FFmpeg Skill

Vytvořeno: 28.10.2026 | Aktualizováno: 28.10.2026 21:36

FFmpeg Skill je sada instrukcí a nástrojů, která umožňuje AI agentovi upravovat video a zvuk pomocí lokálního FFmpegu. Projekt kombinuje postup pro agenta, Python skripty, výstupní šablony a volitelné MCP rozhraní.

Hlavní SKILL.md popisuje, kdy skill použít, jak vybrat nástroj a jak ověřit výsledek. Samotný skill video nestříhá: agent podle instrukcí volá programy ze složky scripts, které pracují s FFmpeg a ffprobe.

SKILL.md – postup práce, pravidla a mapa požadavků na skripty.
scripts/ – Python nástroje pro úpravy, analýzu a kontrolu médií.
references/ – podrobnější dokumentace skriptů, zařízení a známých úskalí.
templates/ – šablony výstupu pro různé platformy.
mcp/server.py – volitelné rozhraní pro MCP klienty.
tests/ a evals/ – testy a podklady pro hodnocení práce agenta.

V repozitáři jsou také další vývojové skilly v .claude/skills/. Ty nejsou totožné s hlavním FFmpeg Skillem v kořenovém SKILL.md.

Skripty podle README projektu pokrývají například:

střih, spojování a změnu délky videa,
změnu velikosti a poměru stran nebo výstup pro Reels, YouTube a další platformy,
titulky, text, logo a další překryvné prvky,
odstranění ticha, úpravu hlasitosti a synchronizaci zvuku,
převod HDR do SDR, aplikaci LUT a další úpravy obrazu,
zjištění vlastností souboru a kontrolu výstupu.

Například cut.py provádí střih, caption.py pracuje s titulky, fit.py upravuje délku nebo rozměry a check.py kontroluje výstup vůči zvolené platformě. Přehled ukázek s konkrétními příkazy je v galerii projektu.

Skill vede agenta k tomuto postupu:

Zjistit vlastnosti vstupu pomocí probe.py, například délku, rozlišení, snímkovou frekvenci a kodeky.
Vybrat skripty podle zadání a před delší operací připravit plán pomocí přepínače --dry-run.
Provést úpravy a pokud možno omezit zbytečné překódování.
Zkontrolovat výsledný soubor. Při změně obrazu vytvořit náhledové snímky přes look.py a prohlédnout je, pokud to agent umí.
Sdělit vlastnosti výsledku a případná upozornění. Původní soubory nemá přepisovat.

Výhoda skillu je v tom, že agent dostává připravené postupy a nástroje místo toho, aby při každém zadání sestavoval příkazy FFmpegu od začátku. Instrukce ani skripty samy o sobě nezaručují správný nebo vizuálně vhodný výsledek.

Skill je návod pro AI agenta. Skripty lze používat i samostatně z příkazové řádky. MCP server nabízí jiné rozhraní pro klienty, kteří podporují Model Context Protocol; není nutný pro přímé spouštění skriptů.

Podle dokumentace MCP server standardně nabízí v seznamu 12 základních nástrojů, ostatní lze volat jménem. Nastavením proměnné FFMPEG_SKILL_MCP_FULL=1 lze do seznamu zahrnout všech 42 nástrojů. Jejich rozhraní vychází z parametrů skriptů.

Požadavky projektu zahrnují FFmpeg, ffprobe a Python. Jednotlivé funkce mohou vyžadovat konkrétní kodeky a filtry v sestavení FFmpegu. Instalátor přes npx navíc potřebuje Node.js. Pro automatický přepis řeči je potřeba samostatně dostupný lokální přepisovací nástroj; alternativou je dodat vlastní text nebo titulkový soubor.

Instalace podle projektu pro Claude Code:

npx ffmpeg-skill

Instalátor podle README uloží skill do ~/.claude/skills/ffmpeg-skill. Volba --project místo toho cílí na .claude/skills/ffmpeg-skill v aktuálním projektu. Projekt uvádí také instalační volby pro Cursor a Codex. Kopie instalované přes npx se neaktualizují automaticky.

Dostupné nástroje a závislosti lze podle dokumentace zkontrolovat příkazem:

npx ffmpeg-skill doctor

Celkový úspěch kontroly nemusí znamenat, že jsou dostupné všechny volitelné funkce. Výsledek je potřeba posoudit i pro konkrétní nástroj. Před spuštěním instalátoru z cizího repozitáře je vhodné zkontrolovat jeho obsah.

Po instalaci pro Claude Code lze například zjistit vlastnosti souboru a připravit plán změny délky a poměru stran:

S=~/.claude/skills/ffmpeg-skill/scripts
python3 "$S/probe.py" input.mp4 --compact
python3 "$S/fit.py" input.mp4 --duration 60 --aspect 9:16 --dry-run

Druhý příkaz je plánovací běh podle příkladu v README, nikoli hotový výstup. Chování konkrétního skriptu a dostupné parametry lze ověřit jeho nápovědou.

Projekt provádí zadané úpravy, ale nerozhoduje sám, který střih je dramaturgicky vhodný nebo zda je výstup připravený ke zveřejnění.
Výběr zajímavých úseků může vycházet z měřitelných vlastností, například hlasitosti; nejde o porozumění obsahu videa.
Titulky lze vložit z dodaného textu nebo titulkového souboru. Přepis bez předlohy vyžaduje podporovaný lokální nástroj pro rozpoznávání řeči.
Náhledové snímky vyžadují vizuální posouzení člověkem nebo agentem, který umí pracovat s obrazem.
Zpracování médií probíhá podle autora lokálně. Způsob zpracování komunikace s agentem ale závisí na použité AI službě; modely pro lokální přepis se mohou při prvním použití stáhnout.

Funkčnost projektu v konkrétním prostředí nebyla při přípravě článku testována. Článek vychází z dokumentace repozitáře.