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.
Vì sao AI agent hay làm hỏng video
| Agent tự viết lệnh ffmpeg | Hậu quả |
|---|---|
| Đoán tốc độ khung hình, độ phân giải theo tên file | Hình giật, méo, viền đen |
| Chọn codec mà định dạng file không chứa được | Lệnh lỗi, hoặc file không phát được trên điện thoại |
| Nén lại cả file trong khi chỉ cần cắt | Chờ lâu, giảm chất lượng không cần thiết |
| Lệnh sai nhưng vẫn thoát với mã 0 | Agent tưởng thành công, ví dụ màu HDR bị bạc |
| Báo "xong" mà không mở kết quả ra xem | Bạn là người phát hiện lỗi |
| Ghi đè lên file gốc | Mất 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.mdhoặc 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.
- Đo fileprobe: thời lượng, fps, khung hình, âm thanh
- Lên kế hoạchdry-run, in lệnh mà chưa ghi gì
- Sửacut, fit, caption, export
- Kiểm thông sốcheck theo chuẩn từng nền tảng
- Xem hìnhlook: ảnh tổng hợp các khung hình
- Báo cáokèm số đo thật của file
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
| Nhóm | Số công cụ | Việc làm được |
|---|---|---|
| Phân tích | 3 | Đo thông số file, xuất ảnh tổng hợp khung hình, tìm cảnh và đoạn nổi bật |
| Biên tập | 24 | Cắt, ghép, bỏ khoảng lặng, đổi khung và thời lượng, chống rung, khử nhiễu, làm mờ vùng chọn, tua nhanh chậm, lặp, đảo ngược |
| Âm thanh | 3 | Làm sạch tiếng, chèn nhạc nền tự hạ khi có lời, cân âm lượng theo LUFS, đồng bộ micro rời |
| Hình ảnh | 4 | Phụ đề và karaoke, tiêu đề và thẻ tên, logo, hình trong hình, chuyển HDR sang SDR, áp LUT |
| Xuất bản | 4 | Xuất theo mẫu từng nền tảng, kiểm file trước khi đăng, tạo bản xem nhanh, báo cáo |
| Điều phối | 4 | Dựng 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 nói | Agent chạy |
|---|---|
| Cắt từ phút 1:20 đến 2:05 | cut.py --start 1:20 --end 2:05 |
| Bỏ hết khoảng lặng | silence.py |
| Chuyển sang khung dọc 9:16 | fit.py --aspect 9:16 --fit crop |
| Chép lời rồi làm phụ đề nhảy chữ | caption.py --transcribe --animate pop --karaoke |
| Gắn logo góc trên phải | overlay.py --image logo.png --position top-right |
| Cân âm lượng về -14 LUFS | loudness.py |
| Xuất bản đăng TikTok | render.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
# 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 doctorXong thì nói chuyện với agent như bình thường, ví dụ:
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:
{"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:
| Việc | Thời gian | Ghi chú |
|---|---|---|
| Đo thông số file | 0,3 giây | probe |
| Dò khoảng lặng cả 60 phút | 14 giây | chỉ giải mã âm thanh |
| Cắt một đoạn 10 phút | 2,4 đến 4,4 giây | sao chép luồng, không nén lại |
| Xuất 10 phút chuẩn YouTube | 514 giây | nhanh hơn thời gian thực khoảng 1,2 lần |
| Xuất 10 phút, chế độ nhanh | 162 giây | nhanh 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 cần | Dịch vụ |
|---|---|
| Máy chạy agent và ffmpeg suốt ngày đêm | VPS NVMe, đặt tại Việt Nam |
| VPS dựng sẵn hướng cho Claude Code, Codex | VPS cho Vibe Coder |
| Tài khoản để dùng Claude Code | Claude Pro, Claude Team hoặc Claude Max, có xuất hóa đơn VAT |
| Chưa rõ nên chọn cấu hình nào | Hotline 0225.999.6666, email [email protected] hoặc Zalo TND |
