Eu tenho usado o ffmpeg para fazer tudo até agora com um vídeo, vinculando quadros de animação, adicionando áudio, sobrepondo imagens e adicionando legendas. Então, espero que a resposta à minha pergunta ainda esteja dentro do ffmpeg, mas estou aberto para usar outros programas, se necessário.
Eu já criei os arquivos de legendas do ASS (plural para vários idiomas), aproveitando as informações de fonte, cor e posicionamento. Mas quando fui adicionar um deles ao vídeo, perdi toda essa informação de formatação. A única maneira que encontrei de preservar essas informações com o ffmpeg é fazer um sub-artigo, renderizando o texto permanentemente no vídeo, mas quero que o espectador possa alternar entre os idiomas.
Isso é o que eu faço atualmente:
ffmpeg \
-i video_in.mp4 -i sub_eng.ass -i sub_spa.ass \
-c copy -c:s mov_text \
-map 0:v -map 0:a -map 1 -map 2 \
-metadata:s:s:0 language=eng \
-metadata:s:s:1 language=spa \
video_out.mp4
Existe uma maneira de inserir um vídeo com informações de posição? Cada linha nas legendas tem sua própria posição (imitando uma bolha de fala para indicar quem está falando).
EDIT: Solução parcial com MKV de Gyan
ffmpeg \
-i video_in.mkv -i sub_eng.ass -i sub_spa.ass \
-c copy \
-map 0:v -map 0:a -map 1 -map 2 \
-metadata:s:s:0 language=eng \
-metadata:s:s:1 language=spa \
video_out.mkv