我正在处理一个应用程序，该应用程序应该能够在一个电影文件（.mp4）中混合多个视频和音频片段。

目前，生成的电影具有一个视频轨道（即所有导入的视频片段的串联）和两个音频轨道，一个音频轨道源自导入的视频片段，另一音频轨道源自导入的音频片段。

我想要做的是合并这两个音轨，因为我希望在生成的电影文件中只有一个音轨。尽管我们可以使用指令层技术并将多个视频轨道合并在一起，但我无法找到类似的音频内容。

我阅读了有关音频混合对象的信息，但我认为它仅混合来自两个轨道的音频。相反，我只想拥有一个。

很明显，我试图将视频的音频和简单的音频添加到同一轨道，但是最终的视频仍然是黑色的，这对我来说意味着资产建设过程出了点问题。自然地在同一时间范围内插入不同的音频不是一个好主意：-）

有什么建议吗？