ffmpeg-skill: ο πράκτορας κώδικα αποκτά μοντέρ βίντεο, τοπικά και χωρίς κλειδιά

Τι κάνει

Ξεκινάμε από τα βασικά, γιατί εδώ κρύβεται όλη η αξία. Το ffmpeg είναι το πρόγραμμα που κάνει τη βαριά δουλειά του βίντεο εδώ και δεκαπέντε χρόνια: διαβάζει ένα αρχείο, το κόβει, το ξαναγράφει, του αλλάζει μέγεθος, του βάζει ήχο. Το πρόβλημα δεν ήταν ποτέ το ffmpeg. Το πρόβλημα είναι ότι ένας πράκτορας τεχνητής νοημοσύνης που «ξέρει ffmpeg» στην πραγματικότητα μαντεύει. Υποθέτει καρέ ανά δευτερόλεπτο, διαλέγει κωδικοποιητή που το δοχείο δεν αντέχει, ξανακωδικοποιεί αρχείο που ήθελε απλή αντιγραφή, και δηλώνει «έτοιμο» χωρίς να ανοίξει ποτέ το αποτέλεσμα.

Το ffmpeg-skill του kajisho5 απαντά σε αυτό με έναν τρόπο που μπορεί να ελέγξει μηχανή. Είναι ένα skill — δηλαδή ένα σύνολο οδηγιών και σεναρίων που τοποθετείται στον φάκελο του πράκτορα και διαβάζεται όταν χρειαστεί. Μέσα του υπάρχουν 42 εργαλεία, όλα σε Python, που καλύπτουν κοπή, ένωση, αφαίρεση σιωπών, αναπλαισίωση, υπότιτλους, overlays, ισορροπία έντασης, multicam και εξαγωγή για πλατφόρμες. Κάθε εργαλείο έχει δικό του σύνολο από επιλογές, με τύπους και όρια, και όχι ένα κείμενο εντολής που μπορεί να πάει όπου θέλει.

Η λέξη-κλειδί είναι το συμβόλαιο. Η εντολή contract --json περιγράφει, για κάθε εργαλείο, τι δέχεται, τι γράφει, ποια κομμάτια του ffmpeg χρειάζεται και πώς επαληθεύεται το αποτέλεσμα. Το κομμάτι που πρέπει να συμβαδίζει με την εντολή δεν γράφεται με το χέρι δίπλα στον κώδικα· παράγεται την ώρα της εκτέλεσης από τον ίδιο τον αναλυτή ορισμάτων του σεναρίου. Ο συντάκτης το ονομάζει SPEC (Self-Producing Execution Contract). Αν μια περιγραφή ξεφύγει από τον κώδικα, η διαδικασία αυτόματου ελέγχου σπάει και το χτίσιμο αποτυγχάνει. Είναι ο λόγος που το ίδιο συμβόλαιο τροφοδοτεί και τον δρόμο MCP: δεν υπάρχει δεύτερο αντίγραφο να ξεχαστεί.

Η ροή εργασίας που επιβάλλει το εργαλείο είναι σταθερή: μέτρησε πρώτα, μετά επέμβαινε χωρίς απώλεια όπου γίνεται, μετά έλεγξε, μετά επαλήθευσε. Τρία σημεία αξίζουν απλή εξήγηση.

Καρέ-κλειδί (keyframe) λέγεται το καρέ που κουβαλά ολόκληρη την εικόνα. Ανάμεσα σε δύο καρέ-κλειδιά το αρχείο αποθηκεύει μόνο τις διαφορές. Γι’ αυτό μια κοπή μπορεί να ξεκινήσει μόνο από καρέ-κλειδί, εκτός αν ξαναγραφτεί η εικόνα.

Αντιγραφή ροής (stream copy) σημαίνει ότι το εργαλείο μεταφέρει τα συμπιεσμένα δεδομένα όπως είναι, χωρίς να τα αποκωδικοποιήσει. Κερδίζεις ταχύτητα και δεν χάνεις καθόλου ποιότητα, αλλά πληρώνεις με ακρίβεια: η κοπή «κολλάει» στο κοντινότερο καρέ-κλειδί.

