年终总结配音乐
年底汇报前夜，市场部小陈发现 PPT 演示需要一段背景音乐，但公司素材库里只有一张团队合影和一首版权干净的钢琴曲。用本工具把合影固定为封面画面，音频压成 16:9 的 MP4 视频，直接嵌入 PPT 的「插入视频」功能，省去用剪辑软件新建时间线、调整画布尺寸的步骤。视频输出时自动匹配音频时长，不会出现画面提前结束的黑屏。
添加图片
JPG / PNG / WEBP / GIF · 可多张轮播
local only
添加音频
MP3 / WAV / OGG / FLAC / M4A
local only
实时预览canvas · live preview
画布设置canvas & layout
导出格式说明：浏览器 MediaRecorder 主流输出 WebM（VP8/VP9 + Opus）；
Safari 若支持会优先 MP4，否则为 WebM。多数平台（B 站 / 抖音网页端）可直接上传 WebM；
如需严格 MP4，下载后用本地 FFmpeg（ffmpeg -i in.webm out.mp4）或在线转换工具转码。
视频时长 = 音频时长，合成时需保持本页面前台。
就绪 · 添加图片与音频后即可合成视频
第一节
关于本工具
About做视频号、发小红书，一张静图配一段录音，想转成视频发布，却得打开剪辑软件导出。这个工具直接让 FFmpeg 把图片和音频压进一个 MP4 容器，图片尺寸、音频码率都可调，输出就是可播放的视频文件。注意：它只做静帧拼接，不会自动缩放图片——输入的分辨率就是输出的分辨率。
使用场景
播客封面动起来
独立播客主理人老周每期只有一张方形封面图（1400×1400px）和一小时音频。把封面图上传，音频拖入，工具自动输出 1:1 比例的 MP4 视频，可直接上传 Spotify for Podcasters 或 Apple Podcasts Connect。相比用 Final Cut 手动对齐音频长度，本工具省掉「新建项目→设置分辨率→拖入素材→导出」四步操作，且不会因画幅比例不符被平台裁剪。
课程试听片段生成
线上培训机构需要为每节付费课制作 3 分钟试看视频：一张课程大纲截图 + 一段讲师讲解录音。用本工具直接把截图设为静态画面，音频截取前 3 分钟上传，输出 MP4 后上传至知识店铺后台。相比用 Camtasia 渲染，本工具不涉及时间线剪辑和字幕添加，适合批量处理 20 节以上的试看素材，且输出文件体积更小（仅编码画面变化帧，非全帧率视频）。
产品说明书配语音
硬件厂商给出口的电子说明书（PDF）附带一段英文语音讲解，但客户要求必须提供视频格式。把产品爆炸图作为画面，音频（MP3，48kHz）上传，工具输出 MP4 后嵌入官网产品页。相比用 Premiere 渲染，本工具不会因编码器设置错误导致音频与画面不同步——FFmpeg 在输出时自动锁定音频时间戳，且支持直接选择 H.264 编码，兼容所有浏览器播放。
婚礼邀请函动效
新人只有一张婚纱照和一首婚礼进行曲，想做成短视频发家族群。把照片设为画面，音频上传，工具输出 9:16 竖版 MP4，适合微信直接发送。相比用剪映添加转场、滤镜，本工具零学习成本：不涉及关键帧、不要求音频剪辑，输出时自动将画面居中裁切为竖屏，且不压缩音频比特率，保留原 CD 音质。
第二节
使用指南
Getting Started使用步骤
- 1在「上传图片」区域选择一张静态图（支持 JPG/PNG，建议 1920×1080 像素），缩略图即时显示在左侧预览区
- 2在「上传音频」区域选择 MP3/WAV/OGG 文件（时长不限），右侧波形图加载后显示音轨时长与采样率
- 3点击「生成视频」按钮，进度条从 0% 递增至 100%，完成后预览区自动播放生成的 MP4 片段
- 4预览确认无误后，点击「下载 MP4」按钮，浏览器弹出保存对话框，文件名为「图片名+音频名+时间戳」
输入输出示例
| 输入 | 输出 | 说明 |
|---|---|---|
| 图片：1920×1080 的 JPG 文件（风景图）；音频：44.1kHz 16bit 立体声 MP3 文件（时长 30 秒） | 输出一个 30 秒的 MP4 视频，分辨率 1920×1080，帧率固定为 1fps（即 30 帧静态图），无音频压缩，视频编码 H.264，音频编码 AAC（与原音频相同）。 | 常规：最常见的全高清图片 + 标准音频，验证基础合成流程和时长对齐。 |
| 图片：800×600 的 PNG 文件（透明背景）；音频：单声道 WAV 文件（时长 5 秒） | 输出一个 5 秒的 MP4 视频，分辨率 800×600，帧率 1fps，视频编码 H.264（透明背景会被填充为黑色），音频编码 AAC（单声道转立体声）。 | 常规：低分辨率图片 + 短音频，验证不同分辨率、透明背景处理及单声道音频的兼容性。 |
