如何将音频与处理后的视频合并并同步以进行实时流传输？

Question

我正在检测RTMP视频和音频流上的对象。对象检测到的输出视频流中不包含音频。如何将音频合并回输出以进行实时视频+对象流输出？

我在darknet C框架中使用YOLO。 FPS为40。另外，输出流的速度必须为25-30 FPS。