Was ist ffmpeg-skill?
ffmpeg-skill von S. Kajiyama (kajisho5) gibt einem Coding-Agenten einen lokalen Videoeditor. Es ist ein Agent Skill (ein SKILL.md-Workflow) plus 42 Python-Skripte, die ffmpeg und ffprobe kapseln: Schneiden und Zusammenfügen, Stille entfernen, Anpassen an Dauer und Seitenverhältnis, Untertitel mit Karaoke-Hervorhebung, Overlays, HDR zu SDR, Lautheitsnormalisierung, Multicam, Export-Presets für Plattformen und Auslieferungsprüfungen. Jedes Tool ist auch ein MCP-Tool, und ein maschinenlesbarer Vertrag beschreibt jedes einzelne.
Der Skill zwingt den Agenten zu einer festen Reihenfolge: die echte Datei analysieren, wo möglich verlustfrei bearbeiten, dann das Ergebnis prüfen und einen Kontaktbogen ansehen. Nichts läuft über eine Shell, und Aufrufer können keine rohen Filtergraphen übergeben. Untertitel per Spracherkennung brauchen eine lokale Engine wie faster-whisper, die separat installiert wird.
Das Repo steht unter MIT-Lizenz, hat etwa 4.200 GitHub-Sterne und wurde im September 2026 angelegt. Installiert wird es mit npx ffmpeg-skill; das npm-Paket steht bei 3.1.1 (31. Oktober 2026), nach mehr als 100 GitHub-Releases in zwei Monaten.
Lohnt sich ffmpeg-skill?
ffmpeg-skill behebt die konkrete Art, wie Agenten an Video scheitern. Ein Modell, das FFmpeg kennt, rät trotzdem: Es nimmt eine Bildrate an, wählt einen Codec, den der Container nicht aufnehmen kann, kodiert neu, wo ein Stream-Copy reichen würde, und meldet Erfolg, ohne die Datei zu öffnen. Dieser Skill ersetzt freie Shell-Befehle durch 42 Skripte mit typisierten Argumenten und lässt den Agenten zuerst die Eingabe analysieren und danach die Ausgabe prüfen, bis hin zu einem Kontaktbogen, den er ansieht, wenn sich das Bild verändert hat. Das Beispiel im README ist die Bitte, zwei Abschnitte eines Interviews auf genau 60 Sekunden für Reels zu schneiden, die der Agent in sechs Tool-Aufrufe umsetzt, an deren Ende die Prüfung steht, dass die Datei 1080 mal 1920 bei 30 fps hat.
Die Technik ist sorgfältig. Das MCP-Schema jedes Tools wird aus demselben argparse-Parser erzeugt wie seine Kommandozeile, und die CI schlägt fehl, wenn beide auseinanderlaufen, die Sicht des Agenten auf ein Tool kann also nicht vom Tool abweichen. Nichts läuft über eine Shell, und kein vom Aufrufer gelieferter Filtergraph wird akzeptiert, was den naheliegenden Injektionsweg schließt. Die CI testet gegen FFmpeg 6.1, 7.1, 8 und 9 unter Linux, macOS und Windows. Es braucht nur die Python-Standardbibliothek, und Audio für die Transkription bleibt auf dem Rechner.
Das Gewicht sind Umfang und Tempo. Zweiundvierzig Tools sind viel Fläche, aus der ein Agent wählen muss; der MCP-Server listet standardmäßig nur 12 Kern-Tools, um Kontext zu sparen, und die eigenen Routing-Evals des Autors zeigen, dass der Agent in 7 von 8 Prompts aus einem Symptom das richtige Flag findet, was gut, aber nicht perfekt ist. Das Projekt ging vom ersten Commit im September 2026 bis Ende Oktober zu Version 3.1.1, mit zwei Major-Versionen, die die Unterstützung älterer FFmpeg- und Python-Versionen strichen, und es ist im Wesentlichen die Arbeit einer Person. Es gehört außerdem zu einem größeren Ökosystem von Video-Skills des Autors, läuft aber auch allein problemlos.
Im Vergleich zu hyperframes, das neues Video aus HTML rendert, bearbeitet ffmpeg-skill Material, das du schon hast; die beiden ergänzen sich eher, als dass sie konkurrieren. Für Entwickler, die einen Agenten regelmäßig Aufnahmen kürzen, untertiteln und exportieren lassen, beseitigt es die meisten Arten, wie das schiefgeht.
Wo es sich lohnt
Ein Developer Advocate, der einstündige Livestreams in kurze Clips verwandelt
Highlights auf 60 Sekunden schneiden, auf 9:16 umrahmen und untertiteln
Bitte Claude Code in normaler Sprache darum; der Skill führt Analyse, Schnitt, Anpassung, Untertitel, Export mit dem Reels- oder TikTok-Preset und Prüfung aus. Kostenlos und lokal; die Hauptkosten sind die Tokens des Agenten.
Ein Podcast-Produzent in einem Studio mit drei Leuten
Stille entfernen und die Lautheit für jede Plattform normalisieren
silence.py schneidet Leerlauf heraus und loudness.py zielt auf -14 LUFS, check.py bestätigt, dass der Export die Plattformvorgaben erfüllt. Das Audio verlässt nie den Rechner.
