在特定的偏移量上将视频与音频文件（MP3、WAV）的片断进行混合

我有一个1分钟的视频，由1440个PNG文件制作而成，有。

ffmpeg.input('tmp/%04d.png', framerate=24).output('test.mp4').run()
如何用ffmpeg-python添加来自音频文件的音轨，经过裁剪，并带有时间偏移，？
在t=0秒时，没有声音。
在t=12秒时，我想加入a.wav的前5秒（这个文件原来比较长）。
在t=17秒时，不再有任何声音。
在t=25秒时，我想加入b.mp3的前10秒
I've tried with 单声道转立体声，有偏移量和视频以及atrim的正负值，如：。
audio = (
    ffmpeg
    .input('a.wav')