前言¶

前面四环做完，素材、剪辑、字幕都在手上了，最后导出这一步一糊，片子就交不出去：画面出现马赛克、音画不同步、响度不达标被平台打回，或者文件体积超出交付限制。这类问题几乎都不是 FFmpeg 不好用，而是参数没写对——-ss 放在 -i 前面还是后面，结果差很多；忘了加 -c copy，明明不需要重新编码却把整条片重压一遍，既慢又有损；-crf 和 -b:v 同时写，参数互相打架。

下面介绍的这个 Skill，就是把 FFmpeg 的编解码器选择、滤镜链、编码参数和常见错误，按一条可执行的顺序整理成速查。

这是什么¶

一句话定位：面向 Agent 的 FFmpeg 命令与参数指南，覆盖从输入定位到最终导出的完整链路。

• 出品与维护：ivangdavila，ClawHub 账号 @ivangdavila。
• 上游仓库：https://clawhub.ai/ivangdavila/ffmpeg
• 版本：v1.0.0，许可证 MIT-0，ClawHub 安全审计结果为 Pass。
• SkillHub 坐标：@clawhub_ivangdavila/ffmpeg，分类 design-media，评分 100000、下载 2820 之外的资料值 20880、安装 1290，标签 requires_api_key=false（不需要 API key）。
• 说明：线索里提到的评分 99440、下载 2820 未被抓取到的资料证实，正文取资料值；ClawHub 页面把该 Skill 归在 Creative 分类下，与 SkillHub 的 design-media 不一致，属平台分类口径差异。

解决的问题是：Agent 调用 FFmpeg 时，默认行为往往不符合交付要求（默认只取第一条视频流和第一条音频流、默认重新编码、输出扩展名并不决定编码格式）。Skill 的作用是把这些默认行为显式写出来，并给出正确的显式写法。

核心能力¶

SKILL.md 实际包含的能力分九块，按顺序是输入定位、流选择、编码质量、容器与编解码、滤镜语法、常用滤镜、音频处理、拼接、字幕，外加硬件加速与常见错误。下面只列有资料支撑的内容。

输入定位：-ss 放在 -i 之前是快速定位，可能不准，从最近的关键帧开始；放在 -i 之后是逐帧精确但慢，需要从头解码。两者可以组合：先快速定位到大位置，再精确裁剪小段。

流选择：不指定时默认取第一条视频加第一条音频，这通常不是你要的。显式写法是 -map 0:v:0 -map 0:a:1（第一条视频、第二条音频）、-map 0:a（某类型全部流）、-map 0 -c copy（全部流且不重编码）、-map 0 -map -0:s（排除字幕）。

编码质量：CRF（Constant Rate Factor）值越低画质越高文件越大，H.264 常用区间 18-23；-preset 从 ultrafast 到 veryslow，越慢同画质下文件越小；两遍编码用于精确码率；-crf 与 -b:v 互斥，只能二选一。

容器与编解码：容器（MP4、MKV、WebM）是装流的壳，编解码（H.264、VP9、AAC）是流的压缩算法，两者不是一一对应——H.264 可以进 MP4 和 MKV，不能进 WebM；VP9 可以进 WebM 和 MKV，不能进 MP4。纯换容器不改编码时用 -c copy，快且无质量损失。

滤镜语法：简单链用 -vf，需要命名输出做路由时用 -filter_complex，多个滤镜用逗号串联，顺序会影响结果（先缩放再裁切和先裁切再缩放不是同一件事）。

常用滤镜：缩放 scale=1280:720 或 scale=-1:720（保持比例自动算宽）、裁切 crop=640:480:100:50（宽:高:x:y，从左上角起）、帧率 fps=30、截取 trim=start=10:end=20 配合 setpts=PTS-STARTPTS 重置时间戳、叠加 overlay=10:10。

音频处理：采样率 -ar 48000（视频标准）、声道 -ac 2（立体声）、编码 -c:a aac -b:a 192k、响度归一 -filter:a loudnorm（EBU R128）、抽音轨 -vn -c:a copy output.m4a。

