AI & Developer Tools VPS

ffmpeg-skill: cho AI agent một bàn dựng video ngay trên máy

ffmpeg-skill là bộ kỹ năng mã nguồn mở cho AI agent 42 công cụ dựng video bằng FFmpeg ngay trên máy, đo file trước khi sửa và kiểm lại kết quả trước khi báo xong.

Thanh Nguyễn Đăng 10 phút đọc 3 khối lệnh

ffmpeg-skill: cho AI agent một bàn dựng video ngay trên máy
Mục lục bài viết
  1. Vì sao AI agent hay làm hỏng video
  2. ffmpeg-skill là gì
  3. Đo trước, kiểm sau: quy trình agent phải theo
  4. 42 công cụ làm được gì
  5. Cài đặt trong 3 lệnh
  6. Chạy trên VPS: agent dựng video 24/7
  7. Cân nhắc trước khi dùng
  8. Câu hỏi thường gặp
  9. Dịch vụ TND cho đội dựng video bằng AI agent
  10. Bài viết liên quan

Bạn nhờ AI agent cắt một đoạn video. Nó gõ một lệnh ffmpeg dài, báo "xong". Mở file ra thì hình bị méo, tiếng lệch, hoặc file gốc đã bị ghi đè. FFmpeg rất mạnh nhưng không tha lỗi, và một agent "biết FFmpeg" vẫn hay đoán thay vì đo. ffmpeg-skill ra đời để bỏ phần đoán đó.

Video 42 giây, có lời đọc: ffmpeg-skill cho AI agent một bàn dựng video trên máy của bạn, đo trước và kiểm sau.

Vì sao AI agent hay làm hỏng video

Agent tự viết lệnh ffmpegHậu quả
Đoán tốc độ khung hình, độ phân giải theo tên fileHình giật, méo, viền đen
Chọn codec mà định dạng file không chứa đượcLệnh lỗi, hoặc file không phát được trên điện thoại
Nén lại cả file trong khi chỉ cần cắtChờ lâu, giảm chất lượng không cần thiết
Lệnh sai nhưng vẫn thoát với mã 0Agent tưởng thành công, ví dụ màu HDR bị bạc
Báo "xong" mà không mở kết quả ra xemBạn là người phát hiện lỗi
Ghi đè lên file gốcMất bản quay

ffmpeg-skill là gì

kajisho5/ffmpeg-skill là một Agent Skill: một thư mục gồm file SKILL.md hướng dẫn agent quy trình làm việc, kèm 42 script Python gọi ffmpeg và ffprobe. Ngày 19/11/2026, repo có khoảng 8.000 sao trên GitHub, bản phát hành trên npm là 3.13.2, giấy phép MIT.

  • Dùng với: Claude Code, Cursor, Codex, và mọi ứng dụng đọc được SKILL.md hoặc kết nối MCP.
  • Yêu cầu: FFmpeg 6.1 trở lên và Python 3.10 trở lên. Chỉ dùng thư viện chuẩn của Python, không cài thêm gói nào.
  • Chạy ở đâu: Linux, macOS, Windows. Tác giả kiểm thử với FFmpeg 6.1, 7.1, 8 và 9.
  • Riêng tư: không cloud, không API key, không tài khoản. Video nằm nguyên trên máy.
  • Tạo phụ đề từ giọng nói: là phần tùy chọn, cần cài thêm một engine nhận dạng giọng nói chạy trên máy như faster-whisper.

Đo trước, kiểm sau: quy trình agent phải theo

Điểm đáng giá của bộ skill này nằm ở kỷ luật chứ chưa hẳn ở số công cụ. Agent không được nhận lệnh ffmpeg thô hay tự ghép chuỗi lọc. Nó chỉ gọi các công cụ có tham số rõ ràng như , công cụ tự dựng lệnh ffmpeg, rồi đo lại file vừa ghi.

  1. Đo fileprobe: thời lượng, fps, khung hình, âm thanh
  2. Lên kế hoạchdry-run, in lệnh mà chưa ghi gì
  3. Sửacut, fit, caption, export
  4. Kiểm thông sốcheck theo chuẩn từng nền tảng
  5. Xem hìnhlook: ảnh tổng hợp các khung hình
  6. Báo cáokèm số đo thật của file
Kết quả chỉ được báo "Done" khi số đo của file khớp với yêu cầu.
  • Đo từ file thật

    Mọi việc bắt đầu bằng probe. Agent quyết định theo thời lượng, fps, độ phân giải, màu và âm thanh đo được.

  • Ưu tiên không nén lại

    Cắt hoặc đổi định dạng chứa thì sao chép luồng, giữ nguyên chất lượng. Chỉ nén lại khi buộc phải làm.

  • Giữ file gốc

    Không công cụ nào ghi đè lên file đầu vào. Kết quả là file mới, muốn ghi đè phải nói rõ.

  • Báo cáo có số

    Báo cáo ghi thời lượng, khung hình, fps, codec, độ lớn âm lượng của file kết quả, lấy từ phép đo.

