# 前言

FFmpeg，这个工具对于做视频的可能有所耳闻，但另一个大名鼎鼎的东西大家绝对听过——格式工厂。想当年高中的时候，上台表演，那个视频是mkv的，播不了，靠这个东西解决了，大学的时候交作品，靠他做一些简单的压缩，合并甚至剪辑，这东西可帮大忙了，而且软件大部分功能是免费的，功能又直观。


当然，格式工厂在很多高级功能上面还是有所缺失，毕竟到了一定水平，应该不会再用这个工具了吧，比如处理HDR，视频加密，DRM等等等等。格式工厂其实就是基于FFMpeg的，FFMpeg简单来说就是个命令行，而命令行最适合AI来处理，所以，就有了今天的主题。

# 选择Workbuddy的理由

既然是FFmpeg，又是命令行，为什么我们不用豆包，deepseek这些聊天工具生成cli代码就行了？

嘿嘿，好问题，这就涉及到Agent和最普通的LLM的区别了，Agent能帮你识别和执行，给AI长眼睛长手长脚了，如果只是聊天那样的，我们需要手动复制命令，还需要手动修改命令，如果遇到不支持的编解码器或者加速嚣，LLM并不知道，也无法了解你电脑到底有什么环境，还需要再问AI再来解决，非常复杂，弄到最后给自己整红温了


Agent

而Agent这种ReAct方式的，从思考，计划，再执行，然后一遍遍循环的，就不用我们去手动复制粘贴什么的了，自己判断电脑有什么环境，有什么编码器，甚至什么配置，制定一个个性化的解决方案，然后执行，如果出问题了，重新修改CLI，不需要我们一遍遍复制粘贴了。

更个性

就像上面说的，他知道我们电脑的情况，知道你的电脑是5090的卡，不会给一个配了5090的电脑来个CPU软解，或者你懒得自己装ffmpeg，Agent运行的时候出现了ffmpeg不存在的报错，自己规划安装，这个时候可以去一边刷抖音了。


# 安装

## Workbuddy

[WorkBuddy - AI Agent 办公新范式](https://www.codebuddy.cn/work/) 这个不用说了，下载安装一气呵成。

除了Workbuddy，腾讯还出过他大哥Codebuddy，还有很Claw的QClaw，以及最新的马维斯Marvis。

关于Workbuddy、CodeBuddy和Marvis这三个的区别，可以参考（来自腾讯云TDP微信公众号）：

- **WorkBuddy**：本地的工作助手，干活、跑流程、连 Skill。重内容、重流程

- **CodeBuddy**：写代码用的 IDE，专注编程场景。要从零写一个项目，用它

- **Marvis**：操作系统级别的 AI 助手，能直接操作你的电脑（注册表、系统设置都能动）。能力强、风险也大

- **Qclaw**：偏远程，用手机操作电脑

FFMpeg

如果安装了Workbuddy，可以直接让Workbuddy安装


如果不想消耗积分的，参考下面：

- windows（需要配置环境变量）：[Download FFmpeg](https://www.ffmpeg.org/download.html)

- macos：`brew install ffmpeg`

- ubuntu：`apt install ffmpeg -y`

# 音视频处理实战

音视频合并

DEMO：[https://live.arsrna.cn/public?id=9072859299](https://live.arsrna.cn/public?id=9072859299)

从某站下载下来的视频，是VP9编码的，而且还没声音，音轨是单独的webm，当然可以用剪映更准确合并，不过这太复杂了，所以可以直接


> @视频.mp4​ @音频.mp3​ 把视频和音频合并，用视频名称命名，输出在下载文件夹。转码为hevc（Apple编码器加速）

文件可以直接拖进聊天框，会自己知道路径

这里推荐使用Deepseek V4 Pro模型，速度飞快，而且积分消耗不高。

接下来他就会自己生成命令，自己执行，不需要我们手动修改命令里的参数了。不过我这里视频已经是HEVC没有转码的必要了。



它还会追踪整个流程，非常贴心

然后不到1分钟，就完成了，当然，截图截不出声音，但是是有声音了，而且体积更小了一些（162MB到159MB）


之后Workbuddy还会用ffpobe验证一下是不是真的有音轨了，非常贴心


压缩

世界上有很多压缩软件，最经典的小丸工具箱，HandBrake。

小丸工具箱效果那是倍儿棒，CRF18的情况下，一条随手录的录屏能从500M压缩到90M，而且画质几乎没有区别，要是使用x265的情况下还能压到60M，不过问题是速度实在是太慢了，R7 5800H全部跑满核心，一个4分钟的视频都要压5分钟，而且可动的参数不是很多，也没有mac、linux版本，不过它的底层还是x264 x265 ffmpeg这种工具，因此可以替代了。

另一个HandBrake速度比较快，UI也比较新，但是我摸了这么久还没摸出门道，压缩视频干等1小时，压腾讯会议2小时的视频，压完反而比压前的更大了


所以综上，我的痛点就是参数复杂不好调整，等待时间太久，不支持硬编码太卡。这时候可以掏出Workbuddy了


> @/Volumes/Elysia/broadcast/491788xxxx0721707.mp4 这个视频2个G太大了，帮我在保证画质的前提下用FFMpeg压缩，CRF在18左右，输出到原路径，重命名compress_原名称.mp4

> Apple电脑，使用硬件编解码

展开命令，可以看到他已经在干活了，而且在干活之前还帮我们根据原视频定制了一个方案


压缩过程非常快，电脑还没发烫就已经完毕了，4分钟的视频从2G压缩至700M，细节上也能完整保留，黄龄还是4k的黄龄



同样的，如果是网络平台，还可以跟Workbuddy说

> @/Volumes/Elysia/broadcast/49178820f44c11cfd3686fcd0889b715_4571800323630721707.mp4 帮我在保证画质的前提下用FFMpeg压缩，VP9编码，用于网络平台点播，CRF在23左右，输出到原路径，重命名compress_原名称.mp4

