-map vの意味は
「入力ファイルの中の動画ストリームのみを選択する」という意味

-map a:0の意味は
「入力ファイルの中の音声ストリームのうち、最も番号の若いもののみを選択する」という意味
大抵の場合、「主音声、副音声」という順番で音声が収録されているから、
主音声がチョイスされることになる。

結果的に、
入力ファイルのうちの動画部分全てと、主音声だけが抜き出されることになる