  • Nhìn lại bằng mắt

    Sau khi đổi hình, agent xuất một ảnh tổng hợp khung hình để tự xem phụ đề, logo có nằm đúng chỗ.

  • Biết máy có gì

    Lệnh doctor dò bộ lọc và bộ mã hóa mà bản FFmpeg trên máy có, báo thiếu trước khi chạy việc.

Skill làm việc, không quyết định thay bạn: nó cắt, đo và xuất file. Chọn đoạn nào hay, phụ đề viết gì, video đã đạt chưa vẫn là việc của bạn hoặc của agent đang điều khiển. Lời phụ đề được in đúng như bạn đưa, không tự sửa cho vừa khung.

42 công cụ làm được gì

NhómSố công cụViệc làm được
Phân tích3Đo thông số file, xuất ảnh tổng hợp khung hình, tìm cảnh và đoạn nổi bật
Biên tập24Cắt, ghép, bỏ khoảng lặng, đổi khung và thời lượng, chống rung, khử nhiễu, làm mờ vùng chọn, tua nhanh chậm, lặp, đảo ngược
Âm thanh3Làm sạch tiếng, chèn nhạc nền tự hạ khi có lời, cân âm lượng theo LUFS, đồng bộ micro rời
Hình ảnh4Phụ đề và karaoke, tiêu đề và thẻ tên, logo, hình trong hình, chuyển HDR sang SDR, áp LUT
Xuất bản4Xuất theo mẫu từng nền tảng, kiểm file trước khi đăng, tạo bản xem nhanh, báo cáo
Điều phối4Dựng cả dự án bằng một lệnh, xử lý cả thư mục, dựng nhiều máy quay, kiểm tra tổng

Bạn không cần nhớ tên công cụ. Chỉ cần nói việc muốn làm, agent tự chọn:

Bạn nóiAgent chạy
Cắt từ phút 1:20 đến 2:05cut.py --start 1:20 --end 2:05
Bỏ hết khoảng lặngsilence.py
Chuyển sang khung dọc 9:16fit.py --aspect 9:16 --fit crop
Chép lời rồi làm phụ đề nhảy chữcaption.py --transcribe --animate pop --karaoke
Gắn logo góc trên phảioverlay.py --image logo.png --position top-right
Cân âm lượng về -14 LUFSloudness.py
Xuất bản đăng TikTokrender.py --template tiktok

Mẫu xuất bản có sẵn cho TikTok, Reels, YouTube Shorts, YouTube, X, LinkedIn, Facebook, podcast và audiogram. Với TikTok, skill tính sẵn vùng bị giao diện ứng dụng che: 10% phía trên, 22% phía dưới, 14% bên phải và 5% bên trái, rồi đặt phụ đề nằm ngoài các vùng đó. Clip dọc của bài này cũng được dựng theo đúng vùng an toàn ấy.

Cài đặt trong 3 lệnh

Cài trên Ubuntu hoặc DebianCài đặt trong 3 lệnhbash
# 1. Cài FFmpeg, làm một lầnsudo apt install ffmpeg # 2. Cài skill cho Claude Code (Cursor: --cursor, Codex: --codex, cả ba: --all)npx ffmpeg-skill # 3. Kiểm tra máy đã đủ thành phần chưanpx ffmpeg-skill doctor

Xong thì nói chuyện với agent như bình thường, ví dụ:

Yêu cầu giao cho AI agentCài đặt trong 3 lệnhmarkdown
Lấy file phong-van.mp4, giữ đoạn 0:45 đến 1:20 và 5:00 đến 5:25,chuyển sang khung dọc 9:16, thêm phụ đề từ file loi.srt,xuất bản đăng TikTok và báo lại thông số file kết quả.

Nếu ứng dụng của bạn dùng MCP thay vì đọc skill, trỏ nó vào file mcp/server.py trong thư mục skill:

Cấu hình MCPCài đặt trong 3 lệnhjson
{"mcpServers": {"ffmpeg-skill": {"command": "python3",  "args": ["/home/ban/.claude/skills/ffmpeg-skill/mcp/server.py"]}}}

Máy chủ MCP mặc định chỉ liệt kê 12 công cụ lõi để đỡ tốn ngữ cảnh của mô hình (khoảng 18.000 token theo số đo của tác giả, so với khoảng 48.000 token nếu liệt kê đủ 42). 30 công cụ còn lại vẫn gọi được theo tên.

Chạy trên VPS: agent dựng video 24/7

Nén video ăn CPU và ổ đĩa. Chạy trên laptop thì máy nóng, quạt hú, và phải mở máy suốt. Đặt agent cùng ffmpeg-skill trên một VPS thì bạn giao việc xong có thể tắt máy: agent cắt, gắn phụ đề, xuất bản cho từng nền tảng, sáng ra có file. Ubuntu 24.04 có sẵn FFmpeg 6.1.1 trong kho apt, đủ điều kiện để chạy skill.

