kajisho5/ffmpeg-skill
- 出典
- GitHub
- 初登場日
- 分野
- メディア
- GitHubスター数
- 8,027
- 主な言語
- Python
外部のオープンソース リポジトリを紹介するページです。HDATFの製品ではありません。

何をするか
ffmpeg-skillは、コーディングエージェントがFFmpegのコマンド文字列を独自に組み立てず、定義済みのツールでローカルの映像と音声を編集できるようにします。元のメディア、切り出し区間、字幕ファイル、納品設定を受け取り、編集済みファイルとJSONレポートを生成します。42個のツールが、切り出し、結合、無音除去、画面比率変更、字幕、合成、音声処理、プラットフォーム別出力を扱います。所定の流れでは、まず入力を測定し、可能な部分は再エンコードせず編集してから結果を再測定します。入力スキーマはスクリプトが実際に使う引数解析器から生成され、MCPサーバーがツール要求をスクリプトの引数へ変換します。結果検査は長さや音量などの測定可能な属性を扱い、複数のフレームを並べた画像で別途目視確認できます。ローカル実行にはPython 3.10以上とFFmpeg 6.1以上が必要で、文字起こしには初回にモデルを取得する場合がある別のローカルエンジンが必要です。ツール自体は被写体や見どころを判断せず、技術的な検査に合格しても構図、字幕の読みやすさ、音声のバランスが適切とは限りません。
ライセンス
MIT 寛容なライセンスです。著作権表示を残せば商用利用と改変ができます。
同じ分野のリポジトリ
- nexu-io/openmotion
OpenMotionは、参考動画を変更しながら編集可能なソースを残したい制作者向けのローカル動画作業環境です。ユーザーは参考動画やリンク、台本、ブランド資料、メディアを渡します。外部エージェントがHTML、CSS、JavaScriptで場面を作り、Motion.mdに場面の順序、時間、交換する素材を記録します。Studioは同じプロジェクトファイルを編集し、MP4と再利用できるソース、メディアを残します。パッケージはNode.js 22.18以上を宣言していますが、現在のREADMEはソース開発にNode.js 26.11.1を推奨しています。プレビューとレンダリングにはChromeまたはChromium、FFmpeg、FFprobeも必要です。任意のメディア生成には利用者の提供元アカウントを使うため、プロジェクトがローカルでも全生成処理が端末内で完結するとは限りません。書き出し検証ソースは符号化、長さ、デコード、位置移動を検査しますが、創作品質は人が確認する必要があり、ソーシャル投稿はまだ計画段階です。 - hitkeeen/blender-ai-mcp-addon
Blender内のAI対話と、外部AIクライアントが標準インターフェースを通じてツールを呼び出すMCPサーバーを紹介するプロジェクトです。文書では、シーンの確認、オブジェクトの作成と編集、マテリアルの設定、アセット検索、シーンの書き出しを説明しています。別のStudioウィンドウには対話、ビューポート画像、承認、タスク一覧を表示するとしています。対応するクラウドモデル、ローカルのOllama、指定の通信形式を使うカスタム接続に対応するとしています。チームモードは計画、実行、レビューの役割を分け、シーン変更を順番に処理します。修正を一度試し、再レビューにも失敗すると停止します。組み込みの承認と取り消しはPython実行を安全に隔離するものではなく、外部クライアントの承認は各クライアントが管理します。確認したリポジトリには文書と画像のみで実装ソースがなく、これらは独立に検証した動作ではなく文書上の説明です。 - Vincentwei1021/video-shotcraft
