Départ 23/11Cohorte 3 en direct Vibe Coding & Agents IA : 3 semaines, 9 sessions liveCohorte 3 (23/11) →
SortieCode / SDK · Prêt à l'emploiGitHub Trending AI→ original

ffmpeg-skill donne à Claude Code et Cursor 42 outils locaux de montage vidéo

Si vous demandez à un agent IA de garder le passage 0:45–1:20 d'un enregistrement pour en faire un Reels vertical, il écrit souvent une commande FFmpeg au hasard, puis annonce « terminé » sans avoir ouvert le fichier. ffmpeg-skill (331 étoiles sur GitHub en un jour) remplace ces approximations par 42 outils locaux prêts à l'emploi pour Claude Code, Cursor et Codex : l'agent mesure la vidéo, la monte et vérifie le résultat. Pas de cloud ni de clés API : la vidéo reste sur votre machine.

Traité par IA depuis GitHub Trending AI ; édité par Hamidun News
ffmpeg-skill donne à Claude Code et Cursor 42 outils locaux de montage vidéo
Source : GitHub Trending AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireGitHub Trending AI ↗
Rédacteur en chef
Chiffre clé #1Le MCP expose par défaut 12 outils principaux ; la liste complète en compte 42
Chiffre clé #2Un chemin de sortie identique à l'entrée est refusé : le fichier source ne sera pas écrasé
Le modèle TikTok applique un recadrage 916, des sous-titres mot par mot et un volume de −14 LUFS

Imaginez la tâche : vous avez une heure d'enregistrement d'une conférence, vous voulez garder les passages 0:45–1:20 et 5:00–5:25 et en tirer une vidéo verticale d'une minute pour Reels. Si vous confiez le travail à un agent IA, il compose généralement une commande pour FFmpeg (un programme de traitement vidéo en ligne de commande très répandu) au hasard : il suppose une fréquence d'images, choisit un codec que le conteneur ne prend pas en charge, réencode ce qu'il suffisait de copier, puis écrit « terminé » sans avoir ouvert le résultat. Le dépôt ffmpeg-skill, qui a récolté 331 étoiles en un jour dans les tendances GitHub, supprime ces approximations.

Il fournit à Claude Code, Cursor, Codex et à tout client MCP (MCP est le protocole par lequel les agents appellent des outils externes) 42 outils de montage locaux, prêts à l'emploi. L'agent n'écrit pas les commandes lui-même : il appelle un outil avec des paramètres explicites et vérifie ce qui en résulte. Tout tourne sur votre ordinateur, sans cloud ni clés API.

Ce que font les 42 outils

Les outils s'appuient sur le FFmpeg local et sont écrits avec la bibliothèque standard de Python, sans dépendance tierce. L'ensemble couvre le découpage et l'assemblage, la suppression des silences, l'ajustement à une durée et à un format d'image donnés, les sous-titres (dont les sous-titres mot par mot façon karaoké), les génériques et les incrustations graphiques, la conversion HDR vers SDR, le nettoyage du son, la normalisation du volume, la synchronisation avec correction de la dérive, le multicaméra et le traitement par lots de dossiers.

Des modèles existent pour les plateformes populaires : ils produisent une vidéo adaptée à sept plateformes vidéo. Pour TikTok, par exemple, le modèle recadre en 9:16, anime les mots des sous-titres, évite les zones occupées par l'interface de l'application et ramène le volume à −14 LUFS (une unité de mesure de loudness standard pour le streaming). Exemple de commande : render.py talk.mp4 --template tiktok --cues cues.txt. Le texte des sous-titres est repris tel quel : l'outil ne le réécrit pas.

Comment on empêche l'agent de deviner

L'agent suit un ordre imposé : d'abord mesurer le fichier, ensuite monter, sans perte autant que possible, puis vérifier et confirmer le résultat. Les décisions reposent sur la durée, les fps, la résolution, la couleur et les pistes audio mesurés, et non sur le nom du fichier. Le réencodage n'est activé que lorsqu'on ne peut pas s'en passer : pour une coupe précise à l'image près, pour des filtres ou pour un changement de format. Dans les autres cas, les flux sont simplement copiés.

L'agent transmet des paramètres nommés, par exemple --aspect 9:16 --fit crop ou --threshold -35, tandis que l'outil construit lui-même la commande et le graphe de filtres. Un graphe arbitraire fourni par l'appelant n'est pas accepté, et rien n'est lancé via le shell.

