嘿，这个需求用FFmpeg的滤镜链就能轻松实现，我给你拆解一下具体的命令和思路：

核心思路是用FFmpeg的aevalsrc滤镜生成指定时长的静音片段，再通过concat滤镜把原始音频和静音段按你要求的顺序拼接起来，这样能精准控制每个间隔的时长和顺序。

完整的FFmpeg命令 #

ffmpeg -i File1.opus -i File2.opus -i File3.opus \
-filter_complex "
aevalsrc=0:d=1[s1];  # 生成1秒的静音片段
aevalsrc=0:d=0.5[s2]; # 生成0.5秒的静音片段
aevalsrc=0:d=0.5[s3]; # 生成另一段0.5秒的静音片段
# 按顺序拼接所有片段：File1 → 1秒静音 → File2 → 0.5秒静音 → File3 → 0.5秒静音
[0:a][s1][1:a][s2][2:a][s3]concat=n=6:v=0:a=1[outa]
" \
-map "[outa]" -c:a libopus merged_output.opus

命令各部分解释 #

• -i File1.opus -i File2.opus -i File3.opus：一次性导入你需要合并的三个原始Opus音频文件
• aevalsrc=0:d=X[sX]：aevalsrc是FFmpeg用来生成自定义音频的滤镜，0代表输出静音（音频采样值为0），d=X用来指定静音的时长，[sX]是给这段静音起的标签，方便后续拼接时调用
• concat=n=6:v=0:a=1[outa]：concat是拼接滤镜，n=6表示我们总共要拼接6个片段（3个原音频+3个静音），v=0表示不需要处理视频流，a=1表示保留1条音频流，[outa]是给拼接好的最终音频流起的标签
• -map "[outa]"：告诉FFmpeg我们要输出刚才拼接好的音频流
• -c:a libopus：指定输出文件的音频编码为Opus，确保最终输出是你需要的Opus格式
• merged_output.opus：替换成你想要的最终输出文件名即可

额外提示 #

如果你的原始Opus文件有特定的采样率、比特率等参数，想要让输出文件和原文件保持一致，可以在命令末尾加上对应的参数，比如原文件是48kHz采样率，就添加-ar 48000；如果需要指定比特率，就加-b:a 128k（数值可根据需求调整）。

备注：内容来源于stack exchange，提问作者m_collard