ffmpeg-skill da a Claude Code y Cursor 42 herramientas locales para editar vídeo
Si le pides a un agente de IA que conserve el tramo 0:45–1:20 de una grabación y lo convierta en un Reels vertical, a menudo escribe un comando de FFmpeg a ciegas y avisa de que está «listo» sin abrir el archivo. ffmpeg-skill (331 estrellas en GitHub en un día) sustituye esas conjeturas por 42 herramientas locales ya preparadas para Claude Code, Cursor y Codex: el agente mide el vídeo, lo edita y comprueba el resultado. No hay nube ni claves de API, y el vídeo se queda en tu equipo.
Procesado por IA desde GitHub Trending AI; editado por Hamidun News
Imagina esta tarea: tienes una grabación de una hora de una charla, quieres conservar los fragmentos 0:45–1:20 y 5:00–5:25 y montar con ellos un vídeo vertical de un minuto para Reels. Si se lo encargas a un agente de IA, lo habitual es que invente a ciegas un comando de FFmpeg (un popular programa de consola para procesar vídeo). Supone una tasa de fotogramas, elige un códec que el contenedor no admite, recodifica lo que bastaba con copiar y dice «listo» sin abrir el resultado.
El repositorio ffmpeg-skill, que ha reunido 331 estrellas en un día en las tendencias de GitHub, elimina esas conjeturas. Ofrece a Claude Code, Cursor, Codex y cualquier cliente MCP (MCP es el protocolo con el que los agentes llaman a herramientas externas) 42 herramientas locales de edición ya preparadas. El agente no escribe los comandos por sí mismo: llama a una herramienta con parámetros claros y comprueba qué ha salido.
Todo funciona en tu ordenador, sin nube ni claves de API.
Qué hacen las 42 herramientas
Las herramientas funcionan sobre un FFmpeg local y están escritas con la biblioteca estándar de Python, sin dependencias de terceros. El conjunto incluye corte y unión de clips, eliminación de pausas, ajuste a una duración y a una relación de aspecto concretas, subtítulos (también palabra por palabra, al estilo karaoke), títulos y gráficos superpuestos, conversión de HDR a SDR, limpieza de audio, normalización del volumen, sincronización con corrección de deriva, multicámara y procesamiento por lotes de carpetas.
Hay plantillas para las plataformas más populares: preparan el vídeo para siete plataformas. Por ejemplo, la de TikTok recorta a 9:16, anima las palabras de los subtítulos, evita las zonas de la interfaz de la aplicación y ajusta el volumen a −14 LUFS (una unidad de volumen estándar para el streaming). Un ejemplo de comando: render.py talk.mp4 --template tiktok --cues cues.txt. El texto de los subtítulos se toma tal cual; la herramienta no lo reescribe.
Cómo se evita que el agente adivine
Al agente se le impone un orden fijo: primero medir el archivo, después editar, sin pérdidas siempre que sea posible, y por último comprobar y confirmar el resultado. Las decisiones se basan en la duración, los fps, la resolución, el color y las pistas de audio medidos, no en el nombre del archivo. La recodificación solo se activa cuando no hay alternativa: para un corte exacto al fotograma, para aplicar filtros o para cambiar de formato. En el resto de los casos, los flujos simplemente se copian.
El agente pasa parámetros con nombre, como --aspect 9:16 --fit crop o --threshold -35, y es la propia herramienta la que construye el comando y el grafo de filtros. No acepta un grafo arbitrario del que llama y no ejecuta nada a través del shell.
Tras el trabajo, la herramienta verifica el archivo escrito: la duración real, el tamaño del fotograma y el audio. En el ejemplo del repositorio, el agente informa así: «final.mp4: 60.00 s, 1080×1920, 30 fps, AAC stereo», y adjunta una hoja de contactos con los fotogramas que ha revisado. Quien «mira» aquí es el propio agente multimodal: el repositorio no incluye reconocimiento facial ni búsqueda del «momento interesante». Qué cortar y qué considerar un buen resultado lo decide el agente o una persona.