Αναπλαισίωση (reframe) σημαίνει αλλαγή του σχήματος της εικόνας, για παράδειγμα από 16:9 σε 9:16 για κινητό. Δεν είναι απλό ζούμ· κάποιος πρέπει να αποφασίσει τι μένει μέσα στο κάδρο.

Και εδώ φαίνεται η ωριμότητα της δουλειάς. Όταν η αντιγραφή ροής προσγειώνεται μακριά από το ζητούμενο σημείο, το εργαλείο το λέει και ξανακωδικοποιεί μόνο του αντί να παραδώσει λάθος αρχείο. Όταν η εικόνα αλλάζει — υπότιτλοι, overlays, κοψίματα, χρώμα — απαιτεί οπτικό έλεγχο με φύλλο επαφής. Και δεν σβήνει ποτέ το αρχικό υλικό: κάθε έξοδος είναι νέο αρχείο.

Η υποδοχή δείχνει ότι δεν το προσέξαμε μόνο εμείς. Τράβηξα τα στοιχεία σήμερα από το GitHub και το npm: 2.031 αστέρια, 165 forks, 2 ανοιχτά ζητήματα, άδεια MIT, και 8.473 λήψεις του πακέτου τον τελευταίο μήνα, με 1.474 την τελευταία εβδομάδα. Το αποθετήριο άνοιξε στις 3 Σεπτεμβρίου 2026 — δηλαδή επτά εβδομάδες ζωής.

Για ποιον είναι

Αν κάνεις βίντεο για πελάτες ή για podcast, αυτό το εργαλείο μπαίνει ανάμεσα σε σένα και τη βαρετή δουλειά. Σκέψου μια συνέντευξη δύο ωρών που πρέπει να γίνει ένα Reel εξήντα δευτερολέπτων: το εργαλείο μετρά το υλικό, κόβει τα τμήματα, το φέρνει σε κάθετο σχήμα, βάζει υπότιτλους, ισορροπεί την ένταση, ελέγχει αν το αρχείο περνά τις προδιαγραφές της πλατφόρμας και σου δίνει φύλλο επαφής να δεις με τα μάτια σου τι βγήκε. Όλα τα βήματα είναι εντολές που μπορείς να ξανατρέξεις, όχι κλικ που χάθηκαν.

Ταιριάζει επίσης σε όποιον δεν θέλει να ανεβάσει το υλικό του σε υπηρεσία: η δουλειά γίνεται στον υπολογιστή σου, με το ffmpeg που έχεις ήδη.

Δεν είναι όμως πρόγραμμα μοντάζ με χρονογραμμή. Αν θέλεις να σέρνεις κλιπ με το ποντίκι, δεν είναι αυτό. Αν περιμένεις αυτόματο υπότιτλο από την ομιλία χωρίς να εγκαταστήσεις μηχανή αναγνώρισης φωνής, θα απογοητευτείς — το εξηγώ παρακάτω.

Εγκατάσταση

Πρώτα το ffmpeg, αλλιώς τίποτα δεν τρέχει. Στα Windows:

winget install Gyan.FFmpeg

Στο macOS το απλό πακέτο του Homebrew δεν αρκεί, γιατί του λείπουν φίλτρα που χρειάζονται οι υπότιτλοι και το χρώμα:

brew install ffmpeg-full

Σε Ubuntu και Debian:

sudo apt install ffmpeg

Ο ίδιος ο οδηγός του έργου ζητά ffmpeg 5.0 ή νεότερο και Python 3.9 ή νεότερο, με μόνη τη βασική βιβλιοθήκη. Το Node 16+ χρειάζεται μόνο για τον εγκαταστάτη. Η εγκατάσταση γίνεται μέσα από το ίδιο το πρόγραμμα-πράκτορα, με μία εντολή που λέει σε ποιον πελάτη απευθύνεται.