| 图片：4000×3000 的超大 JPG 文件（5MB）；音频：时长 1 分钟的 320kbps MP3 文件 | 输出一个 1 分钟的 MP4 视频，分辨率 4000×3000，帧率 1fps，视频编码 H.264（可能因分辨率过高导致编码速度较慢或内存占用高），音频编码 AAC。 | 边界：超大分辨率图片，验证工具对高分辨率输入的处理能力（是否自动缩放、编码耗时、内存限制）。 |
| 图片：1×1 像素的 GIF 文件（极小尺寸）；音频：时长 0.5 秒的 M4A 文件 | 输出一个 0.5 秒的 MP4 视频，分辨率 1×1，帧率 1fps，视频编码 H.264（极小分辨率可能被播放器拉伸或显示异常），音频编码 AAC。 | 边界：极端小尺寸图片 + 极短音频，验证工具对极小输入的容错性（是否报错、输出是否有效）。 |
| 图片：1920×1080 的 JPG 文件；音频：时长 0 秒（空音频文件，大小 0KB） | 工具可能报错或输出一个 0 秒的 MP4 文件（无有效帧），具体取决于 FFmpeg 对空音频流的处理。预期输出：要么失败提示“音频时长为零”，要么生成一个无音频轨道的视频。 | 边界：空音频输入，验证工具对异常音频的处理逻辑（是否优雅报错或生成无效文件）。 |
| 图片：1920×1080 的 JPG 文件；音频：时长 10 秒的 MP3 文件，但文件名含中文（如“测试音频.mp3”） | 输出一个 10 秒的 MP4 视频，分辨率 1920×1080，帧率 1fps，视频编码 H.264，音频编码 AAC。文件名中的中文不会影响输出内容，但可能在某些环境下导致路径解析错误。 | 易错：中文文件名可能在某些浏览器或后端处理中引发编码问题，需提示用户使用英文/数字命名以避免潜在错误。 |
| 图片：1920×1080 的 JPG 文件；音频：时长 10 秒的 MP3 文件，但音频比特率极低（8kbps） | 输出一个 10 秒的 MP4 视频，分辨率 1920×1080，帧率 1fps，视频编码 H.264，音频编码 AAC（低比特率音频会被转码，音质可能严重下降）。 | 易错：低质量音频输入，验证工具是否对音频质量做任何提升或提示，用户可能预期输出音质与输入一致。 |
常见错误对照
1.图片尺寸不统一，输出视频出现黑边或拉伸
✗ 错误
上传一张 1920×1080 的横图 + 一张 1080×1920 的竖图，期望自动适配✓ 修复
上传前将所有图片统一裁剪或缩放为相同宽高比（如 16:9 或 1:1）FFmpeg 默认按第一张图尺寸设定画布，后续图片若比例不同会被拉伸或留黑边，不会自动智能裁切。
2.音频时长远长于图片切换间隔，导致尾部黑屏
✗ 错误
3 张图每张显示 2 秒，但音频是 30 秒，输出视频最后 24 秒只有黑屏✓ 修复
确保 图片张数 × 每张显示秒数 ≥ 音频总时长，或勾选「循环图片到音频结束」FFmpeg 的图片序列长度由总帧数决定，音频尾部无对应帧时输出空白，而非自动循环。
3.图片文件名含空格或中文，导致 FFmpeg 解析失败
✗ 错误
上传文件名为「我的照片 2024.jpg」✓ 修复
上传前将文件名改为纯英文或数字（如 photo_2024.jpg），或确认工具已做 URL 编码FFmpeg 命令行对空格和特殊字符敏感，未转义时会报「No such file or directory」。
4.音频格式非 MP3/AAC/WAV，工具报错不处理
✗ 错误
上传一个 .flac 或 .ogg 文件✓ 修复
使用前将音频转为 MP3（320kbps）或 WAV（16bit 44100Hz）本工具后端 Go 调用 FFmpeg 时预设了常见输入格式，FLAC/Ogg 未在输入白名单内会直接拒绝。
5.图片数量超过工具限制，上传后无响应
✗ 错误
一次性上传 100 张图片（工具限制 20 张）✓ 修复
分批处理，每次不超过工具标注的最大张数（通常 20 张）浏览器端 WASM 处理大量图片会内存溢出，后端也设了硬上限防止 OOM。
6.单张图片过大（>10MB），生成视频卡死或超时
✗ 错误
上传一张 20MB 的 4K 照片✓ 修复
将图片压缩到 2MB 以内（分辨率不超过 1920×1080，JPEG 质量 80%）FFmpeg 解码超大图片占用大量内存，浏览器 WASM 环境尤其容易触发 tab 崩溃。
7.音频采样率不匹配，输出视频音画不同步
✗ 错误
音频采样率 8000Hz，视频帧率 30fps，结果声音比画面快✓ 修复
上传采样率 ≥ 22050Hz 的音频，或使用工具内置的「重采样」选项FFmpeg 在低采样率下时间基计算误差累积，导致音画偏移；高采样率（44100Hz）可规避。
第三节
工作原理
