O que é ffmpeg-skill?
O ffmpeg-skill, de S. Kajiyama (kajisho5), dá a um agente de programação um editor de vídeo local. É uma Agent Skill (um fluxo em SKILL.md) mais 42 scripts Python que envolvem o ffmpeg e o ffprobe: cortar e juntar, remover silêncios, ajustar a uma duração e proporção, legendas com destaque estilo karaokê, sobreposições, HDR para SDR, normalização de loudness, multicâmera, presets de exportação por plataforma e verificações de entrega. Cada ferramenta também é uma ferramenta MCP, e um contrato legível por máquina descreve cada uma.
A skill faz o agente seguir uma ordem fixa: sondar o arquivo real, editar sem perdas sempre que possível e depois conferir o resultado e inspecionar uma folha de contato. Nada roda por um shell, e quem chama não pode passar filter graphs brutos. Legendas por reconhecimento de fala precisam de um motor local como o faster-whisper, instalado à parte.
O repositório tem licença MIT, cerca de 4.200 estrelas no GitHub e foi criado em setembro de 2026. Ele é instalado com npx ffmpeg-skill; o pacote npm está na 3.1.1 (31 de outubro de 2026), depois de mais de 100 releases no GitHub em dois meses.
ffmpeg-skill vale a pena?
O ffmpeg-skill corrige o jeito específico como os agentes falham com vídeo. Um modelo que conhece o FFmpeg ainda chuta: supõe uma taxa de quadros, escolhe um codec que o contêiner não comporta, recodifica quando uma cópia de stream bastaria e declara sucesso sem abrir o arquivo. Esta skill substitui comandos de shell livres por 42 scripts que recebem argumentos tipados e faz o agente sondar a entrada antes e verificar a saída depois, chegando a uma folha de contato que ele examina quando a imagem mudou. O exemplo do README é um pedido para cortar dois trechos de uma entrevista em exatamente 60 segundos para Reels, que o agente transforma em seis chamadas de ferramentas terminando em uma verificação de que o arquivo tem 1080 por 1920 a 30 fps.
A engenharia é cuidadosa. O schema MCP de cada ferramenta é gerado a partir do mesmo parser argparse da sua linha de comando, e o CI falha se os dois divergirem, então a visão que o agente tem de uma ferramenta não pode se descolar da ferramenta. Nada passa por um shell e nenhum filter graph fornecido por quem chama é aceito, o que fecha a rota óbvia de injeção. O CI testa contra FFmpeg 6.1, 7.1, 8 e 9 em Linux, macOS e Windows. Ele só precisa da biblioteca padrão do Python, e o áudio para transcrição fica na máquina.
O peso está no escopo e no ritmo. Quarenta e duas ferramentas são muita superfície para um agente escolher; o servidor MCP lista só um núcleo de 12 por padrão para economizar contexto, e as próprias avaliações de roteamento do autor relatam que o agente encontra a opção certa a partir de um sintoma em 7 de 8 prompts, o que é bom, mas não perfeito. O projeto foi do primeiro commit, em setembro de 2026, à versão 3.1.1 no fim de outubro, com duas versões maiores que removeram o suporte a FFmpeg e Python mais antigos, e é essencialmente trabalho de uma pessoa. Ele também faz parte de um ecossistema maior de skills de vídeo do autor, embora funcione bem sozinho.
Frente ao hyperframes, que renderiza vídeo novo a partir de HTML, o ffmpeg-skill edita material que você já tem; os dois se complementam, não são rivais. Para um desenvolvedor que pede com frequência a um agente para aparar, legendar e exportar gravações, ele elimina a maior parte das formas como isso dá errado.
Onde ele se destaca
Um developer advocate que transforma lives de uma hora em clipes curtos
Cortar os melhores momentos em 60 segundos, reenquadrar para 9:16 e legendá-los
Peça ao Claude Code em linguagem simples; a skill roda sondagem, corte, ajuste, legenda, exportação com o preset de reels ou TikTok e verificação. Gratuito e local; o principal custo são os tokens do agente.
Um produtor de podcast em um estúdio de três pessoas
Remover silêncios e normalizar o loudness para cada plataforma
O silence.py corta o tempo morto e o loudness.py mira -14 LUFS, com o check.py confirmando que a exportação atende à especificação da plataforma. O áudio nunca sai da máquina.