Ein Platform Engineer, der eine interne Video-Pipeline auf Agenten aufbaut
Verlässliche Schnitt-Bausteine aus einem Agenten-Framework aufrufen
Lies npx ffmpeg-skill contract --json f ür Eingaben, Ausgaben und Prüfung jedes Tools, und rufe die Tools über MCP oder die CLI mit --json-Ausgabe auf. Setze FFMPEG_SKILL_MCP_FULL=1, um alle 42 freizugeben.
Bevor du dich festlegst
- Einrichtung
- FFmpeg 6.1+ installieren (apt, Homebrew oder Builds von gyan.dev), dann npx ffmpeg-skill (--cursor, --codex oder --all für andere Agenten) und npx ffmpeg-skill doctor, um zu prüfen, welche Tools dieser FFmpeg-Build unterstützt.
- Integrationen
- Claude Code, Cursor, Codex und jeder Agent, der SKILL.md liest; ein MCP-Server für andere Clients; optionale lokale Sprach-Engines (faster-whisper, whisper.cpp, Parakeet) für transkribierte Untertitel; Kodierung mit Apple VideoToolbox als Opt-in.
- Daten und Datenschutz
- Alles läuft lokal ohne API-Schlüssel; Sprach-Engines laden beim ersten Start Modellgewichte herunter, aber Audio wird nie hochgeladen. MIT-Lizenz.
- Kosten im großen Maßstab
- Keine kostenpflichtige Edition. Kosten sind lokale CPU- oder GPU-Zeit für das Kodieren und der Token-Verbrauch des Agenten selbst; laut Autor ist VideoToolbox auf einem M4 Max 2- bis 7-mal schneller als x264.
- Grenzen
- Erfordert FFmpeg 6.1 oder neuer und Python 3.10 oder neuer; manche Tools scheitern an FFmpeg-Builds ohne Filter wie subtitles oder libvidstab; kein Gesichts-Tracking beim Umrahmen; installierte Kopien aktualisieren sich nicht automatisch.
Was gut ist
- Typisierte Tools ohne Shell und ohne rohe Filtergraphen
- Workflow mit Analyse vorher und Prüfung nachher, inklusive Kontaktbogen
- MCP-Schemas aus dem CLI-Parser erzeugt und in der CI geprüft
- Vollständig lokal; nur die Python-Standardbibliothek
Was nicht
- 42 Tools sind eine breite Fläche, durch die ein Agent navigieren muss
- Über 100 Releases und zwei Major-Versionen in zwei Monaten
- Faktisch ein Projekt mit einem einzigen Maintainer
- Sprachuntertitel brauchen eine separat installierte Whisper-Engine
Am besten für
Entwickler und kleine Videoteams, die bereits Claude Code, Cursor oder Codex nutzen und Aufnahmen vom Agenten bearbeiten lassen wollen, ohne FFmpeg-Befehle von Hand zu schreiben.
Alternativen zu ffmpeg-skill
ffmpeg-skill: häufige Fragen
- Lohnt sich ffmpeg-skill?
- Die sicherste Art, die wir gesehen haben, einen Coding-Agenten auf Videomaterial loszulassen, verpackt in mehr Tools und mehr Releases, als die meisten je brauchen werden. Wir bewerten es mit 3.9 von 5.
- Was kostet ffmpeg-skill?
- Kostenlos und Open Source (MIT). Braucht FFmpeg 6.1+ und Python 3.10+; keine API-Schlüssel und kein Cloud-Dienst.
- Welche Nachteile hat ffmpeg-skill?
- 42 Tools sind eine breite Fläche, durch die ein Agent navigieren muss; Über 100 Releases und zwei Major-Versionen in zwei Monaten; Faktisch ein Projekt mit einem einzigen Maintainer; Sprachuntertitel brauchen eine separat installierte Whisper-Engine.
- Für wen eignet sich ffmpeg-skill?
- Entwickler und kleine Videoteams, die bereits Claude Code, Cursor oder Codex nutzen und Aufnahmen vom Agenten bearbeiten lassen wollen, ohne FFmpeg-Befehle von Hand zu schreiben.
- Was kostet ffmpeg-skill für ein Team oder im Produktivbetrieb?
- Keine kostenpflichtige Edition. Kosten sind lokale CPU- oder GPU-Zeit für das Kodieren und der Token-Verbrauch des Agenten selbst; laut Autor ist VideoToolbox auf einem M4 Max 2- bis 7-mal schneller als x264.
- Ist ffmpeg-skill sicher für Firmendaten?
- Alles läuft lokal ohne API-Schlüssel; Sprach-Engines laden beim ersten Start Modellgewichte herunter, aber Audio wird nie hochgeladen. MIT-Lizenz.
- Was sind die besten Alternativen zu ffmpeg-skill?
- Die nächsten Alternativen, die wir getestet haben, sind HyperFrames, VideoAgent und Anthropic Skills.
Antworten geprüft am 31. Okt. 2026.