Protección de los originales y contrato
Se rechaza un archivo de destino que coincida con el de entrada, y reemplazar un archivo existente exige consentimiento explícito. El modo dry-run imprime los comandos y no escribe nada. El plan se puede guardar y ejecutar más tarde, y se negará a ejecutarse si el archivo de entrada ha cambiado. Si ffmpeg se queda colgado, se termina por la fuerza, y el archivo a medio escribir se elimina.
La parte más interesante es el contrato legible por máquina. Para cada herramienta describe las entradas, las salidas, los componentes de FFmpeg necesarios y el método para verificar el resultado. El esquema para MCP se construye con los mismos analizadores de argumentos que la línea de comandos, y la CI falla si hay discrepancias. Por eso la descripción no llega a quedarse obsoleta. Para no inflar el contexto del cliente, MCP muestra por defecto 12 herramientas principales; la lista completa de 42 está disponible por separado y cualquiera de ellas se puede invocar por su nombre.
Limitaciones
Hace falta tener instalado FFmpeg con los componentes necesarios. El comando doctor indica qué falta: por ejemplo, sin libvidstab, parte de las herramientas no estará disponible. El reconocimiento de voz es opcional: funciona si hay instalado Parakeet o Whisper, y sin ellos las herramientas aceptan una transcripción ya hecha. Los pesos de los modelos se descargan en el primer arranque, pero el audio no sale del equipo. Las copias de la skill no se actualizan automáticamente. El propio autor, en un artículo de posicionamiento sobre la verificación de resultados, valoró ffmpeg-skill como una herramienta que solo cumple en parte la disciplina que describe.
Qué hacer con esto
Los desarrolladores de agentes deberían adoptar el enfoque en sí: herramientas acotadas y tipadas, un contrato del que se deriva MCP y una comprobación obligatoria del resultado tras cada operación. El mismo método sirve para trabajar con documentos, imágenes y datos. Para quienes solo necesitan editar vídeos, el proyecto ofrece una base lista para automatizar en local, sin suscripciones y sin subir archivos a la nube.
- 18 nov 2026El mejor agente de código controla un robot en el 77% de las tareas, pero con solo sensores logra apenas el 30%
- 18 nov 2026Moonshot AI reorienta Kimi del código a la ciencia: análisis de genes en 90 minutos en lugar de 4 horas
- 18 nov 2026Duco reduce un 90% el contexto de sus agentes y acelera 10 veces la migración de conciliaciones bancarias
- 18 nov 2026Epic eliminará los Blueprints de Unreal Engine 6: la IA trabaja con código, no con diagramas
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué hacen las 42 herramientas?
Las herramientas funcionan sobre un FFmpeg local y están escritas con la biblioteca estándar de Python, sin dependencias de terceros. El conjunto incluye corte y unión de clips, eliminación de pausas, ajuste a una duración y a una relación de aspecto concretas, subtítulos (también palabra por palabra, al estilo karaoke), títulos y gráficos superpuestos, conversión de HDR a SDR, limpieza de audio, normalización del volumen, sincronización con corrección de deriva, multicámara y procesamiento por lotes de carpetas.
Cómo se evita que el agente adivine?
Al agente se le impone un orden fijo: primero medir el archivo, después editar, sin pérdidas siempre que sea posible, y por último comprobar y confirmar el resultado. Las decisiones se basan en la duración, los fps, la resolución, el color y las pistas de audio medidos, no en el nombre del archivo. La recodificación solo se activa cuando no hay alternativa: para un corte exacto al fotograma, para aplicar filtros o para cambiar de formato. En el resto de los casos, los flujos simplemente se copian.
¿Qué se sabe sobre Protección de los originales y contrato?
Se rechaza un archivo de destino que coincida con el de entrada, y reemplazar un archivo existente exige consentimiento explícito. El modo dry-run imprime los comandos y no escribe nada. El plan se puede guardar y ejecutar más tarde, y se negará a ejecutarse si el archivo de entrada ha cambiado. Si ffmpeg se queda colgado, se termina por la fuerza, y el archivo a medio escribir se elimina. La parte más interesante es el contrato legible por máquina.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.