Um engenheiro de plataforma construindo um pipeline interno de vídeo sobre agentes
Chamar primitivas de edição confiáveis a partir de um framework de agentes
Leia npx ffmpeg-skill contract --json para ver as entradas, saídas e verificações de cada ferramenta, e chame as ferramentas por MCP ou pela CLI com saída --json. Defina FFMPEG_SKILL_MCP_FULL=1 para expor as 42.
Antes de decidir
- Configuração
- Instale o FFmpeg 6.1+ (apt, Homebrew ou builds do gyan.dev), depois npx ffmpeg-skill (--cursor, --codex ou --all para outros agentes) e npx ffmpeg-skill doctor para ver quais ferramentas esta build do FFmpeg suporta.
- Integrações
- Claude Code, Cursor, Codex e qualquer agente que leia SKILL.md; um servidor MCP para outros clientes; motores de fala locais opcionais (faster-whisper, whisper.cpp, Parakeet) para legendas transcritas; codificação via Apple VideoToolbox opcional.
- Dados e privacidade
- Tudo roda localmente, sem chaves de API; os motores de fala baixam os pesos do modelo na primeira execução, mas o áudio nunca é enviado. Licença MIT.
- Custo em escala
- Não há edição paga. Os custos são o tempo local de CPU ou GPU para as codificações e o uso de tokens do próprio agente; o autor relata que o VideoToolbox é de 2 a 7 vezes mais rápido que o x264 em um M4 Max.
- Limites
- Exige FFmpeg 6.1 ou posterior e Python 3.10 ou posterior; algumas ferramentas falham em builds do FFmpeg sem filtros como subtitles ou libvidstab; sem rastreamento de rosto para reenquadrar; as cópias instaladas não se atualizam sozinhas.
O que é bom
- Ferramentas tipadas, sem shell e sem filter graphs brutos
- Fluxo de sondar antes e verificar depois, com conferência por folha de contato
- Schemas MCP gerados a partir do parser da CLI e verificados no CI
- Totalmente local; só a biblioteca padrão do Python
O que não é
- 42 ferramentas são uma superfície ampla para um agente navegar
- Mais de 100 versões e duas versões maiores em dois meses
- Na prática, um projeto de um único mantenedor
- Legendas por fala exigem um motor whisper instalado à parte
Ideal para
Desenvolvedores e pequenas equipes de vídeo que já usam Claude Code, Cursor ou Codex e querem que o agente edite gravações sem comandos FFmpeg escritos à mão.
Alternativas ao ffmpeg-skill
ffmpeg-skill: perguntas frequentes
- ffmpeg-skill vale a pena?
- A forma mais segura que já vimos de soltar um agente de programação sobre um material de vídeo, embrulhada em mais ferramentas e mais versões do que a maioria das pessoas vai precisar. Damos nota 3.9 de 5.
- Quanto custa ffmpeg-skill?
- Gratuito e de código aberto (MIT). Precisa de FFmpeg 6.1+ e Python 3.10+; sem chaves de API nem serviço na nuvem.
- Quais são as desvantagens de ffmpeg-skill?
- 42 ferramentas são uma superfície ampla para um agente navegar; mais de 100 versões e duas versões maiores em dois meses; na prática, um projeto de um único mantenedor; legendas por fala exigem um motor whisper instalado à parte.
- Para quem ffmpeg-skill é indicado?
- Desenvolvedores e pequenas equipes de vídeo que já usam Claude Code, Cursor ou Codex e querem que o agente edite gravações sem comandos FFmpeg escritos à mão.
- Quanto custa ffmpeg-skill para uma equipe ou em produção?
- Não há edição paga. Os custos são o tempo local de CPU ou GPU para as codificações e o uso de tokens do próprio agente; o autor relata que o VideoToolbox é de 2 a 7 vezes mais rápido que o x264 em um M4 Max.
- ffmpeg-skill é seguro para dados da empresa?
- Tudo roda localmente, sem chaves de API; os motores de fala baixam os pesos do modelo na primeira execução, mas o áudio nunca é enviado. Licença MIT.
- Quais são as melhores alternativas ao ffmpeg-skill?
- As alternativas mais próximas que analisamos são HyperFrames, VideoAgent e Anthropic Skills.
Respostas verificadas em 31 de out. de 2026.