> 使用Apple硬件编解码（如果支持）


**冷知识，⌘D或者点击麦克风按钮可以在Workbuddy里语音输入**

## 转码

做网络点播的这个应该不陌生，将视频统一格式，统一编码，以及不同分辨率区分，你还可以让它写一个自动化脚本，一键转码视频

这里我们要求

> 将视频统一转码为HEVC，分辨率分别为4k、1080p、720p、480p（如果分辨率低于某个档位，则不转码那个档位），帧率不变，音频转为aac（如果是aac则直接复制），输出到源文件目录下一个新的文件夹「视频转码」，文件前缀为分辨率

可以看到，它一直在强调你的方案是怎么样的，所以这就是Agent最Agent的一点


当然，执行命令需要一定的权限，这里要审计一下再通过。


很快，2分钟的视频不到1分钟就完成三个分辨率的转码了


因为我的积分快到期了，所以用了倍率最高的模型蹬一下

非常简单，如果以前我们要去网上搜索相关命令行代码，然后分别修改执行，现在自然语言就能完成了


# 复杂音视频处理实战

逐字字幕/KTV字幕

**DEMO：[https://live.arsrna.cn/public?id=6682796504](https://live.arsrna.cn/public?id=6682796504)**

**demo建议关掉自带的CC字幕，防止看不到效果**


KTV，都见过吧，MV里的字幕也见过吧


我这里准备了一份ttml：[ttml/无限暖暖 - 花焰照亮的旅途.ttml · main · arsrna/lyrics-db](https://cnb.cool/arsrna/lyrics-db/-/blob/main/ttml/无限暖暖 - 花焰照亮的旅途.ttml)

让workbuddy直接执行

> Elena Borroni《花焰照亮的旅途 A Journey of Fireworks》Official Music Video.mp4 帮我根据ttml逐字歌词：无限暖暖,FoldEcho - 花焰照亮的旅途.ttml 使用FFMPEG把歌词做成类似ktv效果，合并到视频里面，视频重命名为ktv_源文件名称


我不告诉它什么技术栈，它自己选择，直接手搓了ass库，用Python脚本生成字幕样式


等了10分钟，完成了


ttml歌词长这样：


如果我们手搓转为srt再做的话那可折腾了，以前我了解到的是一个很接地气的工具做KTV歌词，不过体验很差，软件容易闪退，也没有快进快退功能。最近也找不到了，老牌艾奇MV制作要收费

不过现在的效果我不满意，再提出需求

>翻译放在下面

>然后字幕做两行，左右错开

>在间奏等待的时候加入···，像泡泡一样，根据时间慢慢消失


额...还是算了，直接让他回到原来的效果，PUA回去


引用`skill-creator`这个制作skill的skill做成skill，下次复用就不用这么复杂了


只需要引用刚刚制作好的`ktv-burner`就可以了



颜色空间转换

**DEMO：[https://live.arsrna.cn/public?id=0524724478](https://live.arsrna.cn/public?id=0524724478)**（注意亮度，一万尼特HDR，不要半夜打开！！！）

这个是比较复杂的一个滤镜效果，可以实现从HDR BT2020转为SDR Rec709，也是比较常用的，比如最基础的一级调色快速预览，SLog3转Rec709、各种Log还原，或者SDR映射HDR扩展色域等等等等

因此命令也非常非常非常复杂，一大长串滤镜，但是在AI眼里都不是事情，这里我们以SDR转HLG为例，也就是SDR to HDR

>@视频.mp4 使用ffmpeg，把视频从SDR转为HDR，扩展HDR颜色


一样的，他也知道先从ffprobe去验证接下来要做什么，自己设计一套流程

因为之前尝试网上的命令，都失败了，缺滤镜、编码器格式不支持、转出来HDR亮度不够等等等等问题，每个处理起来都很复杂。现在Workbuddy根据指令自己做了

也是非常复杂，等了大概20分钟，终于出来了，因为QuickTime不支持，只能使用VLC播放，当然截图也截不出HDR，效果大概这样


除此之外，他也知道这很复杂，帮我做成了Skills，还做了个LUT和Py脚本


# CNB邪修

因为我的电脑显卡不强，CPU散热也不强，所以在我这处理太慢了，所以可以直接让它SSH进CNB，再来进行处理

打开CNB一个比较强劲的开发环境，比如64核的，复制SSH命令


> 我的电脑比较垃圾，请你ssh到服务器ssh cnb-1oo-1jscn5gtj*************************[email protected]

合并这两视频：'/视频1.mp4'、'视频2.mp4'

他发现CNB没装FFMpeg，还会自己装上


去CNB里面看看，确实已经上传且执行中了



`code-server /tmp/vmerge`云原生看视频，去看看结果怎么样


可以看到视频已经是6分钟了，说明合并完成，下载下来很简单，可以右键视频下载，也可以让Workbuddy SSH下载


# 总结

Workbuddy让我们告别手搓，一句话让它自动生成脚本，匹配我们的视频，定制化做媒体处理功能，不用我们去网上搜，AI问，然后自己手动改命令，手动运行，手动监控观察了，遇到复杂的处理，AI能够帮我们做出规划，一步步完成。

正好FFmpeg是纯命令行，借这个优势，AI时代做啥都快，这正是AI最擅长的地方。","createTime":1782839787,"ext":{"closeTextLink":0,"comment_ban":0,"description":"","focusRead":0},"favNum":0,"html":"","isOriginal":0,"likeNum":0,