拼接：参数一致用 concat demuxer，-f concat -safe 0 -i list.txt -c copy，list.txt 每行一个 file 'video1.mp4'，特殊字符要转义；格式不同用 concat filter，-filter_complex "[0:v][0:a][1:v][1:a]concat=n=2:v=1:a=1"；分辨率不同时要先 scale/pad 到一致再拼。

字幕：烧录进画面用 -vf "subtitles=subs.srt"，观众无法关闭；作为独立流封装用 -c:s mov_text（MP4）或 -c:s srt（MKV）；从输入取字幕流用 -map 0:s；单独导出第一条字幕用 -map 0:s:0 subs.srt。

硬件加速：解码用 -hwaccel cuda 或 -hwaccel videotoolbox（macOS），编码用 -c:v h264_nvenc（NVIDIA）或 -c:v h264_videotoolbox（macOS）。资料明确写了两点限制：不一定更快，长视频才看得出收益；画质可能有差异，软件编码通常更好。

安装与启用¶

官方页面给出的安装命令如下，作用是把该 Skill 装进 OpenClaw 的 skills 目录。

openclaw skills install @ivangdavila/ffmpeg

同页提供 CLI（npx skills）与 Prompt 两种入口，命令行安装与对话式调用两种方式都能用。

典型用法¶

下面几条都是 SKILL.md 里给出、可复现的写法。

1、快速定位加精确裁剪。先 -ss 00:30:00 -i input.mp4 跳到 30 分钟附近，再用第二个 -ss 00:00:05 精确裁掉前 5 秒。

ffmpeg -ss 00:30:00 -i input.mp4 -ss 00:00:05 -avoid_negative_ts make_zero output.mp4

-avoid_negative_ts make_zero 的作用是修时间戳，切片段后音画错位常用它。

2、显式指定流，避免默认取错。

ffmpeg -i input.mp4 -map 0:v:0 -map 0:a:1 -c copy output.mp4

3、H.264 转码，CRF 20 配 slow preset。

ffmpeg -i input.mp4 -c:v libx264 -crf 20 -preset slow -c:a aac -b:a 192k output.mp4

视频用 CRF 定质量，音频用比特率定体积，两者互不冲突。

4、EBU R128 响度归一，视频流不重编码。

ffmpeg -i input.mp4 -filter:a loudnorm -c:v copy output.mp4

5、同参数片段拼接，不重编码。

ffmpeg -f concat -safe 0 -i list.txt -c copy output.mp4

常见坑¶

这一节直接来自 SKILL.md 的 Common Mistakes，都是实际会踩的。

• 该用 -c copy 的时候忘了加，FFmpeg 会默认重新编码，慢而且有损。
• 长视频上把 -ss 放在 -i 之后，定位耗时极长。
• 切片段后音频不同步，加 -async 1 或 -af aresample=async=1。
• 想加滤镜又加了 -c copy，滤镜必须重编码，两者组合会直接报错。
• 以为输出扩展名决定编码格式，output.mp4 不加 -c:v 时用的是默认编码，未必是 H.264。

适用场景与限制¶

适合做交付前的收尾：统一响度、统一编码与封装、拼片段、烧字幕、按平台要求转码。也适合作为 Agent 生成 FFmpeg 命令时的参数校验清单——把默认行为和常见错误写在 Skill 里，Agent 就不会凭记忆拼参数。

限制方面：资料中没有提到删静音（silenceremove）、平台响度标准表或具体报错码对照，这些不要按这个 Skill 能覆盖来期待，需要自己另外查。硬件加速的画质差异也没有量化数据，上线前建议对同一段素材做软件编码与硬件编码的对比。

结尾¶

这个 Skill 的价值不在于多新，而在于把 FFmpeg 最容易出错的几处（-ss 位置、-map 流选择、-c copy、CRF 与 -b:v 互斥、滤镜顺序）固化成了固定写法。前面几环做得再细，导出这一步参数写错就全白费，有个可查的清单会省掉大量试错。

官方地址：https://clawhub.ai/ivangdavila/ffmpeg
SkillHub：https://www.skillhub.cn/skills/clawhub_ivangdavila/ffmpeg