
字节笔记本
2026年10月28日 · 约 3 分钟读完
所有视频的最后一公里,都是 FFmpeg 在跑
系列走到最后一篇。前面 19 个工具各管一段:录屏、配音、配乐、字幕、画面、剪辑,但所有素材最终都要过同一道门,FFmpeg。它是处理多媒体内容的库和工具集,音频、视频、字幕、元数据全覆盖,GitHub 镜像仓库 6.6 万星,最新版 9.0.2。播放器、剪辑软件、转码服务、视频平台,行业内把它当底层用得多到不必列举,这一篇讲它是什么、agent 怎么用好它,顺便给整个系列收个尾。
一、七个库,三件工具
FFmpeg 的本体是一堆库:libavcodec 管编解码,libavformat 管流媒体协议和容器封装,libavfilter 提供滤镜的有向图,libswscale 管缩放和色彩转换,libswresample 管混音和重采样,还有设备访问和杂项工具库。工具层三个可执行文件:ffmpeg 命令行本体、ffplay 极简播放器、ffprobe 媒体信息检查。
用命令行的好处是每个动作都是一行可复现的文本。agent 处理视频,第一步永远是 ffprobe 看清素材的编码、分辨率、时长,然后再决定转什么、压多少:
ffprobe -v error -show_format -show_streams input.mp4转码、抽帧、拼接音轨、烧录字幕、压缩体积,全是命令行一行的事,GUI 自动化反而不是它的正确打开方式。

二、系列里的它已经露过脸
回顾这一路,FFmpeg 其实无处不在:Remotion 渲染管线的编码环节用它,faster-whisper 干脆把 FFmpeg 的库打包进 Python 包省掉系统安装,OBS 的录制输出最终也常常要经它转一道。本站更早的实战文里有 Python 加 Whisper 加 FFmpeg 烧字幕的完整流程,可以对照着用。
协议上以 LGPL 为主、部分组件可选 GPL,作为命令行工具和动态链接库使用都没有额外负担,这也是它成为行业默认的原因之一。

三、系列收官:一人视频流水线的全部零件
二十个工具拼下来,一条完整的流水线已经齐了:OBS 负责录制供料,faster-whisper 转字幕,Chatterbox 出配音,Tone.js 现做配乐;画面侧 p5.js 出草稿、PixiJS 出性能、Three.js 和 Rapier 管 3D 和物理、tsParticles 撒粒子、glTF Transform 瘦身资产、GL Transitions 管转场;Paper.js、Matter.js、anime.js、react-spring、OGL 各补一环;编排交给 Remotion 或 OpenCut;FFmpeg 在最后一公里收尾交付。
这套东西全部开源、全部可脚本化,对 agent 来说没有黑箱。工具是拼图,真正的门槛只剩审美和选题,那正好是人的部分。系列完结,感谢追更。



