У меня есть список изображений: 1.png, 2.png... и список аудиофайлов 1.mp3, 2.mp3...
Я хотел бы создать видеофайл, в котором аудиоклипы объединены, и каждое изображение отображается поверх соответствующего аудиоклипа: 
Думайте об изображениях как о слайдах в слайд-шоу, а о звуке — как о повествовании для слайда.
Существуют ли какие-либо рамки, которые позволили бы мне это сделать? Я хотел бы использовать FFmpeg CLI или что-то более высокое, если это возможно.
Ленивый метод заключается в том, чтобы каждый сегмент объединялся с демультиплексором concat:
ffmpeg -loop 1 -i 1.png -i 1.mp3 -c:v libx264 -preset stillimage -vf format=yuv420p -c:a aac -shortest 1.mp4
ffmpeg -loop 1 -i 2.png -i 2.mp3 -c:v libx264 -preset stillimage -vf format=yuv420p -c:a aac -shortest 2.mp4
ffmpeg -loop 1 -i 2.png -i 2.mp3 -c:v libx264 -preset stillimage -vf format=yuv420p -c:a aac -shortest 2.mp4
ffmpeg -f concat -i input.txt -c copy -movflags +faststart output.mp4
Это предполагает, что файлы изображений имеют одинаковую ширину и высоту, а аудиофайлы имеют одинаковую структуру каналов и частоту дискретизации.
Более сложный метод — использовать фильтр concat, который позволяет сделать все это за один раз. команду, но вам нужно будет ввести продолжительность каждого сегмента изображения, чтобы она соответствовала соответствующей длительности звука.
