本技能面向基于 ffmpeg 的音视频处理任务,要求 ffmpeg >= 4.0,ffprobe 可选但推荐。安装:macOS 用 brew install ffmpeg,Ubuntu/Debian 用 sudo apt-get install ffmpeg,Windows 用 choco install ffmpeg,验证用 ffmpeg -version。
用途与主要能力:视频格式转换(MP4/WebM/MOV 等)、分辨率与宽高比调整、GIF 制作(含调色板优化)、音频提取与格式转换、视频裁剪拼接、变速旋转、字幕烧录或提取、压缩优化、缩略图与帧提取、批量处理及 YouTube/Instagram/Twitter/TikTok 平台预设。
典型用法:转换 MP4 到 WebM 用 ffmpeg -i input.mp4 -c:v libvpx-vp9 -crf 30 -b:v 0 -c:a libopus output.webm;缩放 720p 用 ffmpeg -i input.mp4 -vf scale=-1:720 -c:a copy output_720p.mp4;提取 MP3 音频用 ffmpeg -i input.mp4 -vn -acodec libmp3lame -q:a 2 output.mp3;压缩用 ffmpeg -i input.mp4 -c:v libx264 -crf 23 -preset medium -c:a aac -b:a 128k output.mp4。拼接 MP4 建议用 concat 分离器并配合 printf 与进程替换避免临时文件;条件不同则用 concat 滤镜重编码。
文案提取与转录:应用启动后在 http://127.0.0.1:18923 提供本地 HTTP 接口,仅监听本机。查询模型状态 GET /v1/audio/models/status;转录 POST /v1/audio/transcriptions,JSON 参数 audioPath 必填、language 可选,返回 success、text 或 error。支持 WAV/MP3/FLAC/M4A/OGG/AAC(非 WAV 需系统装 ffmpeg),长音频按 30 秒分段,模型约 239 MB,需在设置中先下载,使用 SenseVoice Small,支持多语种。
限制与最佳实践:先检查输入文件,尽量用 -c copy 避免重编码,用 -t 预览,CRF 18 视觉无损、23 高质量、28 更小文件,Web 视频加 -movflags +faststart。型号之外的收费、价格等资料未提供。