¿Qué es ffmpeg-skill?
ffmpeg-skill, de S. Kajiyama (kajisho5), da a un agente de código un editor de vídeo local. Es una Agent Skill (un flujo de trabajo SKILL.md) más 42 scripts de Python que envuelven ffmpeg y ffprobe: cortar y unir, eliminar silencios, ajustar a una duración y relación de aspecto, subtítulos con resaltado tipo karaoke, superposiciones, HDR a SDR, normalización de sonoridad, multicámara, ajustes de exportación por plataforma y comprobaciones de entrega. Cada herramienta es también una herramienta MCP, y un contrato legible por máquina describe cada una.
La skill obliga al agente a seguir un orden fijo: analizar el archivo real, editar sin pérdidas cuando sea posible y luego comprobar el resultado e inspeccionar una hoja de contactos. Nada se ejecuta a través de una shell y quien llama no puede pasar grafos de filtros en bruto. Los subtítulos por voz a texto necesitan un motor local como faster-whisper, que se instala aparte.
El repositorio tiene licencia MIT, unas 4.200 estrellas en GitHub y se creó en septiembre de 2026. Se instala con npx ffmpeg-skill; el paquete npm está en la 3.1.1 (31 de octubre de 2026), tras más de 100 versiones en GitHub en dos meses.
¿Merece la pena ffmpeg-skill?
ffmpeg-skill corrige la forma concreta en que los agentes fallan con el vídeo. Un modelo que conoce FFmpeg sigue adivinando: supone una tasa de fotogramas, elige un códec que el contenedor no admite, recodifica cuando bastaría copiar el flujo e informa de éxito sin abrir el archivo. Esta skill sustituye los comandos de shell libres por 42 scripts con argumentos tipados, y obliga al agente a analizar primero la entrada y verificar después la salida, hasta una hoja de contactos que mira cuando la imagen ha cambiado. El ejemplo del README es una petición para cortar dos segmentos de una entrevista a 60 segundos exactos para Reels, que el agente convierte en seis llamadas a herramientas que terminan comprobando que el archivo es de 1080 por 1920 a 30 fps.
La ingeniería es cuidadosa. El esquema MCP de cada herramienta se genera a partir del mismo parser argparse que su línea de comandos, y la CI falla si divergen, así que la visión que el agente tiene de una herramienta no puede desfasarse de la herramienta. Nada pasa por una shell y no se acepta ningún grafo de filtros aportado por quien llama, lo que cierra la vía de inyección obvia. La CI prueba contra FFmpeg 6.1, 7.1, 8 y 9 en Linux, macOS y Windows. Solo necesita la biblioteca estándar de Python, y el audio para transcribir se queda en la máquina.
El lastre es el alcance y el ritmo. Cuarenta y dos herramientas son mucha superficie entre la que elegir para un agente; el servidor MCP solo lista 12 básicas por defecto para ahorrar contexto, y las evaluaciones de enrutamiento del propio autor indican que el agente encuentra la opción correcta a partir de un síntoma en 7 de 8 prompts, lo que está bien pero no es perfecto. El proyecto pasó del primer commit en septiembre de 2026 a la versión 3.1.1 a finales de octubre, con dos versiones mayores que retiraron el soporte de FFmpeg y Python antiguos, y es básicamente obra de una sola persona. Además forma parte de un ecosistema más amplio de skills de vídeo del autor, aunque funciona bien por sí sola.
Frente a hyperframes, que genera vídeo nuevo a partir de HTML, ffmpeg-skill edita el material que ya tienes; las dos se complementan más que competir. Para un desarrollador que pide a menudo a un agente recortar, subtitular y exportar grabaciones, elimina la mayoría de las formas en que eso sale mal.
Dónde se gana su sitio
Un developer advocate que convierte directos de una hora en clips cortos
Cortar momentos destacados a 60 segundos, reencuadrarlos a 9:16 y subtitularlos
Pídeselo a Claude Code en lenguaje natural; la skill ejecuta análisis, corte, ajuste, subtítulos, exportación con el ajuste de Reels o TikTok y comprobación. Gratis y local; el coste principal son los tokens del agente.
Un productor de pódcast en un estudio de tres personas
Quitar silencios y normalizar la sonoridad para cada plataforma
silence.py recorta los tiempos muertos y loudness.py apunta a -14 LUFS, y check.py confirma que la exportación cumple la especificación de la plataforma. El audio nunca sale de la máquina.
