1024, current: 0; changing to 1025. This may result in incorrect timestamps in the output file.

核心问题分析 #

你的需求逻辑是完全对的：3秒图片视频 + 两段10秒的修剪视频拼接成23秒总时长，音频延迟3秒同步视频。但问题出在两个关键点：

1. 图片流缺少帧率指定：你转图片为视频时没指定帧率，FFmpeg会用默认值，和原视频的25fps不匹配，直接导致时间戳混乱，出现DTS警告，甚至拼接时后续视频流被忽略，只输出图片。
2. 流参数不统一：concat滤镜对输入流的像素格式、帧率等参数一致性要求极高，图片流和原视频流的隐性参数差异，会导致拼接失效。

修正后的PowerShell脚本 #

ffmpeg -hide_banner `
# 给图片指定和原视频一致的25fps，从根源对齐时间戳
-framerate 25 -loop 1 -t 3 -i image.jpg `
-i input.mp4 `
-filter_complex "`
[1:v] split=2 [v1][v2];`
[1:a] asplit=2 [a1][a2];`
# 修剪视频并重置时间戳
[v1] trim=start=10:duration=10, setpts=PTS-STARTPTS [ov1];`
[a1] atrim=start=10:duration=10, asetpts=PTS-STARTPTS [oa1];`
[v2] trim=start=40:duration=10, setpts=PTS-STARTPTS [ov2];`
[a2] atrim=start=40:duration=10, asetpts=PTS-STARTPTS [oa2];`
# 统一图片流的像素格式，和原视频的yuv420p完全匹配
[0] format=yuv420p [imgv];`
# 拼接3段视频流：图片+两段修剪后的视频
[imgv][ov1][ov2] concat=n=3:v=1:a=0, setpts=PTS-STARTPTS [v];`
# 拼接音频流并延迟3秒（5.1声道需要6个延迟值，用毫秒更稳定）
[oa1][oa2] concat=n=2:v=0:a=1, adelay=3000|3000|3000|3000|3000|3000, asetpts=PTS-STARTPTS [a];`
"`
-map "[v]" -map "[a]" `
-c:v libx264 -preset slow -crf 20 `
-c:a aac -b:a 128k `
output.mp4

修正点说明 #

1. 强制对齐帧率：添加-framerate 25让图片转视频的帧率和原视频完全一致，彻底解决时间戳不连续的DTS警告。
2. 统一像素格式：用format=yuv420p确保图片流和原视频流的像素格式匹配，满足concat滤镜的严格要求。
3. 简化音频处理：把音频拼接和延迟合并到一个滤镜链，减少中间节点，避免额外的时间戳问题。
4. 明确时间单位：把3s改成3000（毫秒），FFmpeg对毫秒单位的解析更稳定，避免跨环境兼容问题。

预期效果 #

修正后运行脚本，你会看到：

• 输出视频时长正确为23秒（3秒图片+10秒+10秒）
• 音频会在第3秒开始播放，和后续视频片段完美同步
• 不再出现DTS时间戳警告

备注：内容来源于stack exchange，提问作者Celdor