[功能请求] 增加video_autorate选项

[photkey]

类似于：--voice_autorate: 如果翻译后的音频时长超过原时长，是否强制加速播放翻译后的音频，以便对齐时长
有时候音频加速太快 以至于都完全无法听清，所以是否可以提供一个自动调整视频的选项，把对应时段内的视频慢放，以对齐时长

[jianchang512]

这个过于复杂， 暂时不考虑

实现原理是这样

1. 记录每个需要降速播放的时间片段，可能有很多个，比如原本是2s的视频，降速2倍后，时长就会变为4s，将改变后的每个片段保存为视频
2. 然后从原始视频里找出所有不在降速范围内的其他时间片段，分别截取保存
3. 将上述2步获取的所有片段进行合并。

其中每一步都很复杂， 而且计算量非常大，会很慢。

[photkey]

是的，确实很复杂，这个是之前我自己在折腾的，直接用ffmpeg 切割以及慢放的时长都调整不精准，查了下说是要用OpenCV切割、调速, 然后就放弃了……

[jianchang512]

只ffmpeg应该也能实现

比如 音频片段是 5-10s区间的5s，配音后，音频变为了 12s时长。

那么就对原始视频 5-10s区间应用2.4倍降速播放，时长就是12s，ffmpeg可以取出这个降速后的片段视频 a

然后再对原始视频中 0-5s的片段b，和10s-结束的片段c截取出来。

最后 连接 b a c 这3个片段就行了

当然如果只有一二个片段还好说，不过一般都是几十个片段甚至更多，所以更复杂也更慢了

[photkey]

我之前就是按你说的这样来操作的，但是我测试了ffmpeg命令 取出片段的时候 不能精确到毫秒（有精确到毫秒的命令，但结果经常不是预期，不精准），调整速度（时长）的时候 偏差就更多了。
因为我对ffmpeg完全不熟悉，都是现用现查的命令，所以我特意到淘宝上找人写一个能精确控制到毫秒的命令，淘宝卖家跟我说实现不了。

也可能还是我对ffmpeg，不熟悉的原因吧，不知道你有没有测试过这些相关的命令。

[jianchang512]

不必那么精准吧，到秒或者 0. 几秒也就够了，本身就是降速延时处理的，再精确也没多大意义

只测试过 0.几秒即数百ms的，倒还算精确。

一个视频处理不只是一个片段，整体下来计算量非常庞大，即便GPU加速，也会非常慢的

[jianchang512]

如果要精确到ms，确实使用 cv2更方便，按帧读取，然后调整fps，重新输出视频片段，再拼接

[photkey]

嗯，我查的资料是说cv2可以更精确，至于是不是方便 我就不懂了，cv2完全不会用……
这个功能确实会复杂很多，希望现有功能都完善后，以后可以增加进来，因为在制作出海视频时（中文→其它语言） 确实很多情况会语速太快，我试过的 中文→印尼语 那就是快到完全没法听了。如果是搬运国外视频到国内，这种问题可能还会少一些。

如果以后有可能会增加这个功能的话，或许还可以在加一个参数，--voice_rate_max，voice_rate 到 voice_rate_max 之间的音频，仅通过调整音频对齐时长；当大于voice_rate_max时，语音速度按照voice_rate_max，同时调整视频长度，音视频共同调节对齐时长。

[MedalCollector]

有没有可能像剪映一样，增加一个“定格”功能，即原始视频画面内容不动，如果需要延长视频时间和音频同步，就将一部分画面定格一段时间。这样就相当于从原始视频中抽了一些帧做了延时，再插入到原来的视频里，不涉及原始视频的大量计算，会不会更快一些？

[jianchang512]

有没有可能像剪映一样，增加一个“定格”功能，即原始视频画面内容不动，如果需要延长视频时间和音频同步，就将一部分画面定格一段时间。这样就相当于从原始视频中抽了一些帧做了延时，再插入到原来的视频里，不涉及原始视频的大量计算，会不会更快一些？

有打算在视频的最后，复制最后一帧做视频延长到和音频一致，中间定格实际计算量还是很大的，所谓延时，本质就是将抽出的帧不断复制，直到达到所需时长，然后再插入原视频，而插入，实质上需要将原视频在插入点截断为2个视频片段，然后3个视频再拼接。定格点多了一样需要较大计算量，也很复杂。

而且定格这个功能，只界面都挺复杂了，对于这个没有商业计划的小项目来说，过于复杂了。

[jianchang512]

已实现视频自动降速。对应片段降低帧率实现。
默认情况下通过延长视频最后一帧画面实现