如何通过FFmpeg CLI替换视频指定时间戳的单帧画面？

完全可以不用提取所有帧再重新拼接！FFmpeg的滤镜系统能直接帮你完成这个操作，效率高得多。下面是针对你需求的具体方案：

核心命令 #

假设你要替换input.mp4中00:01:23.456这个时间点的帧为image.png，生成out.mp4，可以用这条命令：

ffmpeg -i input.mp4 -i image.png -filter_complex \
"[0:v]trim=start=0:end=00:01:23.456,setpts=PTS-STARTPTS[v1]; \
[0:v]trim=start=00:01:23.456,setpts=PTS-STARTPTS[v2]; \
[1:v]format=yuva420p,fade=d=0.001:t=in:alpha=1,fade=d=0.001:t=out:alpha=1[img]; \
[v1][img][v2]concat=n=3:v=1:a=0[outv]" \
-map "[outv]" -map 0:a -c:a copy -c:v libx264 -crf 23 out.mp4

参数详解 #

我来拆解下这条命令的关键部分：

1. 视频分段与时间控制：

   • trim=start=0:end=00:01:23.456：把原视频拆成两段，第一段是从开头到目标时间点的前一帧
   • trim=start=00:01:23.456：第二段是从目标时间点开始到视频结尾
   • setpts=PTS-STARTPTS：重置每段视频的时间戳，避免拼接后出现播放卡顿或跳帧

2. 图片处理：

   • format=yuva420p：将图片转换为带透明通道的格式，保证后续过渡效果的兼容性（哪怕图片本身没有透明区域也建议加上）
   • fade=d=0.001:t=in:alpha=1和fade=d=0.001:t=out:alpha=1：给图片加极短的透明过渡，避免替换的帧出现生硬跳变——如果完全不需要过渡，可以直接去掉这两个滤镜

3. 拼接与输出：

   • concat=n=3:v=1:a=0：把第一段视频、处理后的图片、第二段视频拼接成一个新的视频流
   • -map 0:a -c:a copy：直接拷贝原视频的音频流，不用重新编码，节省大量时间
   • -c:v libx264 -crf 23：用H.264编码输出视频，CRF值23是平衡画质和体积的默认值，你可以按需调整（值越小画质越好、体积越大）

注意事项 #

• 时间精度：FFmpeg支持毫秒级时间戳，格式可以是HH:MM:SS.mmm或者直接用秒数（比如83.456秒）
• 图片分辨率：确保图片尺寸和原视频一致，如果不一致，可以在图片滤镜链里加上scale=w=原视频宽度:h=原视频高度（比如[1:v]scale=1920:1080,format=yuva420p,...[img]）
• 帧率匹配：如果原视频帧率不是整数，可能需要微调时间戳，或者用fps滤镜强制统一帧率
• 播放兼容性：如果输出视频在部分播放器里有问题，可以加上-movflags +faststart参数，优化MP4的流式播放体验

如果你只想让图片仅替换单帧（也就是只显示一帧的时长），上面的命令已经实现了——因为trim的分割点刚好卡在目标帧的位置，图片会被插入作为单独一帧。如果需要让图片显示更长时间，只需要调整第二段trim的start时间（比如原视频帧率30，想让图片显示2帧，就把start改成00:01:23.456 + 0.066）。

内容的提问来源于stack exchange，提问作者user1361529