Qu’est-ce que ffmpeg-skill ?
ffmpeg-skill, de S. Kajiyama (kajisho5), donne à un agent de code un éditeur vidéo local. C'est une Agent Skill (un workflow SKILL.md) plus 42 scripts Python qui enveloppent ffmpeg et ffprobe : couper et assembler, supprimer les silences, adapter à une durée et un format d'image, sous-titres avec surlignage karaoké, incrustations, HDR vers SDR, normalisation du volume sonore, multicaméra, préréglages d'export par plateforme et contrôles de livraison. Chaque outil est aussi un outil MCP, et un contrat lisible par machine décrit chacun d'eux.
La skill impose à l'agent un ordre fixe : analyser le vrai fichier, monter sans perte quand c'est possible, puis vérifier le résultat et examiner une planche contact. Rien ne passe par un shell et l'appelant ne peut pas transmettre de graphes de filtres bruts. Les sous-titres par reconnaissance vocale demandent un moteur local comme faster-whisper, installé à part.
Le dépôt est sous licence MIT avec environ 4 200 étoiles sur GitHub, créé en septembre 2026. Il s'installe avec npx ffmpeg-skill ; le paquet npm en est à la 3.1.1 (31 octobre 2026), après plus de 100 versions sur GitHub en deux mois.
ffmpeg-skill vaut-il le coup ?
ffmpeg-skill corrige la façon précise dont les agents échouent avec la vidéo. Un modèle qui connaît FFmpeg devine quand même : il suppose une fréquence d'images, choisit un codec que le conteneur ne peut pas accueillir, réencode quand une copie de flux suffirait, et annonce un succès sans ouvrir le fichier. Cette skill remplace les commandes shell libres par 42 scripts aux arguments typés, et oblige l'agent à analyser d'abord l'entrée puis à vérifier la sortie, jusqu'à une planche contact qu'il regarde quand l'image a changé. L'exemple du README est une demande de couper deux segments d'une interview à exactement 60 secondes pour Reels, que l'agent transforme en six appels d'outils se terminant par la vérification que le fichier fait 1080 par 1920 à 30 fps.
L'ingénierie est soignée. Le schéma MCP de chaque outil est généré à partir du même parser argparse que sa ligne de commande, et la CI échoue s'ils divergent, donc la vision qu'a l'agent d'un outil ne peut pas se décaler de l'outil. Rien ne passe par un shell et aucun graphe de filtres fourni par l'appelant n'est accepté, ce qui ferme la voie d'injection évidente. La CI teste contre FFmpeg 6.1, 7.1, 8 et 9 sous Linux, macOS et Windows. Il ne demande que la bibliothèque standard de Python, et l'audio à transcrire reste sur la machine.
Le poids, ce sont le périmètre et le rythme. Quarante-deux outils, c'est beaucoup de surface où choisir pour un agent ; le serveur MCP n'en liste par défaut que 12 essentiels pour économiser du contexte, et les évaluations de routage de l'auteur lui-même montrent que l'agent trouve la bonne option à partir d'un symptôme dans 7 prompts sur 8, ce qui est bien sans être parfait. Le projet est passé du premier commit en septembre 2026 à la version 3.1.1 fin octobre, avec deux versions majeures qui ont abandonné les anciennes versions de FFmpeg et de Python, et c'est pour l'essentiel le travail d'une seule personne. Il s'inscrit aussi dans un écosystème plus large de skills vidéo de l'auteur, mais fonctionne très bien seul.
Face à hyperframes, qui génère de la vidéo nouvelle à partir de HTML, ffmpeg-skill monte des images que vous avez déjà ; les deux sont complémentaires plutôt que rivaux. Pour un développeur qui demande régulièrement à un agent de couper, sous-titrer et exporter des enregistrements, il élimine la plupart des façons dont cela tourne mal.
Là où il fait la différence
Un developer advocate qui transforme des lives d'une heure en clips courts
Couper des moments forts à 60 secondes, les recadrer en 9:16 et les sous-titrer
Demandez-le à Claude Code en langage courant ; la skill enchaîne analyse, coupe, adaptation, sous-titres, export avec le préréglage Reels ou TikTok et vérification. Gratuit et local ; le coût principal, ce sont les tokens de l'agent.
Un producteur de podcasts dans un studio de trois personnes
Supprimer les silences et normaliser le volume sonore pour chaque plateforme
silence.py coupe les blancs et loudness.py vise -14 LUFS, check.py confirmant que l'export respecte les spécifications de la plateforme. L'audio ne quitte jamais la machine.
