用ffmpeg对视频添加语音、背景音乐和字幕的方法

先看代码：

ffmpeg.exe ^
-i "D:/test/video.mp4" ^
-i "D:/test/voice.mp3" ^
-i "D:/test/music.mp3" ^
-i "D:/test/voice.srt" ^
-filter_complex "[1:a]volume=1.0,asetpts=PTS-STARTPTS[a_voice];[2:a]volume=0.5,asetpts=PTS-STARTPTS[a_music];[a_voice][a_music]amix=inputs=2:duration=first[audio_mixed];[0:v]subtitles='D\:/test/voice.srt':force_style='Fontsize=24,Fontcolor=white'[vout]" ^
-map "[vout]" ^
-map "[audio_mixed]" ^
-c:v libx264 -crf 23 -preset veryfast -c:a aac -b:a 128k ^
-disposition:a:0 default ^
"D:/test/output_final.mp4"

以上代码成功完成了添加语音、背景音乐和字幕，完美。

再看解释：
这个复杂滤镜链由多个部分组成，用分号(;)分隔，每个部分负责处理不同的输入流或组合它们。

调整语音音量及时间戳:

• [1:a]volume=1.0,asetpts=PTS-STARTPTS[a_voice]
  [1:a] 指的是第二个输入文件（voice.mp3）的音频部分。
  volume=1.0 设置音量为原始音量的100%（无增减）。
  asetpts=PTS-STARTPTS 重置音频的时间戳，确保与视频同步。
  最后 [a_voice] 是这个处理后的音频流的标签。
  调整背景音乐音量及时间戳:

• [2:a]volume=0.5,asetpts=PTS-STARTPTS[a_music]
  类似地，处理第三个输入文件（music.mp3）的音频。
  volume=0.5 将音量设置为原始的一半。
  同样使用asetpts重置时间戳。
  [a_music] 标记处理后的音频流。
  音频混合:

• [a_voice][a_music]amix=inputs=2:duration=first[audio_mixed]
  [a_voice] 和 [a_music] 被送入amix滤镜进行混合。
  inputs=2 指明有两个输入流参与混合。
  duration=first 确保混合后的音频长度与第一个输入（[a_voice]）相同，这样如果voice.mp3的长度与视频匹配，则音频不会过长。
  字幕叠加到视频:

• [0:v]subtitles=‘D:/test/voice.srt’:force_style=‘Fontsize=24,Fontcolor=white’[vout]
  [0:v] 表示第一个输入文件（video.mp4）的视频流。
  subtitles=‘D:/test/voice.srt’ 将指定的SRT字幕文件叠加到视频上。
  force_style=‘Fontsize=24,Fontcolor=white’ 设置字幕样式：字体大小为24，颜色为白色。
  [vout] 标签表示处理后的视频流，包含叠加了字幕的视频。

• 其他重要参数
  -map “[vout]” -map “[audio_mixed]” 指定最终输出使用哪些流：处理过的视频流[vout]和混合后的音频流[audio_mixed]。
  -t $(ffprobe …) 动态获取视频的时长，并将其作为输出的持续时间，确保输出与源视频时长相符。
  其余参数涉及视频和音频的编码设置，如使用H.264编码器(-c:v libx264)、CRF值(-crf 23)、预设(-preset veryfast)、AAC音频编码(-c:a aac)和音频比特率(-b:a 128k)等，用于控制输出文件的质量和兼容性。

综上所述，这段命令通过精细的音频处理和视频字幕叠加，实现了按照video.mp4的时长来输出一个包含调整音量的语音、背景音乐和字幕的最终视频文件。