用ffmpeg-skill制作60秒竖屏短片,可以先探测本地素材,按指定时间段剪辑,再转为9:16、加入字幕,最后导出并检查文件。需要可运行的编程agent、python 3.10及以上、ffmpeg 6.1及以上和ffprobe;使用npx安装时还需node环境,字幕烧录另需ffmpeg包含对应滤镜与可用中文字体。
安装技能,先看本次任务缺什么
npx ffmpeg-skill npx ffmpeg-skill doctor
这条安装路径面向Claude Code技能目录;使用Codex或Cursor时按对应安装选项选择,不必给所有工具同时安装。doctor会检查多种功能所需依赖,整体结果与某个工具是否可用不同,按实际缺少的字幕、编码或字体能力处理。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

ffmpeg-skill的本地媒体处理定位
准备一个独立工作目录,放入自己有权编辑的原片,输出另存新文件。自动语音转字幕需要额外的本地语音引擎;也可以先准备校对过的SRT字幕,避免把“装了技能”误当成“已能识别任何音轨”。
先探测素材,再确认剪辑范围
使用ffmpeg-skill处理本地interview.mp4,先探测时长、分辨率、帧率、旋转标记和音轨。 原片至少包含5分25秒;先保留00:45—01:20与05:00—05:25两段,共60秒。 先列出剪辑计划和输出路径,不覆盖原片。素材不足、音轨缺失或时间范围越界时先报告。
两段分别35秒和25秒,只有原片时长满足条件才可采用。若换用其他时间段,重新核对合计时长。先检查剪点是否截断一句话,再决定是否调整切点,不通过反复加速来硬凑60秒。
根据画面内容选择竖屏构图

字幕、竖屏重构图、静音与音量处理示例
把画布设为1080×1920。人物或单一主体可在检查主体位置后裁切,软件录屏和宽表格则优先留边或重新排版,避免按钮与数字被切掉。中心裁切不是自动主体追踪,运动对象也需要逐段查看。
通过 Telegram 命令管理 OpenAI Codex 配置文件,支持用量查询与 OAuth Token 刷新,并提供队列化安全应用(queued safe apply)及进度更新。
按确认的两段素材生成60秒版本,目标1080×1920。 先做构图预览:保留主要信息,不能裁掉正在讲解的控件或字幕。 加入已校对的中文字幕,避开平台底部描述区和侧边按钮区。 保留原音轨,避免削波;需要补充字幕依赖或字体时先列出缺项。 完成后另存final.mp4,报告实际时长、分辨率、帧率、音频和检查结果。
字幕按剪辑后的时间线排列;使用原片时间戳时,先重映射两个保留片段,不能直接把原片SRT叠到拼接结果上。中文字体缺字、文本出界或一屏字太多时,先修正字幕再做最终导出。
导出后同时看参数和实际画面

剪辑后检查输出文件的终端流程示例
要求Agent探测输出文件,并用检查工具核对目标规格;同时生成接触表或关键帧,查看剪点、主体裁切和字幕安全区。时长、画幅和声音检查应针对实际输出文件,不能把预设名称或渲染命令当成结果。
完整播放60秒成片,确认两段顺序正确、没有黑帧、字幕对应声音、音轨没有丢失。若检查失败,按具体问题返工,保留原片与编辑计划。媒体处理在本机执行,编程Agent本身使用何种模型与数据策略仍取决于该工具设置。










