视频合并拼接

它解决什么问题

手机上拍的视频经常是一段一段的：从相册里挑三个 MP4 片段按顺序拼成一个完整视频，这是一个高频需求。但手机上的片段经常有这些情况：

• 每个片段分辨率不一样（有的 1080p、有的 720p、有的横屏有的竖屏）；
• 有的片段带音轨，有的没带；
• 编解码器可能不同（有的 H.264 + AAC，有的 H.265 + Opus）。

直接用 FFmpeg 原始的 concat demuxer 只适合同分辨率同编码器的片段。ZenConverter 的合并路线走 filter_complex concat，把所有片段统一到一个画布尺寸和一个音频规格之后再拼，这就是它能处理异构片段的原因。

合并管线

片段 A → 解码 → scale+pad 归一化分辨率 → 静音轨补充 → concat
片段 B → 解码 → scale+pad 归一化分辨率 → 静音轨补充 →  concat 目标
片段 C → 解码 → scale+pad 归一化分辨率 → 静音轨补充 → concat

具体做法：

视频归一化：所有片段先解码，然后 scale 到一个统一分辨率（默认以第一个片段的尺寸为参考，或用你在压缩预设里设的短边上限），再用 pad 滤镜补黑边（letterboxing / pillarboxing）把宽高比不同的片段填到同一个画布尺寸。

音频归一化：所有片段的音频统一到 48kHz 立体声（WEBM 输出）或 44.1kHz 立体声 AAC（MP4/MKV/MOV 输出）。没有音轨的片段用静音轨补充，保证 concat 的音频轨道数一致。

压缩预设仍然生效。合并完的总视频会按压缩预设或手动参数编码成最终输出。

输出格式

合并后的输出格式支持四种：MP4、MKV、MOV、WEBM。选择输出格式后，压缩预设和手动参数（编码、CRF、preset、分辨率、帧率）会对合并后的总视频生效。

使用场景

场景一：旅行 VLOG 多个片段拼起来

手机拍的视频经常是横屏竖屏混着（路上横屏、人像竖屏）。选"视频合并"，按顺序加三个片段，选均衡压缩预设，合并后得到一个 720p 的完整视频，竖屏片段自动补黑边。

场景二：无声视频片段

某个片段是你录的游戏画面，没开录音。合并时系统自动补静音轨，保证输出视频有连续的音轨（可以后来叠加背景音乐）。

场景三：片段间编码不一致

一个片段是 H.264 1080p AAC，另一个是 H.265 720p Opus。合并管线先解码再统一编码，绕过了 codec mismatch 问题。

已知边界

• 合并顺序 = 选择顺序：你在应用里选了片段 A → B → C，输出里的顺序就是 A → B → C。没有拖拽重排功能；
• 黑边是有意的：宽高比不匹配时加黑边是为了不裁剪画面。如果你不想要黑边，可以在手动模式下用 crop 滤镜先裁剪每个片段；
• 不保留额外轨：字幕轨、数据轨、多音轨在合并过程中会被丢弃。输出只有一个视频轨 + 一个音频轨；
• 时间戳被清理：源片段的原始时间戳（比如拍摄时间）会在重新编码后丢失。

和其他合并方案对比

ZenConverter 合并的定位是够用的拼接，不是完整剪辑器。如果你想要精确时间线、转场、字幕叠加，用桌面端剪辑工具更合适。但如果你的需求就是"把几段视频按顺序拼在一起、自动调尺寸和音轨"，ZenConverter 合并够用了。