Un ingénieur plateforme qui construit une chaîne vidéo interne avec des agents
Appeler des primitives de montage fiables depuis un framework d'agents
Lisez npx ffmpeg-skill contract --json pour les entrées, sorties et vérifications de chaque outil, et appelez les outils via MCP ou la CLI avec une sortie --json. Définissez FFMPEG_SKILL_MCP_FULL=1 pour exposer les 42.
Avant de vous engager
- Mise en route
- Installez FFmpeg 6.1+ (apt, Homebrew ou les builds de gyan.dev), puis npx ffmpeg-skill (--cursor, --codex ou --all pour d'autres agents) et npx ffmpeg-skill doctor pour vérifier quels outils ce build de FFmpeg prend en charge.
- Intégrations
- Claude Code, Cursor, Codex et tout agent qui lit SKILL.md ; un serveur MCP pour les autres clients ; moteurs vocaux locaux facultatifs (faster-whisper, whisper.cpp, Parakeet) pour les sous-titres transcrits ; encodage Apple VideoToolbox sur option.
- Données et confidentialité
- Tout tourne en local sans clé d'API ; les moteurs vocaux téléchargent les poids du modèle au premier lancement, mais l'audio n'est jamais envoyé. Licence MIT.
- Coût à grande échelle
- Pas d'édition payante. Les coûts sont le temps CPU ou GPU local pour les encodages et la consommation de tokens de l'agent lui-même ; l'auteur indique que VideoToolbox est 2 à 7 fois plus rapide que x264 sur un M4 Max.
- Limites
- Exige FFmpeg 6.1 ou plus récent et Python 3.10 ou plus récent ; certains outils échouent sur des builds de FFmpeg sans filtres comme subtitles ou libvidstab ; pas de suivi de visage pour le recadrage ; les copies installées ne se mettent pas à jour automatiquement.
Les points forts
- Outils typés sans shell ni graphes de filtres bruts
- Workflow analyser d'abord, vérifier ensuite, avec contrôle par planche contact
- Schémas MCP générés depuis le parser de la CLI et vérifiés en CI
- Entièrement local ; bibliothèque standard de Python uniquement
Les points faibles
- 42 outils, c'est une large surface dans laquelle un agent doit s'orienter
- Plus de 100 versions et deux majeures en deux mois
- De fait, un projet à mainteneur unique
- Les sous-titres vocaux demandent un moteur whisper installé à part
Idéal pour
Les développeurs et petites équipes vidéo qui utilisent déjà Claude Code, Cursor ou Codex et veulent que l'agent monte des enregistrements sans commandes FFmpeg écrites à la main.
Alternatives à ffmpeg-skill
ffmpeg-skill : questions fréquentes
- ffmpeg-skill vaut-il le coup ?
- La manière la plus sûre que nous ayons vue de lâcher un agent de code sur des rushes, enveloppée dans plus d'outils et plus de versions que la plupart des gens n'en auront jamais besoin. Nous lui donnons 3.9 sur 5.
- Combien coûte ffmpeg-skill ?
- Gratuit et open source (MIT). Demande FFmpeg 6.1+ et Python 3.10+ ; ni clé d'API ni service cloud.
- Quels sont les inconvénients de ffmpeg-skill ?
- 42 outils, c'est une large surface dans laquelle un agent doit s'orienter; plus de 100 versions et deux majeures en deux mois; de fait, un projet à mainteneur unique; les sous-titres vocaux demandent un moteur whisper installé à part.
- À qui s’adresse ffmpeg-skill ?
- Les développeurs et petites équipes vidéo qui utilisent déjà Claude Code, Cursor ou Codex et veulent que l'agent monte des enregistrements sans commandes FFmpeg écrites à la main.
- Combien coûte ffmpeg-skill pour une équipe ou en production ?
- Pas d'édition payante. Les coûts sont le temps CPU ou GPU local pour les encodages et la consommation de tokens de l'agent lui-même ; l'auteur indique que VideoToolbox est 2 à 7 fois plus rapide que x264 sur un M4 Max.
- ffmpeg-skill est-il sûr pour les données de l’entreprise ?
- Tout tourne en local sans clé d'API ; les moteurs vocaux téléchargent les poids du modèle au premier lancement, mais l'audio n'est jamais envoyé. Licence MIT.
- Quelles sont les meilleures alternatives à ffmpeg-skill ?
- Les alternatives les plus proches que nous avons testées sont HyperFrames, VideoAgent et Anthropic Skills.
Réponses vérifiées le 31 oct. 2026.