FFmpegのconcatで複数の動画を1本につなぐ方法
FFmpeg の concat デマルチプレクサーを使うと、ファイル名を並べたリストを渡すだけで、複数の動画を作り直さずに1本につなげます。分けて録画した動画や、撮影した複数のクリップを1本に結合したいときの方法です。ただし、大きさや音声の設定が1本でも違うと、エラーを出さずに壊れたファイルができることがあります。つなぐ手順に加えて、つなげないときのエラーと直し方を、検証環境で動かした結果で示します。
検証環境は Ubuntu 24.04.5、FFmpeg 6.1.1(Ubuntu のパッケージ 6.1.1-3ubuntu5)、Python 3.11.18、Node.js 22.23.4、Playwright に付属の Chromium(HeadlessChrome 153)、CPU 4コアの仮想マシンです。素材は FFmpeg のテスト用の映像と音から作った3秒の MP4 を3本(640×360、30fps、H.264、AAC 48kHz ステレオ)と、1か所だけ設定を変えた3本です。MP4 以外の形式(MKV、MOV など)、H.264 以外のコーデックやコーデックの違う動画どうし、フレームレートの違う動画、スマホで撮った実際の動画、Windows でのパスの書き方、Chromium 以外のプレイヤーは試していません。
設定がそろった動画は、リストを書いて -c copy でつなぐ
まず、つなぎたいファイルを順番に書いたテキストファイルを作ります。1行に1本ずつ、file に続けてファイル名を書きます。
file 'clip1.mp4'
file 'clip2.mp4'
file 'clip3.mp4'
このリスト(list.txt)を、-f concat を付けて入力に渡します。-c copy で、映像と音声を作り直さずにそのままつなぎます。
ffmpeg -f concat -i list.txt -c copy out.mp4
検証環境では、3秒の動画3本が、映像の長さ 9.000000 秒の out.mp4 になりました。かかった時間は、3回測って 0.07〜0.09 秒でした。できたファイルを最後までデコードしても、エラーは1行も出ませんでした。
index=0|codec_name=h264|width=640|height=360|r_frame_rate=30/1|time_base=1/15360|duration=9.000000
index=1|codec_name=aac|sample_rate=48000|channels=2|r_frame_rate=0/0|time_base=1/48000|duration=9.021333
つなぐとき、次の警告が出ました(行頭の [mp4 @ 0x…] は省いています)。
Non-monotonic DTS in output stream 0:1; previous: 144384, current: 144000; changing to 144385. This may result in incorrect timestamps in the output file.
同じ形の警告が、数値を変えてもう1回(288384/288000)出ました。stream 0:1 は音声です。1本目の最後の音声パケットの時刻(144384、48kHz で 3.008 秒)より、2本目の最初の音声パケットの時刻(144000、3.000 秒)が前になっていたため、FFmpeg が時刻を 144385 に直したという意味です。concat デマルチプレクサーの公式ドキュメントには、時刻の調整はストリームごとではなくまとめて行うので、すべてのストリームの長さがそろっていないとすき間ができることがある、と書かれています。この素材では、警告が出ても、つないだあとの音の高さは元の 440Hz、660Hz、880Hz のままでした。
リストの書き方で出るエラーと直し方
concat デマルチプレクサーで最初につまずきやすいのは、動画ではなくリストの書き方です。検証環境で出たエラーを順に挙げます。
-f concat を付け忘れると Invalid data になる
-f concat を付けずに -i list.txt と書くと、FFmpeg はリストを動画のファイルとして読もうとして止まります。
Error opening input file list.txt.
