微博客

引言

AI Coding Agent 越来越强，写代码、修 bug、生成项目一气呵成——但如果你告诉它「帮我剪个 60 秒 Reels」，它会愣住。直到 ffmpeg-skill 出现。

这个项目给 Claude Code、Cursor、Codex 等 agent 配了一套完整的本地 FFmpeg 视频编辑能力，不上传、不需要 API Key，全部在本地完成。47 stars，MIT 协议，零外部依赖。

核心设计：先探测，再剪辑，最后验证

ffmpeg-skill 的核心哲学是 Probe → Edit → Verify。

强制 agent 在编辑前读真实时长/FPS/分辨率，编辑后验证输出结果，避免「猜」参数。

很多 AI 视频编辑工具的通病是盲目执行——不知道视频是 VFR 还是 CFR，不检查色彩空间，直接套用模板，结果输出废片。ffmpeg-skill 把每一步都约束在可验证的闭环里。

20 个脚本，覆盖视频编辑全流程

工具集按功能分为五大类：

• 探测类：probe.py 读取时长、FPS、分辨率、编解码器、HDR 格式、色彩空间
• 剪辑类：cut.py 多段剪切、join.py 拼接+过渡、scenes.py 场景检测+精华提案
• 适配类：fit.py 变速保调+比例适配、sync.py 音频偏移修正、multicam.py 多机位同步
• 增强类：caption.py 烧录字幕、overlay.py 叠加水印、graphics.py 纯 FFmpeg 绘制标题条/进度条、color.py HDR→SDR 色调映射
• 交付类：audio.py 降噪/语音增强、loudness.py EBU R128 响度标准化、check.py 平台合规检查、report.py HTML 交付报告、export.py 一键导出

以「采访视频剪成 60 秒 Reels」为例：

```

probe.py → cut.py → fit.py --duration 60 --aspect 9:16 → export.py --preset reels → probe.py 验证

```

全程 agent 无需手动干预参数。

实测数据：专业级精度

FFmpeg 6.1 测试环境下：

• 真实设备素材（GoPro/DJI/iPhone/Android）10 文件，92 步验证全部通过
• 音频同步修正（±30s 偏移、增益/噪音/EQ 干扰）：40/40 误差 < 10ms，最大 1.1ms
• 静音检测（20 个已知静默段）：0 漏检，残留静音 ≤ 1ms
• 场景切点检测（53 次硬切）：精确率 0.95，召回 1.00，F1 0.97

安装与接入

```bash

# Claude Code（默认）

npx ffmpeg-skill

# Cursor / Codex / 全部 / 自定义目录

npx ffmpeg-skill --cursor

npx ffmpeg-skill --codex

npx ffmpeg-skill --all

npx ffmpeg-skill --dir ./my-skills

```

支持 MCP 模式接入，配置 mcpServers 即可在 Claude Desktop 中使用。

```json

{

"mcpServers": {

"ffmpeg-skill": {

"command": "python3",

"args": ["/Users/you/.claude/skills/ffmpeg-skill/mcp/server.py"]

}

}

}

```

小结

ffmpeg-skill 的本质是把视频编辑的流程标准化、可验证化，让 AI Agent 从一个「猜参数的黑盒」变成「有检查点的流水线」。对于需要批量处理视频内容的创作者和开发者来说，这套本地方案降低了 API 依赖和隐私风险，同时保持了专业级的输出精度。

如果你已经在使用 Claude Code 或 Cursor 做内容生产，不妨试一下——也许下一个视频剪辑工作流，就藏在一段自然语言里。