ffmpeg - 在窗格中添加多个视频，一个主轨道，如何给出偏移开始时间？

在疫情期间，我们的合唱团导演正在录制一段视频，即伴奏，然后每个合唱团成员（在家）都戴着耳机听伴奏，跟着唱，并将他们的声音和可爱的脸录制成视频。我现在想拍摄所有这些不同的视频，并将它们组合成一个视频，所有成员都在小窗格中，Brady Bunch 风格。当然，每个合唱团成员都有不同的硬件，所以音频电平都是不同的，需要标准化。当然，一个人将视频横向拍摄（纵向而不是横向），因此他们的视频必须在添加之前进行裁剪。

另外，我需要将导演的视频定义为“主”流。所以假设导演在她的视频开头有 3 秒的废话，不需要在那里。我想在胡说八道之后立即开始最后的视频。然后，如果合唱团成员 #1 在导演之后 0.4 秒开始了她的视频，我想丢弃她视频的前 2.6 秒。如果合唱团成员 #2 完全无视指示并在导演之后 4.3 秒开始播放视频，那么我需要他的窗格在最终视频中保持空白 1.3 秒。

最后，如果某些视频需要裁剪，所以它们的形状不正确，我会在空白处用这种可爱的绿色填充。有没有办法定义背景颜色，或者甚至有某种背景图像，其中的一部分只显示在视频流不存在的地方？

我曾经问过一个问题，现在正在使用这个命令行：

ffmpeg -y -i "Director.MOV"
  -itsoffset 5 -i "Member1.MOV"
  -itsoffset 10 -i "Member2.mp4"
  -filter_complex "
  nullsrc=size=1920x1080 [base];
  [0:v] scale=960x540 [clip0];
  [0:a]volume=1[aud0];
  [1:v] crop=1080:1000:0:920,scale=583x540 [clip1];
  [1:a]volume=2,aresample=async=1:first_pts=0[aud1];
  [2:v] scale=960x540 [clip2];
  [2:a]volume=1.1,aresample=async=1:first_pts=0[aud2];
  [base][clip0] overlay=shortest=1:x=0:y=0 [tmp0];
  [tmp0][clip1] overlay=shortest=1:x=1148:y=0:enable='gt(t\,5)' [tmp1];
  [tmp1][clip2] overlay=shortest=1:x=0:y=540:enable='gt(t\,10) [tmp2];
  [aud0][aud1][aud2]amix=inputs=3[a]
" -map "[tmp2]" -map "[a]" -c:v libx264 output.mkv"

但这会导致第一个人的脸独自出现在屏幕上几秒钟，然后其他成员随机加入，最后是导演。我想要一个好的“干净的开始”。