Error opening input files: Invalid data found when processing input
絶対パスや空白を含む名前は Unsafe file name になる
リストに絶対パスを書くと、次のエラーで止まりました(パスは /path/to に置き換えています)。
[concat @ 0x…] Unsafe file name '/path/to/clip1.mp4'
[in#0 @ 0x…] Error opening input: Operation not permitted
'my clip.mp4' のように空白を含む名前や、'../clip1.mp4' のように親のフォルダーをたどる名前でも、同じ Unsafe file name になりました。ドキュメントの safe オプションの説明によると、初期設定の safe=1 で受け付けるのは、相対パスで、英数字・ピリオド・アンダースコア・ハイフンだけでできていて、ピリオドで始まる部分がない名前だけです。
こうした名前を使うときは、-i より前に -safe 0 を付けます。検証環境では、絶対パス、空白を含む名前、../ を付けた名前のどれも、-safe 0 を付けると2本がつながり、6.021333 秒のファイルになりました。
ffmpeg -f concat -safe 0 -i list.txt -c copy out.mp4
リストの中の名前は、リストのある場所から探される
リストを lists/list.txt に置き、中に file 'clip1.mp4' と書いて、動画のある場所から実行すると、次のエラーになりました。
[concat @ 0x…] Impossible to open 'lists/clip1.mp4'
相対パスは、コマンドを実行した場所ではなく、リストのある場所から探されています。リストを動画と同じフォルダーに置くか、リストの場所から見たパスを書きます(../ を付けるときは -safe 0 も必要です)。
空白を含む名前を引用符なしで file my clip.mp4 と書き、-safe 0 を付けて実行すると、Impossible to open 'my' と出たのに FFmpeg の終了コードは 0 で、1本目だけの 3.021333 秒のファイルができていました。スクリプトで続けて処理していると、短いファイルのまま次へ進んでしまいます。ファイル名は 'my clip.mp4' のように単一引用符で囲み、できたファイルの長さを ffprobe で確かめます。
設定の違う動画を -c copy でつなぐと、エラーなしで壊れる
ドキュメントには、concat デマルチプレクサーでつなぐファイルは、すべて同じストリームを持っている(コーデックやタイムベースなどが同じ)必要があると書かれています。検証環境で、真ん中の1本だけ設定を変えてつないだところ、3つとも FFmpeg は終了コード 0 で終わり、最後までデコードしてもエラーは出ませんでした。それでも、中身は次のようになっていました。
| 真ん中の1本 | できたファイルで起きたこと |
|---|---|
| 1280×720(ほかは 640×360) | ファイルの情報は 640×360 のまま。3〜6秒の映像だけ 1280×720 |
| 音声が 44.1kHz(ほかは 48kHz) | 660Hz の音が 717〜718Hz で鳴り、5.53 秒あたりから 6 秒まで音声のデータがない |
| 音声なし | 3.008 秒から 6 秒まで音声のデータがない |
音の高さは、できたファイルの音声を1秒ずつに区切り、波が0を横切る回数から求めました。44.1kHz の素材の音を 48kHz として鳴らしたことになり、高さは 660 × 48,000 ÷ 44,100 ≒ 718Hz で、測った値と合います。
1280×720 が混ざったファイルを Chromium で開くと、再生位置によって videoWidth と videoHeight が変わりました。1.5秒と7.5秒では 640×360、4.5秒では 1280×720 でした。

つなぐ前に、それぞれのファイルの大きさ・フレームレート・タイムベース・サンプリング周波数・チャンネル数を ffprobe で並べて見ると、違う1本を見つけられます。
ffprobe -v error -show_entries stream=index,codec_name,width,height,r_frame_rate,time_base,sample_rate,channels -of compact=p=0 clip2-720p.mp4
index=0|codec_name=h264|width=1280|height=720|r_frame_rate=30/1|time_base=1/15360
index=1|codec_name=aac|sample_rate=48000|channels=2|r_frame_rate=0/0|time_base=1/48000
1280×720 の素材 clip2-720p.mp4 では、clip1.mp4 などの 640×360 と違う値が出ます。
直し方1:違う1本だけをほかに合わせて作り直す
違うのが1本だけなら、その1本をほかの動画と同じ設定で作り直してから、-c copy でつなぐのが手早い方法です。作り直すのはその1本だけです。
大きさが違う場合は、映像だけを作り直し、音声はコピーします。検証では、clip1.mp4〜clip3.mp4 を作ったときと同じエンコードの設定にそろえました。
