Início 23/11Turma 3 ao vivo de Vibe Coding & Agentes de IA: 3 semanas, 9 aulas ao vivoTurma 3 (23/11) →
LançamentoCódigo / SDK · Pronto p/ usoGitHub Trending AI→ original

ffmpeg-skill dá ao Claude Code e ao Cursor 42 ferramentas locais para edição de vídeo

Se você pedir a um agente de IA para manter o trecho de 0:45 a 1:20 de uma gravação e transformá-lo em um Reels vertical, ele costuma escrever um comando de FFmpeg no chute e avisar que está "pronto" sem abrir o arquivo. O ffmpeg-skill (331 estrelas no GitHub em um dia) troca esse palpite por 42 ferramentas locais prontas para Claude Code, Cursor e Codex: o agente mede o vídeo, edita e verifica o resultado. Não há nuvem nem chaves de API, e o vídeo fica na sua máquina.

Processado por IA de GitHub Trending AI; editado por Hamidun News
ffmpeg-skill dá ao Claude Code e ao Cursor 42 ferramentas locais para edição de vídeo
Fonte: GitHub Trending AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalGitHub Trending AI ↗
Editor-chefe
Dado-chave #1No MCP, 12 ferramentas principais aparecem por padrão; a lista completa tem 42
Dado-chave #2Um caminho de saída igual ao de entrada é rejeitado, então o arquivo original não é sobrescrito
Modelo para TikTokcorte 9:16, legendas palavra por palavra, volume de −14 LUFS

Imagine a tarefa: você tem a gravação de uma palestra de uma hora, precisa manter os trechos de 0:45 a 1:20 e de 5:00 a 5:25 e montar com eles um vídeo vertical de um minuto para Reels. Se você entrega isso a um agente de IA, ele geralmente escreve o comando do FFmpeg (popular programa de linha de comando para processar vídeo) no chute: presume a taxa de quadros, escolhe um codec que o contêiner não suporta, recodifica o que poderia simplesmente ser copiado e diz "pronto" sem abrir o resultado. O repositório ffmpeg-skill, que ganhou 331 estrelas em um dia nas tendências do GitHub, acaba com esse palpite.

Ele entrega ao Claude Code, ao Cursor, ao Codex e a qualquer cliente MCP (MCP é o protocolo pelo qual agentes chamam ferramentas externas) 42 ferramentas locais de edição prontas para uso. O agente não escreve os comandos por conta própria: ele chama uma ferramenta com parâmetros claros e confere o que saiu. Tudo roda no seu computador, sem nuvem e sem chaves de API.

O que as 42 ferramentas fazem

As ferramentas funcionam sobre o FFmpeg local e são escritas com a biblioteca padrão do Python, sem dependências de terceiros. O conjunto inclui corte e junção, remoção de pausas, ajuste para uma duração e uma proporção de tela desejadas, legendas (inclusive palavra por palavra, no estilo karaokê), títulos e gráficos sobre o vídeo, conversão de HDR para SDR, limpeza de áudio, normalização de volume, sincronização com correção de deriva, multicâmera e processamento em lote de pastas.

Há modelos para as plataformas mais populares: eles montam o vídeo para sete plataformas. No caso do TikTok, por exemplo, o modelo faz o corte 9:16, anima as palavras das legendas, evita as áreas ocupadas pela interface do aplicativo e ajusta o volume para −14 LUFS (unidade padrão de loudness para streaming). Exemplo de comando: render.py talk.mp4 --template tiktok --cues cues.txt. O texto das legendas é usado como está; a ferramenta não o reescreve.

Como o agente é impedido de chutar

O agente segue uma ordem fixa: primeiro mede o arquivo, depois edita, sempre que possível sem perdas, e por fim verifica e confirma o resultado. As decisões se baseiam na duração, no fps, na resolução, na cor e nas faixas de áudio medidos, e não no nome do arquivo. A recodificação só entra quando não há alternativa: para cortes precisos por quadro, filtros ou mudança de formato. Nos demais casos, os fluxos são simplesmente copiados.

O agente passa parâmetros nomeados, como --aspect 9:16 --fit crop ou --threshold -35, e a própria ferramenta monta o comando e o grafo de filtros. Um grafo arbitrário enviado por quem chama não é aceito, e nada é executado via shell.