Un ingeniero de plataforma que construye un pipeline interno de vídeo con agentes
Llamar a primitivas de edición fiables desde un framework de agentes
Lee npx ffmpeg-skill contract --json para ver las entradas, salidas y verificación de cada herramienta, y llama a las herramientas por MCP o por la CLI con salida --json. Define FFMPEG_SKILL_MCP_FULL=1 para exponer las 42.
Antes de decidirte
- Puesta en marcha
- Instala FFmpeg 6.1+ (apt, Homebrew o compilaciones de gyan.dev), luego npx ffmpeg-skill (--cursor, --codex o --all para otros agentes) y npx ffmpeg-skill doctor para comprobar qué herramientas admite esa compilación de FFmpeg.
- Integraciones
- Claude Code, Cursor, Codex y cualquier agente que lea SKILL.md; un servidor MCP para otros clientes; motores de voz locales opcionales (faster-whisper, whisper.cpp, Parakeet) para subtítulos transcritos; codificación con Apple VideoToolbox opcional.
- Datos y privacidad
- Todo se ejecuta en local sin claves de API; los motores de voz descargan los pesos del modelo en el primer uso, pero el audio nunca se sube. Licencia MIT.
- Coste a escala
- No hay edición de pago. Los costes son el tiempo de CPU o GPU local para las codificaciones y el uso de tokens del propio agente; el autor indica que VideoToolbox es de 2 a 7 veces más rápido que x264 en un M4 Max.
- Límites
- Requiere FFmpeg 6.1 o posterior y Python 3.10 o posterior; algunas herramientas fallan en compilaciones de FFmpeg sin filtros como subtitles o libvidstab; no hay seguimiento de caras para reencuadrar; las copias instaladas no se actualizan solas.
Lo bueno
- Herramientas tipadas sin shell ni grafos de filtros en bruto
- Flujo de analizar primero y verificar después, con comprobaciones por hoja de contactos
- Esquemas MCP generados desde el parser de la CLI y comprobados en CI
- Totalmente local; solo la biblioteca estándar de Python
Lo malo
- 42 herramientas son mucha superficie para que un agente elija
- Más de 100 versiones y dos mayores en dos meses
- En la práctica, un proyecto de un solo mantenedor
- Los subtítulos por voz necesitan un motor whisper instalado aparte
Ideal para
Desarrolladores y pequeños equipos de vídeo que ya usan Claude Code, Cursor o Codex y quieren que el agente edite grabaciones sin comandos FFmpeg escritos a mano.
Alternativas a ffmpeg-skill
ffmpeg-skill: preguntas frecuentes
- ¿Merece la pena ffmpeg-skill?
- La forma más segura que hemos visto de soltar a un agente de código con material de vídeo, envuelta en más herramientas y más versiones de las que la mayoría necesitará nunca. Le damos un 3.9 sobre 5.
- ¿Cuánto cuesta ffmpeg-skill?
- Gratuito y de código abierto (MIT). Necesita FFmpeg 6.1+ y Python 3.10+; sin claves de API ni servicio en la nube.
- ¿Qué inconvenientes tiene ffmpeg-skill?
- 42 herramientas son mucha superficie para que un agente elija; más de 100 versiones y dos mayores en dos meses; en la práctica, un proyecto de un solo mantenedor; los subtítulos por voz necesitan un motor whisper instalado aparte.
- ¿Para quién es ffmpeg-skill?
- Desarrolladores y pequeños equipos de vídeo que ya usan Claude Code, Cursor o Codex y quieren que el agente edite grabaciones sin comandos FFmpeg escritos a mano.
- ¿Cuánto cuesta ffmpeg-skill para un equipo o en producción?
- No hay edición de pago. Los costes son el tiempo de CPU o GPU local para las codificaciones y el uso de tokens del propio agente; el autor indica que VideoToolbox es de 2 a 7 veces más rápido que x264 en un M4 Max.
- ¿Es ffmpeg-skill seguro para los datos de la empresa?
- Todo se ejecuta en local sin claves de API; los motores de voz descargan los pesos del modelo en el primer uso, pero el audio nunca se sube. Licencia MIT.
- ¿Cuáles son las mejores alternativas a ffmpeg-skill?
- Las alternativas más cercanas que hemos analizado son HyperFrames, VideoAgent y Anthropic Skills.
Respuestas comprobadas el 31 oct 2026.