FFMPEG - 连接来自不同来源的 mp4 - 无法停止 "Non-monotonous DTS in output stream"警告

Question

我需要连接来自不同来源的 mp4 文件，这意味着一些变量是我无法控制的，例如时基、纵横比和编码。因此，为了解决这个问题，我重新编码并尝试在连接文件之前对其进行标准化。不幸的是，尽管如此，我还是得到了 Non-monotonous DTS in output stream在连接阶段发出警告，并且输出视频似乎总是在最后一段中断音频/视频同步。

我知道还有很多其他关于解决上述警告的问题，但我已经通过所有这些问题并查看了文档..但不幸的是我仍然无法解决它..

我认为我不明白的是:如果我有来自不同来源的 mp4，我究竟需要做什么来确保文件总是整齐地连接在一起？

到目前为止我尝试过的

我用来在连接之前标准化 mp4 文件的脚本如下(修改分辨率、帧速率、时基、音频比特率、视频比特率、音频编码和视频编码):

ffmpeg -y -i $1 -vf 'scale=1280:720:force_original_aspect_ratio=1,pad=1280:720:(ow-iw)/2:(oh-ih)/2' -r 30 -video_track_timescale 90000 -b:a 128K -b:v 1200K -c:a aac -c:v libx264 $2

这是 ffprobe两个文件的输出，有一些差异，但我不确定它们是否重要？

Input #0, mov,mp4,m4a,3gp,3g2,mj2, from 'intro.mp4':
  Metadata:
    major_brand     : isom
    minor_version   : 512
    compatible_brands: isomiso2avc1mp41
    encoder         : Lavf58.12.100
  Duration: 00:00:08.98, start: 0.000000, bitrate: 1210 kb/s
    Stream #0:0(eng): Video: h264 (avc1 / 0x31637661), yuv420p, 1280x720 [SAR 1:1 DAR 16:9], 1069 kb/s, 30 fps, 30 tbr, 90k tbn, 60 tbc (default)
    Metadata:
      handler_name    : VideoHandler
    Stream #0:1(eng): Audio: aac (mp4a / 0x6134706D), 48000 Hz, stereo, fltp, 132 kb/s (default)
    Metadata:
      handler_name    : SoundHandler

Input #0, mov,mp4,m4a,3gp,3g2,mj2, from 'middle.mp4':
  Metadata:
    major_brand     : isom
    minor_version   : 512
    compatible_brands: isomiso2avc1mp41
    encoder         : Lavf58.12.100
  Duration: 00:00:59.72, start: 0.000000, bitrate: 1200 kb/s
    Stream #0:0(und): Video: h264 (avc1 / 0x31637661), yuv420p, 1280x720 [SAR 1:1 DAR 16:9], 1063 kb/s, 30 fps, 30 tbr, 90k tbn, 60 tbc (default)
    Metadata:
      handler_name    : VideoHandler
    Stream #0:1(und): Audio: aac (mp4a / 0x6134706D), 44100 Hz, stereo, fltp, 128 kb/s (default)
    Metadata:
      handler_name    : SoundHandler

此时它们都有正常的视频和音频。

之后，我将它们连接起来并使用以下内容添加水印(很糟糕，我需要在这里重新编码):

  ffmpeg -y \
    -f concat \
    -safe 0 \
    -i $INFILES \
    -c:v libx264 \
    -c:a copy \
    -preset fast \
    -vf drawtext=enable="'between(t, $DRAW_TEXT_DELAY, $DRAW_TEXT_DURATION)': fontfile=$FONT_DIR/$FONT: text='$TEXT': fontcolor=$FONTCOLOR: fontsize=$FONTSIZE: $POSITION" \
    $OUTFILE

INFILES是文本文件的路径，格式如下:

file /usr/src/app/data/test/out/intro.mp4
file /usr/src/app/data/test/out/middle.mp4
file /usr/src/app/data/test/out/outro.mp4

我在这里想念什么？有没有办法进一步调试？

Answer 1

您的音频流具有不同的采样率，并且也可能具有不同的 channel 数。此外，压缩的 MPEG 音频流将在 concat 时引入轻微的异步。

利用

ffmpeg -y -i $1 -vf 'scale=1280:720:force_original_aspect_ratio=1,pad=1280:720:(ow-iw)/2:(oh-ih)/2,setsar=1,format=yuv420p' -r 30 -c:v libx264 -b:v 1200K -ac 2 -ar 48000 -c:a pcm_s16le -video_track_timescale 90000 $2

标准化，但保存到 MOV。

然后在 concat 期间，更改 -c:a copy至 -c:a aac .