Tác giả có đo trên máy 4 vCPU Xeon 2,1 GHz với một file 1080p30 dài 60 phút, dung lượng 4,3 GB (bản 2.17.0, ngày 25/10/2026). Đây là số của tác giả, chưa phải số đo trên VPS của TND:

ViệcThời gianGhi chú
Đo thông số file0,3 giâyprobe
Dò khoảng lặng cả 60 phút14 giâychỉ giải mã âm thanh
Cắt một đoạn 10 phút2,4 đến 4,4 giâysao chép luồng, không nén lại
Xuất 10 phút chuẩn YouTube514 giâynhanh hơn thời gian thực khoảng 1,2 lần
Xuất 10 phút, chế độ nhanh162 giâynhanh hơn thời gian thực khoảng 3,7 lần
  • CPU: trên Linux, skill nén bằng CPU. Đường nén bằng GPU hiện chỉ dùng cho máy Apple Silicon. Càng nhiều nhân, xuất càng nhanh. Nên bắt đầu ở 4 vCPU cho clip ngắn và lên 8 vCPU nếu xuất video dài thường xuyên.
  • Ổ đĩa: file quay nặng hàng GB, mỗi bước lại ghi ra file mới. Ổ NVMe giúp các bước đọc ghi và sao chép luồng trôi nhanh.
  • Video dài: mỗi lệnh ffmpeg có giới hạn mặc định 1.800 giây. Xuất cả một giờ video cần thêm hoặc dùng chế độ nhanh.
  • An toàn: dùng VPS riêng cho việc dựng, không cài chung máy đang chạy website bán hàng.

Cân nhắc trước khi dùng

  • Không tự bám theo khuôn mặt hay chủ thể khi đổi khung. Mặc định cắt giữa hình, muốn lệch phải chỉ rõ vị trí.
  • Không xóa được phụ đề cứng hay logo di chuyển. Chỉ che hoặc làm mờ được vùng cố định mà bạn chỉ ra.
  • Không nhận lệnh ffmpeg thô. Việc nào chưa có công cụ thì skill báo là chưa hỗ trợ.
  • Skill không tạo hình mới. Muốn dựng motion graphics từ đầu thì dùng Remotion, rồi đưa file kết quả cho ffmpeg-skill cắt, cân âm lượng và kiểm trước khi đăng.
  • "Agent xem lại hình" nghĩa là mô hình AI của bạn phải đọc được ảnh. Mô hình không có thị giác thì báo cáo sẽ ghi rõ là chưa xem hình.

Câu hỏi thường gặp

ffmpeg-skill có miễn phí không?

Có. Mã nguồn mở theo giấy phép MIT, cài bằng npx. Bạn chỉ trả tiền cho AI agent đang dùng (Claude Code, Cursor, Codex) và máy chạy nó.

Video của tôi có bị gửi lên mạng không?

Skill xử lý bằng FFmpeg ngay trên máy, không gọi dịch vụ cloud và không cần API key. Lưu ý riêng: agent AI của bạn vẫn gửi nội dung hội thoại, và ảnh khung hình nếu nó xem lại hình, tới nhà cung cấp mô hình.

Không biết gõ lệnh ffmpeg có dùng được không?

Được. Bạn mô tả việc cần làm bằng lời, agent chọn công cụ và tham số. Skill còn hướng dẫn agent hỏi lại khi yêu cầu chưa rõ, ví dụ đăng ở nền tảng nào.

Dùng với ChatGPT hay Claude bản chat trên web được không?

Skill cần một agent chạy được lệnh trên máy hoặc trên VPS, như Claude Code, Codex, Cursor, hoặc ứng dụng máy tính có kết nối MCP. Bản chat trên trình duyệt không tự chạy được ffmpeg trên máy bạn.

Cần VPS cấu hình bao nhiêu?

Clip ngắn cho mạng xã hội thì 4 vCPU và 8 GB RAM là điểm khởi đầu hợp lý. Xuất video dài hoặc chạy nhiều việc cùng lúc thì nên từ 8 vCPU. Đây là ước tính từ số đo của tác giả trên máy 4 vCPU, bạn nên thử với video thật của mình.

Dịch vụ TND cho đội dựng video bằng AI agent

Bạn cầnDịch vụ
Máy chạy agent và ffmpeg suốt ngày đêmVPS NVMe, đặt tại Việt Nam
VPS dựng sẵn hướng cho Claude Code, CodexVPS cho Vibe Coder
Tài khoản để dùng Claude CodeClaude Pro, Claude Team hoặc Claude Max, có xuất hóa đơn VAT
Chưa rõ nên chọn cấu hình nàoHotline 0225.999.6666, email [email protected] hoặc Zalo TND
Chia sẻ:Facebook

Thanh Nguyễn

TND

Tư vấn bản quyền, VPS và máy chủ kèm hóa đơn VAT, hợp đồng đầy đủ cho doanh nghiệp.