Για το Claude Code:

npx ffmpeg-skill

Για το Cursor:

npx ffmpeg-skill --cursor

Για το Codex CLI:

npx ffmpeg-skill --codex

Και για τα τρία μαζί:

npx ffmpeg-skill --all

Τα αντίτυπα τοποθετούνται στον φάκελο του κάθε πελάτη: ~/.claude/skills/ffmpeg-skill για το Claude Code, ~/.cursor/skills/ffmpeg-skill για το Cursor, ~/.agents/skills/ffmpeg-skill για το Codex. Τον τελευταίο φάκελο τον διαβάζει και το Cursor.

Μετά την εγκατάσταση ελέγχεις το μηχάνημα:

npx ffmpeg-skill doctor

Ο έλεγχος διαβάζει τι κωδικοποιητές και φίλτρα έχει το ffmpeg σου και απαντά ξεχωριστά για κάθε εργαλείο. Και βλέπεις τι θα διαβάσει ο πράκτορας:

npx ffmpeg-skill contract --json

Εναλλακτικοί τρόποι

Αν έχεις Claude Code, το ίδιο skill εγκαθίσταται και ως πρόσθετο, χωρίς Node, και ενημερώνεται με μία εντολή:

claude plugin install kajisho5/ffmpeg-skill

Χωρίς Node καθόλου: κατεβάζεις το αποθετήριο και αντιγράφεις τους φακέλους SKILL.md, scripts/, references/ και mcp/ στον φάκελο skill του πράκτορά σου.

Ο δρόμος του MCP

Το εργαλείο μπορεί να εκτεθεί και ως MCP server — δηλαδή ως διακομιστής που μιλά το κοινό πρωτόκολλο εργαλείων και τον οποίο κάθε συμβατός πελάτης καλεί με ονόματα. Η σύνδεση δηλώνεται στον πελάτη ως εξής:

{"mcpServers": {"ffmpeg-skill": {"command": "python3", "args": ["/Users/you/.claude/skills/ffmpeg-skill/mcp/server.py"]}}}

Στα Windows, αν η Python εγκαταστάθηκε από το python.org και όχι από το Microsoft Store, η εντολή python3 δεν υπάρχει· βάζεις python. Το ίδιο το εργαλείο το ξέρει και το λέει· το συνάντησα στη δική μας δοκιμή.

Χρήση σε κάθε LLM

Ο τρόπος δουλειάς είναι ίδιος παντού, γιατί ο πράκτορας δεν καλεί το εργαλείο με ξεχωριστό συνδετικό κρίκο — διαβάζει τις οδηγίες και τρέχει τα σενάρια. Αυτό που αλλάζει είναι πού κάθεται το skill και πόσο πλαίσιο πληρώνεις.

Claude Code

Εδώ το skill είναι στο σπίτι του. Μιλάς φυσικά και το εργαλείο κάνει τα βήματα:

«Πάρε το interview.mp4, κράτα το 0:45–3:10, κάν’ το εξήντα δευτερόλεπτα για Reels.»

Ο πράκτορας θα τρέξει μέτρηση, κοπή, προσαρμογή σε κάθετο, εξαγωγή, έλεγχο προδιαγραφών και φύλλο επαφής, και θα σου απαντήσει με νούμερα που βγήκαν από μέτρηση. Θέλεις να δεις το πλάνο πριν γραφτεί αρχείο; Κάθε εργαλείο δέχεται ξηρή εκτέλεση, που τυπώνει τις εντολές και δεν αγγίζει τον δίσκο.

Τα σενάρια τρέχουν και από απλό τερματικό, αν θέλεις να τα δεις μόνος:

python3 ~/.claude/skills/ffmpeg-skill/scripts/probe.py input.mp4 --compact

Codex CLI

Η εγκατάσταση με –codex γράφει στον φάκελο ~/.agents/skills/, τον οποίο διαβάζει και το Cursor. Η λογική δεν αλλάζει: ζητάς το αποτέλεσμα, ο πράκτορας διαβάζει τις οδηγίες, μετρά, εκτελεί, επαληθεύει. Επειδή το Codex τείνει να γράφει δικές του εντολές, αξίζει να του θυμίσεις ότι εδώ δεν περνάει ωμό ffmpeg: κάθε εργαλείο δέχεται μόνο τις δικές του επιλογές, ποτέ κείμενο φίλτρου από τον καλούντα. Αυτό είναι προστασία, όχι περιορισμός.