How It Works核心公式
视频时长(s) = 音频时长(s) = 总帧数 ÷ 帧率(fps)
变量说明
音频时长输入音频文件的持续时间，秒总帧数静态图重复生成的帧总数帧率输出视频每秒显示的帧数，fps
示例
音频时长 120 秒，帧率设为 24 fps：总帧数 = 120 × 24 = 2880 帧。静态图（如 1920×1080 的 JPG）在 FFmpeg 中通过 -frames:v 2880 参数循环编码，最终输出 120 秒的 MP4 视频，音视频同步。
用户输入
服务端处理
输出结果
第五节
常见问题
Q & A问图片和音频时长不一样，视频会怎么处理？＋
答
默认图片会撑满整个音频时长。比如一张图配 30 秒音频，最终视频就是 30 秒，图片全程静止显示。如果想让图片在音频中途切换，需要提前用图片编辑工具把多张图拼成一张长图，或者等后续版本支持多图上传。当前版本只支持单图+音频。
问为什么我上传的 MP3 转换后视频里没声音？＋
答
检查音频文件是否本身是静音或损坏。本工具用 FFmpeg 直接取音频流合并，不会主动静音。如果音频在本地播放正常，转完后没声音，可能是浏览器或播放器解码问题——试换 VLC 或 PotPlayer 播放，不要用系统自带播放器。另外，仅支持常见音频格式（MP3、WAV、AAC、FLAC、OGG），不支持的格式（如 AC3、DTS）会静默失败。
问支持 PNG 透明背景吗？转出来背景变黑了。＋
答
FFmpeg 合成 MP4 时，透明通道会被丢弃，默认填充黑色。如果必须保留透明，需输出 MOV 或 WebM（本工具只输出 MP4）。临时方案：把 PNG 放在纯色底图上（比如白色或品牌色），再用本工具合成，避免黑底突兀。后续版本会考虑加背景色选项。
问上传的图片太大，会不会被压缩变模糊？＋
答
是的，FFmpeg 默认用 H.264 编码，会按视频分辨率（默认 1920×1080）缩放图片。如果你上传 4K 图片，会缩到 1080p；如果上传 800×600 小图，会拉伸到 1080p 反而模糊。建议提前把图片裁切为 1920×1080 并保持 16:9 比例，这样不会二次缩放。
问转换后的视频文件有多大？能控制大小吗？＋
答
文件大小取决于音频比特率和视频编码参数。比如 3 分钟 MP3（128kbps）配 1080p 图片，生成视频约 20-30MB。当前版本没有手动调码率选项，默认 crf 23 平衡画质和体积。如果体积太大，建议先用音频工具降低比特率（比如压到 64kbps），再上传。
问音频是 44.1kHz 采样率，视频会改变吗？＋
答
不会。FFmpeg 直接复制音频流，不重新采样。输出 MP4 的音频部分完全保留原始采样率（44.1kHz、48kHz 等）和比特率。如果你担心播放兼容性，48kHz 是视频行业标准，但本工具不会主动转码，所以原始采样率不变。
问上传后一直转圈不动，怎么回事？＋
答
常见原因：1）音频文件太大（超过 50MB 处理时间会很长，建议先裁剪）；2）浏览器标签页被后台限速（切到前台保持活跃）；3）使用了 Safari 或旧版 Edge（推荐 Chrome 或 Firefox）。本工具所有处理在浏览器内用 WASM 版 FFmpeg 完成，不传服务器，所以处理速度完全取决于你电脑的 CPU 性能。
问能不能批量做几十个这样的视频？＋
答
当前版本一次只能处理一个。批量需求建议用本地 FFmpeg 命令行：ffmpeg -loop 1 -i image.jpg -i audio.mp3 -c:v libx264 -t 30 -pix_fmt yuv420p output.mp4。本工具本质就是封装了这个命令，方便不会敲代码的用户。如果批量需求频繁，可以反馈给站长考虑加批量上传功能。
问生成的视频能直接发抖音/视频号吗？＋
答
可以。输出是标准 H.264 编码的 MP4，分辨率 1920×1080，符合主流短视频平台要求。但注意：1）音频码率保留原始值，如果原音频是低码率（<64kbps），平台可能会二次压缩导致音质变差；2）图片建议用竖屏 9:16 比例（1080×1920）而非横屏，否则发抖音会被裁切。本工具默认横屏，如需竖屏，提前把图片裁成 1080×1920 再上传。
问为什么转完的视频时长比音频多了 1 秒？＋
答
这是 FFmpeg 的帧对齐行为。视频必须按帧长（比如 1/30 秒）截断，当音频时长不是帧长的整数倍时，FFmpeg 会补一帧静默或延长最后一帧。如果音频正好 30.033 秒（约 901 帧），输出视频会变成 30.067 秒（902 帧），多出 0.034 秒。不影响正常播放，只是播放器显示时长可能四舍五入多 1 秒。
隐私保证所有计算与处理均在你的浏览器本地完成，输入数据不会上传服务器，也不会保存或共享。