kajisho5/ffmpeg-skill

ffmpeg-skill est une compétence destinée aux agents tels que Claude Code, Cursor et Codex. Elle impose un flux de travail fixe : « détecter les fichiers, effectuer des montages aussi sans perte que possible, vérifier et valider ». Elle inclut 42 outils basés sur ffmpeg / ffprobe : découpe et assemblage, suppression des silences, adaptation à la durée et au format d'image, sous-titres et mise en évidence karaoké, conversion HDR vers SDR, normalisation de la loudness, synchronisation multi-caméras, vérification des spécifications de livraison pour les plateformes, etc. Chaque outil est également un outil MCP ; les descriptions des paramètres sont générées directement à partir des définitions de la ligne de commande, et le CI vérifie leur cohérence. Les paramètres bruts ffmpeg ou les graphes de filtres ne sont pas acceptés, et aucune exécution via shell n'est utilisée. Le projet ne dépend que de FFmpeg et de la bibliothèque standard Python ; pour la transcription vocale en sous-titres, un moteur de reconnaissance local doit être installé séparément, et l'audio ne quitte jamais la machine locale.

ffmpeg-skill est une compétence destinée aux agents tels que Claude Code, Cursor et Codex. Elle impose un flux de travail fixe : « détecter les fichiers, effectuer des montages aussi sans perte que possible, vérifier et valider ». Elle inclut 42 outils basés sur ffmpeg / ffprobe : découpe et assemblage, suppression des silences, adaptation à la durée et au format d'image, sous-titres et mise en évidence karaoké, conversion HDR vers SDR, normalisation de la loudness, synchronisation multi-caméras, vérification des spécifications de livraison pour les plateformes, etc. Chaque outil est également un outil MCP ; les descriptions des paramètres sont générées directement à partir des définitions de la ligne de commande, et le CI vérifie leur cohérence. Les paramètres bruts ffmpeg ou les graphes de filtres ne sont pas acceptés, et aucune exécution via shell n'est utilisée. Le projet ne dépend que de FFmpeg et de la bibliothèque standard Python ; pour la transcription vocale en sous-titres, un moteur de reconnaissance local doit être installé séparément, et l'audio ne quitte jamais la machine locale.

Pourquoi c'est important Mesurez d'abord les fichiers réels avant d'agir. Après le montage, vérifiez la durée, le format d'image et les spécifications de la plateforme, et examinez les vignettes ; ne laissez pas l'agent deviner les paramètres à partir du nom du fichier. Tout se déroule en local, sans clé API.

Nombre d'étoiles 6758 (+367 / 24h)

Raisons

  • 367 nouvelles étoiles en 24 heures, total de 6758 étoiles, classé 3 du jour sur Trendshift (indique uniquement le niveau d'attention) ; licence MIT
  • Le README fournit les commandes originales pour chaque démonstration avant/après ; le CI teste sur FFmpeg 6.1, 7.1, 8 et 9

Utilisation

  • Après avoir installé FFmpeg, exécutez npx ffmpeg-skill pour l'installer dans Claude Code (ajoutez --cursor pour Cursor, --codex pour Codex), puis utilisez npx ffmpeg-skill doctor pour vérifier quels composants manquent sur votre machine ; ensuite, dites « Découpe les segments 0:45–3:10 et 5:00–6:30 de interview.mp4, et crée une vidéo verticale de 60 secondes pour Reels »

Risques

  • Nécessite FFmpeg 6.1 ou supérieur et Python 3.10 ou supérieur ; certaines versions de FFmpeg installées via Homebrew manquent de filtres tels que ceux pour les sous-titres, et doctor listera quels outils ne peuvent pas être utilisés
  • Après l'installation, il n'y a pas de mise à jour automatique ; vous devez réexécuter npx ffmpeg-skill

Ouvrir

Trendshift(GitHub Trending 快照)

Parcourir les dernières actualités IA