Ένα τυπικό ζεύγος εντολών, με το πλάνο πρώτα:

python3 ~/.agents/skills/ffmpeg-skill/scripts/fit.py input.mp4 --duration 60 --aspect 9:16 --dry-run

Cursor

Το Cursor βλέπει και τους δύο φακέλους, οπότε το –cursor ή το –codex δουλεύουν. Εδώ έχει νόημα ο δρόμος MCP, γιατί το Cursor έχει δικό του χώρο ρυθμίσεων για διακομιστές: δηλώνεις τον διακομιστή, και τα εργαλεία εμφανίζονται με ονόματα. Προσοχή όμως, γιατί εδώ είναι η ακριβή παγίδα: ο κατάλογος εργαλείων του MCP είναι σχεδόν εξήντα χιλιάδες χαρακτήρες και μετρημένος με το εργαλείο μέτρησης tokens της OpenAI βγαίνει 16.092 tokens σε κάθε συνεδρία. Αν βάλεις αυτό το εργαλείο μαζί με άλλα δύο στον ίδιο πελάτη, έχεις κάψει το μισό παράθυρο πλαισίου πριν γράψεις μία λέξη. Ο δρόμος του skill κοστίζει πολύ λιγότερο, γιατί το κύριο αρχείο οδηγιών είναι περίπου 8.459 tokens και οι μακροσκελείς λεπτομέρειες μένουν σε ξεχωριστά αρχεία που διαβάζονται μόνο όταν χρειαστούν.

Αν παρ’ όλα αυτά θέλεις MCP, ο διακομιστής δηλώνει από προεπιλογή 12 εργαλεία αντί για 42, για να μη πληρώνεις σχήματα που σπάνια καλείς· όλα τα υπόλοιπα παραμένουν καλέσιμα με το όνομά τους. Υπάρχει και μεταβλητή που ξεκλειδώνει και τα 42, αν το θέλεις ρητά.

Η ροή που δίνει σε κάθε πλατφόρμα

Για κάθε προορισμό υπάρχει έτοιμο αρχείο έργου, με κάδρο, ασφαλείς ζώνες και στάθμη έντασης:

python3 ~/.claude/skills/ffmpeg-skill/scripts/render.py talk.mp4 --template tiktok --cues cues.txt

Ένα βήμα, μία κωδικοποίηση. Αυτό ξεχωρίζει από έναν αυτοσχέδιο σωλήνα εντολών.

Πού κερδίζει, πού χάνει

Κερδίζει σε τρία πράγματα. Πρώτο, ειλικρίνεια: όταν κάτι δεν γίνεται, το λέει με αιτία, όχι με σιωπή. Δεύτερο, συμβόλαιο που δεν ξεφεύγει: η περιγραφή των εργαλείων παράγεται από τον κώδικα και η διαδικασία ελέγχου σπάει αν διαφωνήσουν. Τρίτο, τίποτα δεν φεύγει από τον δίσκο. Έλεγξα τα σενάρια του: δεν υπάρχει ούτε μία εισαγωγή δικτυακής βιβλιοθήκης σε αυτά — ούτε urllib, ούτε socket, ούτε requests. Οι μόνες διευθύνσεις στο κείμενο είναι οδηγίες εγκατάστασης μέσα σε μηνύματα βοήθειας. Δεν ζητά κλειδιά, δεν στέλνει τίποτα έξω, δεν κατεβάζει τίποτα. Είναι σπάνιο και μετράει.

Οι παγίδες, όλες μαζί, γιατί είναι το πιο χρήσιμο κομμάτι του άρθρου.

