入力ファイルの#0, #1, #2をそれぞれ上の例のmp4（:0に映像:1に音声？）、m4a（:0に音声？）、m4a（:0に音声？）と想定する

-map_metadata:s:v 0:g -map_metadata:s:a 「1か2」:g
これで出力ファイルの動画ストリームに動画のメタデータ、音声ストリームに選んだ入力1か2のメタデータが入るはず
-map_metadata:g 0:g
これで出力に入力の動画のメタデータが入るはず