ffmpeg -i clip2-720p.mp4 -vf scale=640:360 -c:v libx264 -preset veryfast -pix_fmt yuv420p -g 30 -c:a copy clip2-fixed.mp4
3秒の素材の作り直しは 0.26〜0.28 秒でした(3回)。これをリストに入れて -c copy でつなぐと、映像はすべて 640×360 になり、Chromium でも 1.5秒・4.5秒・7.5秒のどこでも 640×360 でした。
サンプリング周波数が違う場合は、反対に映像をコピーし、音声だけを作り直します。
ffmpeg -i clip2-44k.mp4 -c:v copy -ar 48000 -c:a aac -b:a 128k clip2-44k-fixed.mp4
これをつないだファイルでは、3〜6秒の音が 660Hz(境目を含む3〜4秒は 670Hz)になり、ほかの部分も元の高さのままでした。
直し方2:concat フィルターで、そろえながらつなぐ
もう1つの方法は、concat フィルターを使うことです。こちらは動画をデコードしてからつなぎ、すべてを作り直します。違う1本をそろえる処理を、同じコマンドの中に書けます。
ただし、大きさの違う映像をそのまま渡すと、次のエラーで止まりました。
[Parsed_concat_0 @ 0x…] Input link in0:v0 parameters (size 1280x720, SAR 1:1) do not match the corresponding output link in0:v0 parameters (640x360, SAR 1:1)
ドキュメントにも、映像のピクセルフォーマットと、音声のサンプルフォーマット・サンプリング周波数・チャンネルレイアウトは自動でそろえるが、解像度などは使う人が変換する必要があると書かれています。2本目の映像([1:v])に scale と setsar をかけてから渡すと、つながりました。
ffmpeg -i clip1.mp4 -i clip2-720p.mp4 -i clip3.mp4 -filter_complex \
"[1:v]scale=640:360,setsar=1[v1];[0:v][0:a][v1][1:a][2:v][2:a]concat=n=3:v=1:a=1[v][a]" \
-map "[v]" -map "[a]" -c:v libx264 -preset veryfast -pix_fmt yuv420p -c:a aac -b:a 128k fix-720p.mp4
concat=n=3:v=1:a=1 は、3本の区切りをつなぎ、映像1本と音声1本を出力するという指定です。入力は1本目の映像と音声、2本目の映像と音声、…の順に並べます。できたファイルは最初から最後まで 640×360 でした。全体を作り直すので、9秒分で 0.77〜0.89 秒かかりました(3回)。-c copy でつないだときの 0.07〜0.09 秒より長くなります。
44.1kHz の音声が混ざった3本は、何も足さずにそのまま concat フィルターに渡してもつながり、3〜6秒の音は 660Hz(境目を含む3〜4秒は 664Hz)で鳴りました。
音声のない1本があると、[1:a] に当たるストリームがないので、次のエラーで止まりました。
[fc#0 @ 0x…] Stream specifier ':a' in filtergraph description [0:v][0:a][1:v][1:a][2:v][2:a]concat=n=3:v=1:a=1[v][a] matches no streams.
この場合は、anullsrc で無音を3秒分作って4つ目の入力にし、[1:a] の代わりに [3:a] を渡します。
ffmpeg -i clip1.mp4 -i clip2-noaudio.mp4 -i clip3.mp4 -f lavfi -t 3 -i anullsrc=r=48000:cl=stereo -filter_complex \
"[0:v][0:a][1:v][3:a][2:v][2:a]concat=n=3:v=1:a=1[v][a]" \
-map "[v]" -map "[a]" -c:v libx264 -preset veryfast -pix_fmt yuv420p -c:a aac -b:a 128k fix-noaudio.mp4
できたファイルでは、音声のデータが途中で切れずに最後まで続いていました。
MP4 を concat: でつなぐと、1本目だけになる
FFmpeg には、concat: で始まる入力(concat プロトコル)もあります。ドキュメントでは「物理的な連結」と説明されていて、複数のファイルを、続けて1つのファイルとして読みます。
MP4 を3本この方法でつなぐと、終了コードは 0 でしたが、できたファイルは 3.000000 秒で、1本目の分しかありませんでした。
ffmpeg -i "concat:clip1.mp4|clip2.mp4|clip3.mp4" -c copy p.mp4
同じ3本を、ffmpeg -i clip1.mp4 -c copy clip1.ts のように -c copy で MPEG-TS(.ts)に変えてから concat:clip1.ts|clip2.ts|clip3.ts でつなぐと、映像が 9.000000 秒のファイルになりました。MP4 をつなぐときは、ここまでの concat デマルチプレクサーか concat フィルターを使います。