Ο δρόμος MCP είναι ακριβός. Τα 16.092 tokens τα μέτρησα ο ίδιος σήμερα, με το εργαλείο της OpenAI πάνω στην απάντηση tools/list του διακομιστή: 59.582 χαρακτήρες, 16.092 tokens, 16.113 μαζί με τον φάκελο της απάντησης. Δεν είναι λάθος μέτρηση, είναι το τίμημα του να κουβαλάς 12 σχήματα εργαλείων σε κάθε συνεδρία.

Ο εγκαταστάτης αντιγράφει και ξεχνά. Τα αρχεία μπαίνουν μέσα στους φακέλους των πρακτόρων και δεν ενημερώνονται ποτέ μόνα τους. Ο ίδιος ο έλεγχος το λέει όταν τρέχει: δουλεύεις το εγκατεστημένο αντίτυπο, και θέλει νέα εκτέλεση του εγκαταστάτη για να ανανεωθεί. Με 114 εκδόσεις σε επτά εβδομάδες, καταλαβαίνεις το μέγεθος του προβλήματος: το αντίτυπο που κάθεται στον φάκελό σου γερνά μέσα σε λίγες μέρες.

Αυτόματος υπότιτλος από ομιλία δεν γίνεται χωρίς δική σου μηχανή. Λείπουν το whisper και το parakeet — τα είδε ο έλεγχος ως προαιρετικά που απουσιάζουν — και το εργαλείο γράφει υπότιτλους μόνο από κείμενο που του δίνεις. Αν δεν έχεις μηχανή, δεν θα σου φτιάξει υπότιτλους από τον ήχο· θα σου το πει και θα σου δώσει τις γραμμές εγκατάστασης.

Το φύλλο επαφής δεν βλέπει. Το look.py φτιάχνει εικόνα PNG, δεν καταλαβαίνει τι δείχνει. Καμία ανίχνευση προσώπου, προϊόντος ή θέματος δεν υπάρχει μέσα στο έργο. Στην αναπλαισίωση το προεπιλεγμένο κέντρο θέλει ανθρώπινο μάτι ή πράκτορα με όραση να το κρίνει· αλλιώς κόβεις στο κέντρο και ελπίζεις.

Ένας άνθρωπος, επτά εβδομάδες. Ο συντηρητής είναι ένας, ο kajisho5. Κοίταξα τη λίστα συνεισφερόντων: μετά από αυτόν, οι τρεις επόμενοι λογαριασμοί με τις περισσότερες καταχωρήσεις είναι ρομπότ — αυτοματισμών, του Claude, εξαρτήσεων. Υπάρχουν και λίγοι άνθρωποι με μία έως τέσσερις καταχωρήσεις ο καθένας, αλλά το έργο το κρατά ουσιαστικά ένας άνθρωπος. Δεν είναι κακό από μόνο του· είναι λόγος να κλειδώσεις την έκδοση σε παραγωγή.

Το πλήρες τεστ υλικού δεν έχει τρέξει στα Windows. Το λέει το ίδιο το αποθετήριο, με ανοιχτό ζήτημα: το σώμα πραγματικών συσκευών έχει περάσει σε Linux και macOS, όχι σε Windows, και καμία εγκατάσταση από τρίτο δεν έχει αναπαραχθεί εκεί. Είναι έντιμη δήλωση, αλλά είναι και όριο.

Δοκιμή

Έστησα το εργαλείο σε καθαρό φάκελο και μέτρησα. Το μηχάνημα: Windows 11, Node 26.7.0, ffmpeg 9.0.1, Python 3.14.7.

Η εγκατάσταση κράτησε 1,9 δευτερόλεπτα και το αντίτυπο στον δίσκο πιάνει 1,8 MB. Ο έλεγχος μηχανήματος απάντησε: 68 δυνατότητες διαθέσιμες, 0 απαιτούμενες που λείπουν, 2 προαιρετικές που λείπουν — το whisper και το parakeet, όπως περίμενα. Μου είπε ακόμη ότι το σύστημά μου μπορεί να αποδώσει γράμματα για ελληνικά και άλλες δέκα γραφές, και ότι η προεπιλεγμένη γραμματοσειρά είναι «άγνωστη» στο σύστημα.

