ffmpeg-skillとは？
S. Kajiyama（kajisho5）による ffmpeg-skill は、コーディングエージェントにローカルの動画エディターを与えます。Agent Skill（SKILL.md のワークフロー）と、ffmpeg と ffprobe を包む 42 の Python スクリプトからなります。カットと結合、無音の除去、尺とアスペクト比への合わせ込み、カラオケ風のハイライト付き字幕、オーバーレイ、HDR から SDR への変換、ラウドネスの正規化、マルチカム、プラットフォーム別の書き出しプリセット、納品前のチェックです。すべてのツールは MCP のツールでもあり、機械可読の契約がそれぞれを記述しています。
スキルはエージェントに決まった順序を守らせます。実際のファイルを調べ、可能な限りロスレスで編集し、その後に結果を確認してコンタクトシートを点検します。シェルを通して実行されるものは何もなく、呼び出し側が生のフィルターグラフを渡すことはできません。音声からの字幕には、別途インストールする faster-whisper などのローカルのエンジンが必要です。
リポジトリは MIT ライセンスで、GitHub のスターは約 4,200、2026 年 9 月に作成されました。npx ffmpeg-skill でインストールします。npm パッケージは 3.1.1（2026 年 10 月 31 日）で、2 か月で 100 回を超える GitHub のリリースを経ています。
ffmpeg-skillは使う価値があるか？
ffmpeg-skill は、エージェントが動画で失敗する特有のパターンを直します。FFmpeg を知っているモデルでも推測をします。フレームレートを決めつけ、コンテナが格納できないコーデックを選び、ストリームのコピーで済むところで再エンコードし、ファイルを開きもせずに成功を報告します。このスキルは自由形式のシェルコマンドを、型付きの引数を取る 42 のスクリプトに置き換え、エージェントにまず入力を調べさせ、その後に出力 を確認させます。映像が変わったときには、エージェントが見るコンタクトシートまで確認します。README の例は、インタビューの 2 つの部分を Reels 用にちょうど 60 秒にカットするという依頼で、エージェントはこれを 6 回のツール呼び出しに変え、最後にファイルが 1080 x 1920、30 fps であることを確認します。
エンジニアリングは丁寧です。各ツールの MCP スキーマは、そのコマンドラインと同じ argparse のパーサーから生成され、両者がずれると CI が失敗するので、エージェントから見たツールが実際のツールとずれることはありません。シェルを通るものはなく、呼び出し側が渡すフィルターグラフも受け付けないため、分かりやすいインジェクションの経路は塞がれています。CI は Linux、macOS、Windows で FFmpeg 6.1、7.1、8、9 に対してテストしています。必要なのは Python の標準ライブラリだけで、文字起こし用の音声はマシンの外に出ません。
重さの原因は範囲とペースです。42 のツールは、エージェントが選ぶには広い対象です。MCP サーバーはコンテキストを節約するためにデフォルトで中核の 12 だけを列挙しており、作者自身のルーティングの評価では、エージェントが症状から正しいフラグを見つけたのは 8 つのプロンプトのうち 7 つでした。良い結果ですが、完璧ではありません。プロジェクトは 2026 年 9 月の最初のコミットから 10 月末までにバージョン 3.1.1 まで進み、その間に古い FFmpeg と Python のサポートを打ち切った 2 回のメジャーアップデートがあり、実質的に 1 人の作品です。また作者の動画スキルのより大きなエコシステムの一部でもありますが、単体でも問題なく動きます。
HTML から新しい動画をレンダリングする hyperframes と比べると、ffmpeg-skill はすでに手元にある映像を編集するもので、両者は競合ではなく補完関係にあります。録画のトリミング、字幕付け、書き出しを日常的にエージェントに頼む開発者にとっては、失敗の原因の大半を取り除いてくれます。
真価を発揮する場面
1 時間のライブ配信を短いクリップにするデベロッパーアドボケイト
ハイライトを 60 秒にカットし、9:16 に構図を変え、字幕を付ける
Claude Code に平易な言葉で頼みます。スキルは調査、カット、合わせ込み、字幕、reels か TikTok のプリセットでの書き出し、チェックを実行します。無料でローカルです。主な費用はエージェントのトークンです。
3 人のスタジオのポッドキャストプロデューサー
無音を除去し、プラットフォームごとにラウドネスを正規化する
silence.py が無音部分を詰め、loudness.py が -14 LUFS に合わせ、check.py が書き出したファイルがプラットフォームの仕様を満たすことを確認します。音声がマシンの外に出ることはありません。
エージェントで社内の 動画パイプラインを作るプラットフォームエンジニア
