Прежде всего, вы скачиваете видеофайл и аудиофайл с другой кодировкой
В вашем случае это mp4 и webm
Вы должны, например, загрузить видео mp4 и аудио m4a
Или веб-видео и веб-аудио
Затем для ffmpeg вы должны передать параметр «- c copy»
Пример строки команды ffmpeg:
ffmpeg -i myvideo.mp4 -i myaudio.m4a -c copy output.mp4
Вот ссылка на python проект на github, использующий ту же технику
https://github.com/pyIDM/pyIDM
Проверьте файл video.py
Дальнейшее объяснение:
Когда вы используете параметр «- c copy», ffmpeg просто скопирует звуковую дорожку и объединит ее с видео при условии, что и аудио, и видео имеют одинаковый код c контейнер этот процесс занимает менее 2 секунд
В противном случае он будет обрабатывать каждый кадр в видео и каждый бит в аудио, а затем преобразовывать их в нужный формат, что занимает очень много времени