ffmpeg: Synchronisieren von Audio aus überlagertem Video, wenn das Video abgespielt wird

Ich versuche zwei Videos zu kombinieren:

• Ein Basisvideo
• Ein kürzeres Video wird oben eingeblendet und beginnt 2 Sekunden vor dem Basisvideo

Wenn ich dies tue, beginnt der Ton des überlagerten Videos sofort mit dem Start des Basisvideos und nicht, wenn das überlagerte Video angezeigt wird.

Ich habe Dutzende von Permutationen von Setpts, Asetpts, Adelay usw. ausprobiert und kann das Audio für das überlagerte Video nicht abspielen, wenn das überlagerte Video angezeigt wird. Ich habe versucht, verwandte Fragen auf dieser Website zu finden, habe aber keine gefunden, die dies beantwortet.

Hier ist:

• Das Basisvideo ist ein 10 Sekunden langes 1280x720-Video mit durchgehendem rotem Hintergrund und stummem Ton: https://drive.google.com/file/d/0B56RokrDs3xaVGxGeU9ndVRjU1U/view?usp=sharing
• Das Overlay-Video ist ein 5 Sekunden langes 640x480-Video eines Autos mit etwas Ton: https://drive.google.com/file/d/0B56RokrDs3xaaTNqRXF3Y2FldG8/view?usp=sharing
• Das Ergebnis des Befehls unten, bei dem das Video wie gewünscht angezeigt wird, das Audio ist jedoch nicht mehr mit dem überlagerten Video synchronisiert: https://drive.google.com/file/d/0B56RokrDs3xaLXo3bEpydmZmV1E/view?usp=sharing

Hier ist meine vollständige Befehlszeile und Ausgabe, bei der ich versuche, das Overlay-Video in die Mitte des Basisvideos zu setzen, wobei ich zwei Sekunden in das Video beginne.