Une fois le travail terminé, l'outil contrôle le fichier écrit : durée réelle, taille d'image et son. Dans l'exemple du dépôt, l'agent rend compte ainsi : « final.mp4: 60.00 s, 1080×1920, 30 fps, AAC stereo », et joint une planche-contact d'images qu'il a examinée. Ce « regard » est celui de l'agent multimodal lui-même : le dépôt ne contient ni reconnaissance faciale ni détection de « moment intéressant ». Ce qu'il faut couper et ce qui compte comme réussi, c'est à l'agent ou à l'humain d'en décider.

Protection des sources et contrat

Un fichier de destination identique au fichier d'entrée est refusé, et le remplacement d'un fichier existant exige un accord explicite. Le mode dry-run affiche les commandes sans rien écrire. Un plan peut être enregistré puis exécuté plus tard, et il refusera de s'exécuter si le fichier d'entrée a changé. Un ffmpeg bloqué est arrêté de force, et le fichier incomplet est supprimé.

La partie la plus intéressante est le contrat lisible par machine. Pour chaque outil, il décrit les entrées, les sorties, les composants FFmpeg requis et la méthode de vérification du résultat. Le schéma MCP est généré à partir des mêmes analyseurs d'arguments que la ligne de commande, et la CI échoue en cas de divergence. La description n'a donc pas le temps de devenir obsolète. Pour ne pas alourdir le contexte du client, le MCP affiche par défaut 12 outils principaux ; la liste complète de 42 est disponible séparément, et n'importe quel outil peut être appelé par son nom.

Limites

Il faut avoir installé FFmpeg avec les composants nécessaires. La commande doctor indique ce qui manque : sans libvidstab, par exemple, une partie des outils sera indisponible. La reconnaissance vocale est facultative : elle fonctionne si Parakeet ou Whisper est installé, et sans eux les outils acceptent une transcription déjà prête. Les poids des modèles sont téléchargés au premier lancement, mais l'audio ne quitte pas la machine. Les copies du skill ne se mettent pas à jour automatiquement. Dans un article de positionnement sur la vérification des résultats, l'auteur lui-même juge que ffmpeg-skill ne respecte que partiellement la discipline décrite.

Que faire de tout cela

Les développeurs d'agents gagneraient à reprendre l'approche elle-même : des outils étroits et typés, un contrat dont on dérive le MCP, et une vérification obligatoire du résultat après chaque opération. La même méthode vaut pour le travail sur les documents, les images et les données. Pour ceux qui veulent simplement monter des vidéos, le projet offre une base prête à l'emploi pour une automatisation locale, sans abonnement ni envoi de fichiers dans le cloud.

Dossier

Questions clés sur cet article

Que sait-on sur Ce que font les 42 outils ?

Les outils s'appuient sur le FFmpeg local et sont écrits avec la bibliothèque standard de Python, sans dépendance tierce. L'ensemble couvre le découpage et l'assemblage, la suppression des silences, l'ajustement à une durée et à un format d'image donnés, les sous-titres (dont les sous-titres mot par mot façon karaoké), les génériques et les incrustations graphiques, la conversion HDR vers SDR, le nettoyage du son, la normalisation du volume, la synchronisation avec correction de la dérive, le…

Comment on empêche l'agent de deviner?

L'agent suit un ordre imposé : d'abord mesurer le fichier, ensuite monter, sans perte autant que possible, puis vérifier et confirmer le résultat. Les décisions reposent sur la durée, les fps, la résolution, la couleur et les pistes audio mesurés, et non sur le nom du fichier. Le réencodage n'est activé que lorsqu'on ne peut pas s'en passer : pour une coupe précise à l'image près, pour des filtres ou pour un changement de format. Dans les autres cas, les flux sont simplement copiés.

Que sait-on sur Protection des sources et contrat ?

Un fichier de destination identique au fichier d'entrée est refusé, et le remplacement d'un fichier existant exige un accord explicite. Le mode dry-run affiche les commandes sans rien écrire. Un plan peut être enregistré puis exécuté plus tard, et il refusera de s'exécuter si le fichier d'entrée a changé. Un ffmpeg bloqué est arrêté de force, et le fichier incomplet est supprimé. La partie la plus intéressante est le contrat lisible par machine.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Hands-On AI Engineering · Hamidun Academy

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.

Start 72h Free Trial →Vibe-Coding Intensive
Qu'en pensez-vous ?
Chargement des commentaires…