Video-shotcraftは、架空の画面を生成するのではなく、実際の製品画面から編集可能な紹介動画を作るためのエージェントスキルと制作ツール群です。実際のスクリーンショット、承認済み文案、視覚スタイルと音声を入力として、Claude CodeやCodexがショット選択、構成作成、Remotionアニメーションを進め、ソースプロジェクトとMP4を作るよう案内します。ショットの制作指針はカメラ移動、切り替えと時間を説明し、確認した例は画面配置と動きを決定的なReact構成として実装しています。編集用の例示マニフェストは元の構成の時間表を読み込み、ショット、字幕、切り替え、音声と編集可能な属性の定義を分けて宣言します。Motion Workbenchはこの定義をブラウザーの編集トラックに読み込みRemotionで出力しますが、構造化された編集にはプロジェクト固有の定義と公開された属性が必要です。JianYingへの出力は一部の字幕と音声トラックを保ちますが、場面内部の動きは動画に焼き込まれるため、Reactアニメーションをすべて編集ソフト固有のオブジェクトに変換するものではありません。制作にはエージェント環境、Node.js、Remotionの描画ツール、元画面へのアクセス権と適切なメディアツールが必要で、Remotionと音声の利用条件も別途確認する必要があります。フレーム点検と独立エージェントによるレビューは作業指針であり自動品質保証の証拠ではなく、プレビュー効果と最終出力が異なる場合があり、今回動画品質や編集ソフトとの互換性を実行検証していません。 - emaspa/openxlr
OpenXLRはWave Linkの代替を目指すLinux用オーディオミキサーです。PipeWireのチャンネルとミックスを使い、アプリの音声とマイク入力をモニター出力や仮想マイクへ送ります。バックグラウンドのデーモンが機器と音声の接続構成を管理し、GUI、端末ミキサー、OpenDeckプラグインは操作用のクライアントとして動きます。マイク処理と音声プラグインは別のソフトウェアプロセスを利用でき、対応するElgato機器では一部の処理をハードウェアで行います。PipeWireが認識する録音入力はミキサーに接続できますが、ハードウェア操作は対応機器に限られます。HTTPとWebSocketの操作インターフェースは、接続プロセスの資格情報を確認する非公開のUnixソケットを使います。GUIと制御の中核を分離しているため、画面を閉じても音声処理が続きます。Wave XLR Proのハードウェアミキシングは実験段階で、Windows用音声プラグインにはWineとyabridgeが必要であり、Windows用アプリの提供とは異なります。 - Murea-Labs/InWorld
InWorldは、単発のテキスト動画ではなく利用者の行動で続く映像体験に向けて、Murea-Mind物語エージェントアプリとMurea-Fast映像音声生成サービスを組み合わせたプロジェクトです。利用者の行動、世界設定、人物や物や場所の参照画像を入力とし、音付きの短い動画、次の選択肢、分岐した物語記録を出力します。エージェントは場面を計画してコードで定義した検査を通し、生成を依頼して状態変化を記録し、別の評価モデルが実際の生成フレームを見て後続の選択肢や一部の世界状態を修正します。固定説明付きの画像で繰り返し登場する対象を保ち、世界状態と動画ごとの記録には変化した条件、参照順序、プロンプト、生成設定、実行履歴を残します。公開生成器はLTX-2.5を基に生成を8段階へ蒸留したモデルを同梱SGLangで提供し、非同期HTTP APIが生成や続編のジョブを受け、状態とダウンロード可能なMP4を返すもので、報告書のMurea-Proは公開モデルではありません。開始にはLinuxのCUDA GPUサービス、Murea-Fast重み、ライセンス同意が必要なLTX-2.5基本構成、ffmpegとffprobeが必要で、エージェントにはPython 3.12とテキスト及び画像モデルAPIの認証情報も必要です。文書の生成契約は24 fpsと8段階を固定し、続編の入力部分を含め最大481フレームを許容し、GPU一台のエージェント動画を検証済みの5秒に制限し、単一H20の5秒生成でPyTorch予約GPUメモリが最大80,472 MiBだったため一般的なデスクトップ動作は実証されていません。数値は独立した再現ではなく開発側の測定であり、続編音声の再生成、人物三人の場面の不安定さ、認証のないサービス、別途のモデル重みライセンス条件も重要な制約です。
Trendshiftのランキングに入ったリポジトリだけを載せ、リストは候補を探すためだけに使いました。順位の数字は転載していません。説明、ライセンス、スター数は各GitHubリポジトリで確認しました。解説は私たちの判断です。これらを試験したわけではなく、上昇リストに載ったことは品質の証明ではありません。