Έφτιαξα κλιπ τριών δευτερολέπτων, 1280×720, με δικό μου ήχο. Η μετατροπή σε κάθετο σχήμα:

python3 ~/.claude/skills/ffmpeg-skill/scripts/fit.py src.mp4 --aspect 9:16 --fit crop -o out916.mp4

Πήρε 0,94 δευτερόλεπτα και το αποτέλεσμα επιβεβαιώθηκε με ffprobe: 406×720, δηλαδή 9:16 ακριβώς.

Μετά το κόψιμο. Έφτιαξα πηγή με αραιά καρέ-κλειδιά, ώστε να δυσκολέψω σκόπιμα το εργαλείο, και ζήτησα κοπή στο ένα δευτερόλεπτο. Η πρώτη προσπάθεια ήταν αντιγραφή ροής, και το εργαλείο μου είπε κάτι που σπάνια ακούς από λογισμικό: η αντιγραφή προσγειώθηκε 1,09 δευτερόλεπτα μακριά από το ζητούμενο σημείο, πάνω από το όριο ανοχής, άρα ξανακωδικοποιεί αυτό το τμήμα για ακρίβεια. Και το έκανε, και το δήλωσε στην έξοδο: 1,500 δευτερόλεπτα, ξανακωδικοποιημένο, ακρίβεια καρέ. Δεν μου έδωσε ήσυχα ένα αρχείο που ξεκινά ένα δευτερόλεπτο πιο νωρίς. Αυτό είναι το είδος της ειλικρίνειας που θέλουμε να βλέπουμε.

Ο έλεγχος επαλήθευσης έτρεξε 11 βήματα, 11 πέρασαν, 0 απέτυχαν, σε 9,8 δευτερόλεπτα συνολικά — από μέτρηση και κοπή μέχρι υπότιτλο, φύλλο επαφής, εξαγωγή και μέτρηση έντασης.

Και ο δρόμος MCP, με τον διακομιστή να μιλά απευθείας:

• Η αρχικοποίηση απάντησε σε 0,25 δευτερόλεπτα, με όνομα και έκδοση 2.10.7.
• Ο κατάλογος εργαλείων σε 0,58 δευτερόλεπτα, με 12 εργαλεία.
• Ο κατάλογος έτοιμων συνταγών απάντησε ακαριαία με πέντε έτοιμες ροές: Reel, podcast, multicam, έλεγχος παράδοσης, HDR.

Ο δρόμος MCP δουλεύει, λοιπόν. Απλώς τον πληρώνεις σε πλαίσιο, κάθε φορά.

Τι κοστίζει

Χρήμα. Μηδέν. Το εργαλείο είναι ανοιχτό με άδεια MIT, δεν έχει εξαρτήσεις npm, και δεν ζητάει κλειδιά — δεν στέλνει τίποτα έξω από το μηχάνημά σου. Πληρώνεις μόνο τη δουλειά που θα κάνει ο πράκτορας πάνω του.

Χώρος. Το αποθετήριο είναι περίπου 27 MB. Η εγκατάσταση με npx στα δικά μας τεστ άφησε 4,2 MB — το ffmpeg το έχεις ήδη ή το παίρνεις από τον δικό του εγκαταστάτη. Δεν είναι από τα εργαλεία που σε αναγκάζουν να καθαρίσεις τον δίσκο.

Χρόνος. Σε κλιπ τριών δευτερολέπτων: το οριζόντιο έγινε κάθετο σε 0,76 δευτ. (202×360, το επιβεβαιώσαμε με ffprobe), και το κόψιμο στο ένα δευτερόλεπτο πήρε 0,91 δευτ.. Ο δρόμος MCP απάντησε στη χειραψία σε 0,34 δευτ. και έδωσε τον κατάλογό του σε 0,76 δευτ.. Είναι χρόνοι που δεν τους προσέχεις.

