先看代码：
bash
ffmpeg.exe ^
-i "D:/test/video.mp4" ^
-i "D:/test/voice.mp3" ^
-i "D:/test/music.mp3" ^
-i "D:/test/voice.srt" ^
-filter_complex "[1:a]volume=1.0,asetpts=PTS-STARTPTS[a_voice];[2:a]volume=0.5,asetpts=PTS-STARTPTS[a_music];[a_voice][a_music]amix=inputs=2:duration=first[audio_mixed];[0:v]subtitles='D\:/test/voice.srt':force_style='Fontsize=24,Fontcolor=white'[vout]" ^
-map "[vout]" ^
-map "[audio_mixed]" ^
-c:v libx264 -crf 23 -preset veryfast -c:a aac -b:a 128k ^
-disposition:a:0 default ^
"D:/test/output_final.mp4"以上代码成功完成了添加语音、背景音乐和字幕，完美。
再看解释：
这个复杂滤镜链由多个部分组成，用分号(;)分隔，每个部分负责处理不同的输入流或组合它们。
调整语音音量及时间戳:
-
1:a\]volume=1.0,asetpts=PTS-STARTPTS\[a_voice
1:a\] 指的是第二个输入文件（voice.mp3）的音频部分。 volume=1.0 设置音量为原始音量的100%（无增减）。 asetpts=PTS-STARTPTS 重置音频的时间戳，确保与视频同步。 最后 \[a_voice\] 是这个处理后的音频流的标签。 调整背景音乐音量及时间戳:
类似地，处理第三个输入文件（music.mp3）的音频。
volume=0.5 将音量设置为原始的一半。
同样使用asetpts重置时间戳。
a_music\] 标记处理后的音频流。 音频混合:
a_voice\] 和 \[a_music\] 被送入amix滤镜进行混合。 inputs=2 指明有两个输入流参与混合。 duration=first 确保混合后的音频长度与第一个输入（\[a_voice\]）相同，这样如果voice.mp3的长度与视频匹配，则音频不会过长。 字幕叠加到视频:
0:v\] 表示第一个输入文件（video.mp4）的视频流。 subtitles='D:/test/voice.srt' 将指定的SRT字幕文件叠加到视频上。 force_style='Fontsize=24,Fontcolor=white' 设置字幕样式：字体大小为24，颜色为白色。 \[vout\] 标签表示处理后的视频流，包含叠加了字幕的视频。
-map "[vout]" -map "[audio_mixed]" 指定最终输出使用哪些流：处理过的视频流[vout]和混合后的音频流[audio_mixed]。
-t $(ffprobe ...) 动态获取视频的时长，并将其作为输出的持续时间，确保输出与源视频时长相符。
其余参数涉及视频和音频的编码设置，如使用H.264编码器(-c:v libx264)、CRF值(-crf 23)、预设(-preset veryfast)、AAC音频编码(-c:a aac)和音频比特率(-b:a 128k)等，用于控制输出文件的质量和兼容性。