エージェントのフレームワークから信頼できる編集の基本操作を呼び出す
npx ffmpeg-skill contract --json で各ツールの入力、出力、検証方法を読み、MCP か、--json 出力付きの CLI でツールを呼び出します。FFMPEG_SKILL_MCP_FULL=1 を設定すると 42 すべてが公開されます。
導入前に確認すること
- 導入
- FFmpeg 6.1+（apt、Homebrew、gyan.dev のビルド）をインストールしてから、npx ffmpeg-skill（他のエージェントには --cursor、--codex、--all）を実行し、npx ffmpeg-skill doctor で、手元の FFmpeg のビルドがどのツールに対応しているかを確認します。
- 連携
- Claude Code、Cursor、Codex と、SKILL.md を読む任意のエージェント。他のクライアント向けの MCP サーバー。文字起こしの字幕用のオプションのローカル音声エンジン（faster-whisper、whisper.cpp、Parakeet）。オプトインの Apple VideoToolbox エンコード。
- データとプライバシー
- すべてが API キーなしでローカルに動きます。音声エンジンは初回の実行でモデルの重みをダウンロードしますが、音声がアップロードされることはありません。MIT ライセンスで す。
- 大規模利用時のコスト
- 有料版はありません。費用はエンコードのためのローカルの CPU や GPU の時間と、エージェント自身のトークンの利用です。作者は、M4 Max で VideoToolbox が x264 より 2 から 7 倍速いと報告しています。
- 制限
- FFmpeg 6.1 以降と Python 3.10 以降が必要です。subtitles や libvidstab などのフィルターがない FFmpeg のビルドでは、一部のツールが失敗します。構図変更のための顔の追跡はありません。インストールしたコピーは自動では更新されません。
良い点
- シェルも生のフィルターグラフも使わない型付きのツール
- まず調べ、後で確認するワークフローと、コンタクトシートによるチェック
- MCP スキーマは CLI のパーサーから生成され、CI で確認される
- 完全にローカルで、Python の標準ライブラリのみ
気になる点
- 42 のツールは、エージェントが使い分けるには広い対象
- 2 か月で 100 回を超えるリリースと 2 回のメジャーアップデート
- 実質的にメンテナー 1 人のプロジェクト
- 音声からの字幕には別途インストールする whisper のエンジンが必要
おすすめの人
すでに Claude Code、Cursor、Codex を使っており、FFmpeg のコマンドを手で書かずにエージェントに録画を編集させたい開発者と小規模な動画チーム。
ffmpeg-skillの代替
ffmpeg-skill：よくある質問
- ffmpeg-skillは使う価値があるか？
- コーディングエージェントに映像を自由に扱わせる方法として、私たちが見た中で最も安全なものです。ただし、ほとんどの人が必要とする以上のツールとリリースに包まれています。 評価は5点満点中3.9点です。
- ffmpeg-skillの料金は？
- 無料のオープンソース（MIT）です。FFmpeg 6.1+ と Python 3.10+ が必要で、API キーやクラウドサービスは不要です。
- ffmpeg-skillの欠点は？
- 42 のツールは、エージェントが使い分けるには広い対象; 2 か月で 100 回を超えるリリースと 2 回のメジャーアップデート; 実質的にメンテナー 1 人のプロジェクト; 音声からの字幕には別途インストールする whisper のエンジンが必要.
- ffmpeg-skillは誰に向いているか？
- すでに Claude Code、Cursor、Codex を使っており、FFmpeg のコマンドを手で書かずにエージェントに録画を編集させたい開発者と小規模な動画チーム。
- チームや本番環境でffmpeg-skillを使うと費用はいくらか？
- 有料版はありません。費用はエンコードのためのローカルの CPU や GPU の時間と、エージェント自身のトークンの利用です。作者は、M4 Max で VideoToolbox が x264 より 2 から 7 倍速いと報告しています。
- ffmpeg-skillは企業データを扱っても安全か？
- すべてが API キーなしでローカルに動きます。音声エンジンは初回の実行でモデルの重みをダウンロードしますが、音声がアップロードされることはありません。MIT ライセンスです。
- ffmpeg-skillの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はHyperFrames, VideoAgent 、 Anthropic Skillsです。
回答確認日：2026年10月31日