合成就是把两个盒子的包装回一个盒子，字节数几乎不变。 真正要小心的是时间戳：起点不一样，合完就音画不同步。
4.2.1 拆开，这一节合回去，正好走完一个来回。 4.2.4 接着讲「两份完整的片子怎么接成一份」。
一、合成的三步
比分离多一步：要给两条流各建一条输出流。
步骤 做什么 容易错的地方
1 打开两个输入 时间基可能不同 2 各建一条输出流 必须按模板建 3 轮流取包写进去 包要改指向对应输出流
第三步「轮流」是自然的：读包的时候本来就是按文件里的顺序出来， 视频包和音频包交替出现，各自写进各自的输出流就行。
命令行里就是两句 -i 加一句 -map 0:v -map 1:a -c copy。
不写 -map 的话，默认只会从第一个输入选流，第二个输入的音频整份丢掉。
二、字节数几乎不变，说明没重压
这份素材上，合成的文件与原文件字节完全相同：
文件 字节 流数
原文件 37982 2 拆开再合成 37982 2
一模一样不是巧合：包没动，目录的写法也回到了同样的布局，所以总字节自然相同。 换成重编码，同样 2 秒会大出或小掉一大截——那就不是「合成」而是「重压」了。
所以判断一条命令到底是转封装还是重编码，看字节与耗时最快： 字节几乎不变、耗时几乎是零，那就是转封装。
三、三条必须守的规矩
合成看着简单，出问题基本都在这三处：
规矩 为什么 不守的后果
时间基要一致 两条流的时间单位不同 音画不同步 起点对齐到 0 各自的第一个 pts 常不为 0 开头一段空白 时长不等要截断 短的先结束 后面拖出一段静音
第三行对应命令行里的 -shortest：谁短听谁的，另一个提前收工。
不加它，输出时长按长的算，短的那条后面就是无声或静止画面。
第二行是最隐蔽的：很多采集出来的文件第一个 pts 不是 0，而是某个正数。 直接合成，开头就会空一段——看着像「音画不同步」，其实是「起点没对齐」。
四、动手 Demo：把拆出来的两条流装回一个盒子
拿 4.2.1 拆出来的「只有视频」和「只有音频」两个文件，重新装回一个 mp4。 仍然走模板建流加改包指向，不重编码。
import av, os
c1 = av.open(u"join.mp4", u"w")
outs = []
for p in (u"v.mp4", u"a.m4a"):
c0 = av.open(p)
for s in c0.streams:
outs.append((c0, c1.add_stream_from_template(s)))
for c0, tgt in outs:
for pk in c0.demux():
if not pk.size:
continue
pk.stream = tgt
c1.mux(pk)
c0.close()
c1.close()
for p in (u"m4.mp4", u"join.mp4"):
c = av.open(p)
print(u"%-10s %d 字节 %d 条流" % (p, os.path.getsize(p), len(c.streams)))
c.close()
实跑输出：
--------------------------------------------------------------------
4.2.3 用音频流和视频流合成 MP4
--------------------------------------------------------------------
**① 把上一段拆出来的两个文件重新装回一个盒子**
文件 字节 流数
-----------------------------
原文件 37982 2
合成的 37982 2
**② 字节几乎一样，说明这一趟没重编码**
**合成用的是流拷贝：包原样搬，只重写目录。**
**如果换成重编码，同样 2 秒会大出或小掉一大截——那就不是「合成」而是「重压」了。**
**③ 三条必须守的规矩**
规矩 为什么
------------------------------------------------------------
两条流的时间基要一致 否则合成后音画不同步
起点要对齐到 0 两段各自的第一个 pts 常常不为 0
时长不等时要截断 短的先结束，长的会继续拖尾
**第三条对应命令行里的 `-shortest`：谁短听谁的，另一个提前收工。**
**不加它，输出时长按长的算，短的后面那段就是无声或静止。**
两个文件分别打开、分别读包、写进同一个输出容器——这就是「合成」的全部。
注意 c0 要在写完它自己的包之后再关，不能在循环里提前关。
本机实测合成后与原文件字节完全相同（37982），这是「没重编码」最硬的证据。 只要有一个字节的画面被重新压过，字节数就不可能刚好对上。
这段代码假设两条流的起点都已经对齐到 0。真做工程时要先读第一包的 pts，
把两条流各自减掉自己的起点——命令行里这一步由 -avoid_negative_ts 之类的选项处理。
30 秒实验
- 双输入合成：
ffmpeg -i 画面.mp4 -i 声音.m4a -map 0:v -map 1:a -c copy 出.mp4。 - 强制截断：再加
-shortest，看输出时长变成谁的长度。 - 对比时长：
ffprobe -show_format 出.mp4，看 duration 与两个输入的关系。
常见误区
- 两个输入时忘记写
-map。默认只从第一个输入选流，第二份音频整份丢掉。 - 不检查起点就合成。第一个 pts 不为 0 时，开头会空一段，看着像音画不同步。
- 时长不等时不加
-shortest。输出会按长的算，短的那条后面拖一段静音。
自测三问（点开对答案）
1. 合成时为什么字节数能跟原文件一模一样？ —— 因为包原样搬、目录布局也一样，没有任何一个字节被重新编码。 2. `-shortest` 解决的是什么问题？ —— 两条流时长不等时，让输出在短的那条结束时收尾，避免后面拖出静音或静止画面。 3. 「开头空一段」通常是什么原因？ —— 两条流的第一个 pts 不为 0 且没有对齐，导致时间轴整体偏移。- ☐ （本节完，下一节 4.2.4 将多个 MP4 文件合并成一个 MP4 文件）