Video

核心功能

Video skill 是一款围绕 FFmpeg 构建的专业级视频处理工具，提供从格式转换、智能压缩到字幕生成、多平台适配的完整工作流。其核心能力涵盖：

• 格式转换与压缩：通过 FFmpeg 实现跨格式转换（MP4/MOV/WebM 等），支持 H.264/H.265/AV1 编码，可调节 CRF 参数平衡画质与体积
• 字幕生成：集成 Whisper 进行本地语音识别，输出 SRT/VTT 字幕文件，支持烧录或单独交付
• 画幅重构：智能裁剪、填充或重新构图，适配 9:16（短视频）、16:9（横屏）、1:1（方形）等平台规格
• 音频处理：标准化、降噪、增强，自动转码为 AAC 确保兼容性
• 批量作业：支持文件夹级批处理，提升工作效率

显著优点

1. 开源生态，零许可成本：基于 FFmpeg 与 Whisper，无需订阅费用
2. 本地化运行：敏感素材无需上传云端，保障隐私安全
3. 平台精准适配：内置 TikTok、Instagram、YouTube、WhatsApp 等主流平台的规格参数，一键优化
4. 灵活扩展：可选集成 RealESRGAN 实现 AI 超分，满足进阶需求

潜在局限

• 依赖本地二进制：需手动安装 FFmpeg、ffprobe，Windows 环境配置较复杂
• 无图形界面：纯命令行交互，对非技术用户存在学习门槛
• 资源消耗高：视频编码对 CPU/GPU 占用大，长视频处理耗时显著
• 无实时预览：需输出后验证效果，试错成本较高

适合人群

• 社交媒体内容创作者与运营者
• 需要批量处理素材的视频剪辑师
• 注重数据隐私、拒绝云服务的专业用户
• 技术背景较强的开发者与极客用户

常规风险提示

• 格式兼容性：老旧播放器可能不支持 H.265/AV1，建议关键场景保留 H.264 备份
• 编码参数误设：CRF 值过低导致文件膨胀，过高则画质劣化
• 音频同步问题：变帧率操作可能引发声画不同步，需验证输出
• 存储空间：中间文件与输出文件可能数倍于源素材，需预留充足磁盘空间

核心功能与使用方式

Video Skill 是一款纯文档型视频处理参考工具，核心定位是为用户提供专业级的 FFmpeg 视频处理命令指南。它通过结构化的 Markdown 文档，覆盖六大核心能力：格式转换与压缩（H.264/HEVC 等编码）、AI 字幕生成（集成 Whisper 本地转录）、画面比例调整（9:16/16:9 等平台适配）、音频优化（降噪、归一化）、批量处理以及质量调优。用户通过查阅 commands.md、platforms.md、workflows.md 等参考文档获取具体命令，在本地环境中执行。

显著优点

1. 专业且全面：内置 TikTok、Instagram、YouTube Shorts、WhatsApp 等主流平台的精准参数规格表，包含画幅比例、时长限制、文件大小阈值等关键约束，避免反复查阅官方文档。
2. 安全零侵入：纯 Markdown 文档型 Skill（T-MD 分类），无可执行代码、无外部网络调用、无敏感信息收集，所有处理均在用户本地完成。
3. 质量优化内置：提供经过验证的 FFmpeg 最佳实践，如 -movflags +faststart 优化网络播放、CRF 23 默认质量档位、强制 AAC 音频编码确保兼容性等。
4. 工作流清晰：采用"目标澄清→源文件检查→处理执行→输出验证→交付"的五步执行模式，降低操作失误风险。

潜在局限与风险

• 依赖外部工具：核心功能完全依赖用户本地安装的 ffmpeg/ffprobe，以及可选的 whisper、realesrgan，工具缺失或版本过旧将导致功能失效。
• 无自动化执行：仅提供命令参考，不会自动执行转换，需要用户具备基础的命令行操作能力。
• 资源消耗提示：大型视频处理可能占用大量 CPU/内存资源，文档虽有提醒但无硬性限制机制。
• T3 来源可信度：来自个人开发者/社区项目（T3 级别），虽无恶意代码但建议用户自行验证 ffmpeg 等依赖的来源安全性。

适合人群

• 内容创作者、社交媒体运营者需要快速将视频适配到多平台规格
• 具备基础技术背景、希望在本地完成视频处理而非上传云端服务的隐私敏感用户
• 需要批量处理视频素材的开发者或工作室技术人员

常规风险提示

• 处理重要视频前务必备份源文件，FFmpeg 操作不可逆
• 确认 ffmpeg 来自官方渠道（ffmpeg.org），避免使用来路不明的编译版本
• 使用 AI 字幕功能时注意 Whisper 模型的本地安装安全性