网页中的音视频裁剪&拼接&合并

一、需求描述

        项目中有一个配音需求：

        1）首先，前台会拿到一个英语视频，视频的内容是A和B用英语交流；

        2）然后，用户可以选择为某一个角色配音，假如选择为A配音，那么视频在播放到A的位置时会静音，并录制用户的声音。以此类推，直到视频播放结束；

        3）最后，将用户的录音替换到视频中，并生成新的视频文件，后续上传服务器。

        另外，已知每个角色说话的起始时间和结束时间（这个由后台管理来配置）。

二、需求分析

        2.1 实现方式

        实现该功能的方式大体有两个：

        1）使用ffmpeg.wasm

        2）使用Web Audio API等原生JS

        第二种方式我没实践，但理论上应该可以实现，只是估计会较复杂，代码较多；此处，我选择方式一。

        2.2 功能拆分

        根据该功能的操作流程，可将其拆分为：

        1）音视频分离，获得纯音频文件和纯视频文件

        2）音频剪切，从上一步得到的音频文件中裁剪到除配音角色外的其它音频片段

        3）录音，获取到配音音频片段

        4）音频拼接，将上面两步得到的音频片段按顺序拼接成一个

        5）音视频合并，将纯视频文件和上一步得到的音频文件合并为一个文件

三、代码实现

        3.1 引入依赖库

<script src="/js/ffmpeg/umd/ffmpeg.js">script>
<script src="/js/util/umd/index.js">script>

        3.2 初始化ffmpeg

const { fetchFile } = FFmpegUtil;
const { FFmpeg } = FFmpegWASM;
let ffmpeg = new FFmpeg();
await ffmpeg.load({coreURL: "/js/core/umd/ffmpeg-core.js",});

        3.3 音视频分离

// 在Demo中，视频文件通过input[type=file]标签获得
const { name, size } = files[0];
await ffmpeg.writeFile(name, await fetchFile(files[0]));
// 音视频分离
await ffmpeg.exec(['-i', name, '-c:v', 'copy', '-an', 'output.mp4'])
await ffmpeg.exec(['-i', name, '-vn', '-acodec', 'libmp3lame', 'output.mp3'])

        在上面代码中-acodec标识了使用mp3音频编码器，如果使用copy原音频的编码方式，在网页中可能会报错“Invalid audio stream. Exactly one MP3 audio stream is required”

await ffmpeg.exec(['-i', name, '-vn', '-acodec', 'copy', 'output.mp3']); // 会报错

        3.4 音频剪切

// -ss 起始时间，-t 持续时间
await ffmpeg.exec(['-i', 'output.mp3', '-ss', '00:00:00.000', '-t', '00:00:10.000', 'split_0.mp3'])
await ffmpeg.exec(['-i', 'output.mp3', '-ss', '00:00:20.000', '-t', '00:00:10.000', 'split_2.mp3'])

        3.5 配音录制

const record = (duration, callback) => {
  if (!duration) return;
  // 变量及函数声明
  recorder = [];
  recordTimer = null;
  let _isStop = false;
  async function startRecording () {
    const stream = await navigator.mediaDevices.getUserMedia({ audio: true });
    mediaRecorder = new MediaRecorder(stream, { mimeType: 'audio/webm' });
    mediaRecorder.ondataavailable = handleDataAvailable;
    mediaRecorder.start();
  }
  function handleDataAvailable(event) {
    if (recorder) { recorder.push(event.data); }
    if (_isStop) {callback && callback();}
  }
  function stopRecording() {
    mediaRecorder.stop();
    _isStop = true;
  }
  // 调用
  startRecording();
  recordTimer = setTimeout(() => {
    stopRecording();
  }, duration);
}

        在上面这段代码中，需要注意的是：录音结束后的回调函数是放在handleDataAvailable中的，这是因为当mediaRecorder.stop()停止录制后，会再出发一次dataavailable事件，然后才把最后的数据分片存储到recorder中。所以代码中定义了一个_isStop变量来辅助完成这个过程。

// 将配音数据保存到文件
let split_1 = await audioChunks2Unit8Array(recorder);
await ffmpeg.writeFile('split_1.mp3', split_1);

        在上面这段代码中，之前获得的录音数据是个Blob数组，ffmpeg不支持直接对其进行操作，所以要将它转换为Unit8Array才能写到文件。

        3.6 音频拼接

await ffmpeg.exec(['-i', 'split_0.mp3', '-i', 'split_1.mp3', '-i', 'split_2.mp3', '-filter_complex', '[0:a][1:a][2:a]concat=n=3:v=0:a=1', '-ac', '2', '-c:a', 'libmp3lame', '-q:a', '4', 'merge.mp3'])

参数解释：

[0:a][1:a][2:a]concat=n=3： 将第一段素材的音频、a1和a2合并，n=3表示三段。

v=0:a=1： 不要声音，只要音频。

-ac：设定声音的channel数

-c:a：指定音频编码器

libmp3lame：mp3音频编码器

-q:a：表示输出的音频质量，一般是1到5之间(1为质量最高)

        3.7 音视频合并

await ffmpeg.exec(['-i', 'output.mp4', '-i', 'merge.mp3', '-c:v', 'copy', '-c:a', 'copy', 'result.mp4'])

参数解释：

-c:v copy：视频编码不变。

-c:a copy ：音频编码不变。

        最后得到合并后的视频数据（Unit8Array）。

四、附件

        之前在网上查找ffmpeg.wasm资源时，很多都残缺不全，所以把相关的依赖库放在网盘了（文件来自官方github仓库，其中的示例页面我稍微美化了一下样式）。

        https://download.csdn.net/download/xueshen1106/88772981