Use
ffmpeg -y -i video.mp4 -i overlay.png
-filter_complex "[1][0]scale2ref[i][m];[m][i]overlay[v]"
-map "[v]" -map 0:a? -ac 2 output.mp4
O scale2ref
dimensiona a primeira entrada (para o filtro) para o tamanho da segunda. Os índices do bloco de entrada 0
e 1
referem-se à primeira e à segunda entrada do FFmpeg, já que essa contagem começa do zero.
-map 0:a?
- o ?
informa ao FFmpeg para mapear o áudio contingentemente, ou seja, se presente. Eu removi o amix
uma vez que a) filtros dentro de um complexo de filtros não podem ser contingentes e b) há apenas uma entrada, então não há nada para 'misturar'.