ffmpeg -y -i base.mp4 -i overlay.mp4 -c:v libx264 -c:a libfdk_aac -filter_complex " [0:v] setpts=PTS-STARTPTS [b1] ; [1:v] setpts=PTS-STARTPTS+2/TB [b2] ; [b1] [b2] overlay=x=320:y=120:eof_action=pass [outv] ; [1:a] adelay=2|2 [outa] " -map "[outv"] -map "[outa]" combined.mp4 ffmpeg version N-81978-g03d6d5f Copyright (c) 2000-2016 the FFmpeg developers built with gcc 4.8 (Ubuntu 4.8.4-2ubuntu1~14.04.3) configuration: --enable-gpl --enable-libx264 --enable-nonfree --enable-libfdk-aac libavutil 55. 32.100 / 55. 32.100 libavcodec 57. 61.102 / 57. 61.102 libavformat 57. 51.107 / 57. 51.107 libavdevice 57. 0.102 / 57. 0.102 libavfilter 6. 63.100 / 6. 63.100 libswscale 4. 1.100 / 4. 1.100 libswresample 2. 2.100 / 2. 2.100 libpostproc 54. 0.100 / 54. 0.100 Input #0, mov,mp4,m4a,3gp,3g2,mj2, from 'base.mp4': Metadata: major_brand : isom minor_version : 512 compatible_brands: isomiso2avc1mp41 encoder : Lavf57.51.107 Duration: 00:00:10.05, start: 0.000000, bitrate: 116 kb/s Stream #0:0(und): Video: h264 (High) (avc1 / 0x31637661), yuv420p, 1280x720 [SAR 1:1 DAR 16:9], 10 kb/s, 29.97 fps, 29.97 tbr, 30k tbn, 59.94 tbc (default) Metadata: handler_name : VideoHandler Stream #0:1(und): Audio: aac (LC) (mp4a / 0x6134706D), 44100 Hz, mono, fltp, 96 kb/s (default) Metadata: handler_name : SoundHandler Input #1, mov,mp4,m4a,3gp,3g2,mj2, from 'overlay.mp4': Metadata: major_brand : isom minor_version : 512 compatible_brands: isomiso2avc1mp41 encoder : Lavf57.51.107 Duration: 00:00:05.05, start: 0.000000, bitrate: 1821 kb/s Stream #1:0(und): Video: h264 (High) (avc1 / 0x31637661), yuv420p, 640x480 [SAR 1:1 DAR 4:3], 1728 kb/s, 29.97 fps, 29.97 tbr, 30k tbn, 59.94 tbc (default) Metadata: handler_name : VideoHandler Stream #1:1(und): Audio: aac (LC) (mp4a / 0x6134706D), 44100 Hz, mono, fltp, 96 kb/s (default) Metadata: handler_name : SoundHandler [libx264 @ 0x3076e40] using SAR=1/1 [libx264 @ 0x3076e40] using cpu capabilities: MMX2 SSE2Fast SSSE3 SSE4.2 AVX AVX2 FMA3 LZCNT BMI2 [libx264 @ 0x3076e40] profile High, level 3.1 [libx264 @ 0x3076e40] 264 - core 142 - H.264/MPEG-4 AVC codec - Copyleft 2003-2014 - http://www.videolan.org/x264.html - options: cabac=1 ref=3 deblock=1:0:0 analyse=0x3:0x113 me=hex subme=7 psy=1 psy_rd=1.00:0.00 mixed_ref=1 me_range=16 chroma_me=1 trellis=1 8x8dct=1 cqm=0 deadzone=21,11 fast_pskip=1 chroma_qp_offset=-2 threads=12 lookahead_threads=2 sliced_threads=0 nr=0 decimate=1 interlaced=0 bluray_compat=0 constrained_intra=0 bframes=3 b_pyramid=2 b_adapt=1 b_bias=0 direct=1 weightb=1 open_gop=0 weightp=2 keyint=250 keyint_min=25 scenecut=40 intra_refresh=0 rc_lookahead=40 rc=crf mbtree=1 crf=23.0 qcomp=0.60 qpmin=0 qpmax=69 qpstep=4 ip_ratio=1.40 aq=1:1.00 Output #0, mp4, to 'combined.mp4': Metadata: major_brand : isom minor_version : 512 compatible_brands: isomiso2avc1mp41 encoder : Lavf57.51.107 Stream #0:0: Video: h264 (libx264) ([33][0][0][0] / 0x0021), yuv420p, 1280x720 [SAR 1:1 DAR 16:9], q=-1--1, 29.97 fps, 30k tbn, 29.97 tbc (default) Metadata: encoder : Lavc57.61.102 libx264 Side data: cpb: bitrate max/min/avg: 0/0/0 buffer size: 0 vbv_delay: -1 Stream #0:1: Audio: aac (libfdk_aac) ([64][0][0][0] / 0x0040), 44100 Hz, mono, s16, 96 kb/s (default) Metadata: encoder : Lavc57.61.102 libfdk_aac Stream mapping: Stream #0:0 (h264) -> setpts Stream #1:0 (h264) -> setpts Stream #1:1 (aac) -> adelay overlay -> Stream #0:0 (libx264) adelay -> Stream #0:1 (libfdk_aac) Press [q] to stop, [?] for help frame= 300 fps=188 q=-1.0 Lsize= 611kB time=00:00:09.90 bitrate= 505.4kbits/s speed=6.22x  video:543kB audio:60kB subtitle:0kB other streams:0kB global headers:0kB muxing overhead: 1.399169% [libx264 @ 0x3076e40] frame I:2 Avg QP:10.60 size: 13404 [libx264 @ 0x3076e40] frame P:75 Avg QP:16.09 size: 4471 [libx264 @ 0x3076e40] frame B:223 Avg QP:19.79 size: 868 [libx264 @ 0x3076e40] consecutive B-frames: 0.7% 0.0% 2.0% 97.3% [libx264 @ 0x3076e40] mb I I16..4: 84.4% 8.1% 7.5% [libx264 @ 0x3076e40] mb P I16..4: 1.6% 0.3% 0.1% P16..4: 6.6% 4.7% 2.4% 0.0% 0.0% skip:84.2% [libx264 @ 0x3076e40] mb B I16..4: 0.0% 0.0% 0.0% B16..8: 6.9% 1.2% 0.2% direct: 0.3% skip:91.3% L0:43.4% L1:49.6% BI: 7.0% [libx264 @ 0x3076e40] 8x8 transform intra:12.1% inter:54.7% [libx264 @ 0x3076e40] coded y,uvDC,uvAC intra: 12.6% 15.3% 2.2% inter: 2.1% 1.8% 0.0% [libx264 @ 0x3076e40] i16 v,h,dc,p: 94% 3% 2% 1% [libx264 @ 0x3076e40] i8 v,h,dc,ddl,ddr,vr,hd,vl,hu: 17% 22% 30% 3% 6% 6% 5% 3% 7% [libx264 @ 0x3076e40] i4 v,h,dc,ddl,ddr,vr,hd,vl,hu: 23% 25% 13% 4% 7% 8% 7% 5% 7% [libx264 @ 0x3076e40] i8c dc,h,v,p: 88% 6% 6% 0% [libx264 @ 0x3076e40] Weighted P-Frames: Y:2.7% UV:1.3% [libx264 @ 0x3076e40] ref P L0: 63.2% 14.8% 18.0% 3.9% 0.1% [libx264 @ 0x3076e40] ref B L0: 94.4% 4.8% 0.8% [libx264 @ 0x3076e40] ref B L1: 96.9% 3.1% [libx264 @ 0x3076e40] kb/s:444.04