Πλαίσιο — και εδώ είναι το νούμερο που θέλω να θυμάσαι. Το εργαλείο έρχεται με δύο δρόμους, και δεν κοστίζουν το ίδιο. Η διαδρομή MCP φορτώνει 16.092 tokens σε κάθε συνεδρία — μετρημένα με tiktoken, όχι υπολογισμένα στο περίπου. Η διαδρομή skill κοστίζει σχεδόν μηδέν, γιατί δεν φορτώνεται τίποτα μέχρι να τη χρειαστείς. Βάλε δίπλα τα τρία τελευταία μας άρθρα: το Fabric κρατά 265 οδηγίες και φορτώνει μία τη φορά· το Storybook MCP φορτώνει 5.500 tokens μόνο για τον κατάλογό του· αυτό εδώ, αν το βάλεις ως MCP μαζί με άλλα δύο εργαλεία, έχει κάψει το μισό σου παράθυρο πριν γράψεις μία λέξη. Η επιλογή του δρόμου δεν είναι λεπτομέρεια — είναι απόφαση κόστους.

Η ετυμηγορία του κόστους. Αν δουλεύεις βίντεο τακτικά, το κόστος σε χρήμα είναι μηδενικό και σε χρόνο αμελητέο· η μόνη αληθινή δαπάνη είναι το πλαίσιο, και τη διαλέγεις εσύ. Πάρ’ το ως skill και όχι ως MCP, κλείδωσε την έκδοση που δοκίμασες, και το εργαλείο σου δίνει μοντάζ χωρίς να σου αδειάσει το μυαλό του πράκτορα. Και αν χρειάζεσαι υπότιτλους από ομιλία, υπολόγισε ξεχωριστά τη μεταγραφή: δεν την κάνει αυτό.

Ετυμηγορία

Το ffmpeg-skill λύνει ένα πραγματικό πρόβλημα: κάνει έναν πράκτορα κώδικα να δουλεύει το βίντεο με τρόπο που μπορείς να ελέγξεις, χωρίς να του δώσεις κλειδιά και χωρίς να στείλεις το υλικό σου κάπου. Η ιδέα του συμβολαίου που παράγεται από τον κώδικα είναι το πιο δυνατό σημείο του, γιατί εξαλείφει μια ολόκληρη κατηγορία σιωπηλών λαθών.

Θα το έβαζα σε παραγωγή αύριο, με τρεις όρους. Κλείδωσε την έκδοση, γιατί ένα έργο επτά εβδομάδων με εκατόν δεκατέσσερις εκδόσεις δεν σου υπόσχεται ησυχία. Προτίμησε τον δρόμο του skill από τον δρόμο MCP, εκτός αν έχεις πραγματικό λόγο για τον δεύτερο — τα 16.092 tokens είναι αληθινά. Και κράτα έναν άνθρωπο στο τέλος της γραμμής: το φύλλο επαφής δείχνει εικόνα, δεν κρίνει εικόνα.

Για όποιον κάνει βίντεο για πελάτες και δουλεύει ήδη με πράκτορες, αξίζει μία ώρα: η εγκατάσταση διαρκεί δύο δευτερόλεπτα και η πρώτη πραγματική δουλειά λιγότερο από δέκα. Για όποιον θέλει αυτόματους υπότιτλους χωρίς να εγκαταστήσει τίποτα άλλο, δεν είναι ακόμη το εργαλείο του — και το λέει μόνο του, που μετράει περισσότερο από το να το κρύψει.

Πηγές: https://github.com/kajisho5/ffmpeg-skill · https://www.npmjs.com/package/ffmpeg-skill · https://api.github.com/repos/kajisho5/ffmpeg-skill · https://api.npmjs.org/downloads/point/last-month/ffmpeg-skill · https://api.npmjs.org/downloads/point/last-week/ffmpeg-skill · https://github.com/kajisho5/ffmpeg-skill/releases · https://github.com/kajisho5/ffmpeg-skill/issues/143 · https://ffmpeg.org/download.html