Depois do trabalho, a ferramenta confere o arquivo gravado: duração real, tamanho do quadro e áudio. No exemplo do repositório, o agente reporta assim: "final.mp4: 60.00 s, 1080×1920, 30 fps, AAC stereo" — e anexa uma folha de contato com os quadros que examinou. Quem "olha" aqui é o próprio agente multimodal: o repositório não tem reconhecimento facial nem busca por "momento interessante". O que cortar e o que considerar um bom resultado é decisão do agente ou de uma pessoa.

Proteção dos originais e o contrato

Um arquivo de destino igual ao de entrada é rejeitado, e substituir um arquivo existente exige consentimento explícito. O modo dry-run imprime os comandos e não grava nada. Um plano pode ser salvo e executado depois, e ele se recusa a rodar se o arquivo de entrada tiver mudado. Um ffmpeg travado é encerrado à força, e o arquivo incompleto é removido.

A parte mais interessante é o contrato legível por máquina. Para cada ferramenta, ele descreve entradas, saídas, componentes necessários do FFmpeg e a forma de verificar o resultado. O esquema do MCP é gerado a partir dos mesmos parsers de argumentos que a linha de comando usa, e o CI falha se houver divergência. Por isso, a descrição não chega a ficar desatualizada. Para não inflar o contexto do cliente, o MCP mostra por padrão 12 ferramentas principais; a lista completa, com 42, fica disponível à parte, e qualquer uma pode ser chamada pelo nome.

Limitações

É preciso ter o FFmpeg instalado com os componentes necessários. O comando doctor mostra o que está faltando: por exemplo, sem a libvidstab, parte das ferramentas fica indisponível. O reconhecimento de fala é opcional: ele funciona se o Parakeet ou o Whisper estiver instalado, e, sem eles, as ferramentas aceitam uma transcrição pronta. Os pesos dos modelos são baixados na primeira execução, mas o áudio não sai da máquina. As cópias da skill não são atualizadas automaticamente. O próprio autor, em um artigo de posicionamento sobre a verificação de resultados, avaliou o ffmpeg-skill como apenas parcialmente aderente à disciplina descrita.

O que fazer com isso

Quem desenvolve agentes deveria aproveitar a abordagem em si: ferramentas estreitas e tipadas, um contrato do qual o MCP é derivado e verificação obrigatória do resultado após cada operação. O mesmo método serve para trabalhar com documentos, imagens e dados. Para quem só precisa editar vídeos, o projeto oferece uma base pronta para automação local, sem assinaturas e sem enviar arquivos para a nuvem.

História

Perguntas frequentes sobre a notícia

O que as 42 ferramentas fazem?

As ferramentas funcionam sobre o FFmpeg local e são escritas com a biblioteca padrão do Python, sem dependências de terceiros. O conjunto inclui corte e junção, remoção de pausas, ajuste para uma duração e uma proporção de tela desejadas, legendas (inclusive palavra por palavra, no estilo karaokê), títulos e gráficos sobre o vídeo, conversão de HDR para SDR, limpeza de áudio, normalização de volume, sincronização com correção de deriva, multicâmera e processamento em lote de pastas.

Como o agente é impedido de chutar?

O agente segue uma ordem fixa: primeiro mede o arquivo, depois edita, sempre que possível sem perdas, e por fim verifica e confirma o resultado. As decisões se baseiam na duração, no fps, na resolução, na cor e nas faixas de áudio medidos, e não no nome do arquivo. A recodificação só entra quando não há alternativa: para cortes precisos por quadro, filtros ou mudança de formato. Nos demais casos, os fluxos são simplesmente copiados.

O que se sabe sobre Proteção dos originais e o contrato?

Um arquivo de destino igual ao de entrada é rejeitado, e substituir um arquivo existente exige consentimento explícito. O modo dry-run imprime os comandos e não grava nada. Um plano pode ser salvo e executado depois, e ele se recusa a rodar se o arquivo de entrada tiver mudado. Um ffmpeg travado é encerrado à força, e o arquivo incompleto é removido. A parte mais interessante é o contrato legível por máquina.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…