OpenMontage FFmpeg 视频处理实操指南与避坑手册【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage你手上有 30 段 Pexels 素材要做一条竖版宣传片剪切、变速、拼接、烧字幕、配音乐、归一化响度。这些不需要 AI 推理的活在 OpenMontage 里全由 FFmpeg 支撑的一组确定性工具包办。本文把这条管线从头走到尾每个环节该调哪个工具、关键参数怎么选、坑在哪一次讲清。该用还是别用FFmpeg 工具与 AI 推理的分工先给结论操作能写成滤镜图或编码流操作走 FFmpeg需要模型生成内容走另一条链路。适用剪掉 3 秒口误、把 B-roll 加速到 1.5x、给混好的旁白压一条音乐、把成片拉到 1080x1920 竖屏。不适用文生视频、人脸修复、超分。这些要跑模型对应独立工具别硬塞进 FFmpeg 滤镜。判断标准很简单skills/core/ffmpeg.md里划的界就是does not require AI inference——剪辑、变速、拼接、混音、字幕烧录、叠加、编码、人脸增强、调色、音频清理全部在 FFmpeg 侧。所有 FFmpeg 工具都以确定性方式注册Determinism.DETERMINISTICprovider 统一标ffmpeg依赖声明cmd:ffmpeg。环境前置Windowswinget install FFmpeg、macOSbrew install ffmpeg、Linuxsudo apt install ffmpeg。一条视频从素材到交付管线总览把五个环节串起来看整条处理链是这样的环节工具做什么关键参数1. 粗剪video_trimmer剪切、变速、同构片段拼接operation、codec默认copy2. 合成video_compose归一化各 cut → concat → 烧字幕 → 换音轨crf默认 23、profile、subtitle_style3. 画面增强face_enhance→color_grade皮肤平滑锐化再叠整体色调preset、intensity、crf默认 204. 声音audio_mixer→audio_enhanceducking、响度归一、降噪限幅loudnorm_target、duck_level5. 质检frame_sampler抽代表帧做封面、镜头检查strategy、max_frames默认 20为什么是这个顺序逻辑是像素改动逐步固化烧字幕会把文字烙进画面必须最先做否则后面每个重编码都在烧录后的像素上算人脸增强是局部处理放在调色前避免把橙色调先烤进皮肤再平滑调色是对全片定调压轴音频是独立领域和视频互不干扰最后单独收。粗剪与变速cut、speed、concat 的调用姿势这一环的目的是把原始素材变成一组干净的片段为合成铺路。video_trimmer提供三个operationcut、speed、concat。怎么做cut-ss-to定位区间。codec默认copy即流拷贝秒级完成且无损改成libx264则触发重编码。speed视频流用setpts(1/speed_factor)*PTS音频流用atempo链。atempo只接受[0.5, 100.0]所以 200x 会链成atempo100.0,atempo100.0,atempo100.0再加尾段——工具内部自动处理speed_factor合法范围0.1~100.0。concat每个片段先按需剪进临时文件写出file ...列表再-f concat -safe 0 -i list -c copy拼接结束后清理临时文件。坑在哪⚠️ 流拷贝只能对齐关键帧。稀疏 GOP 的素材Pexels 和 AI 生成片段很常见用copy剪切实际切点会漂移到最近的关键帧。粗剪阶段无所谓进video_compose后会自动重编码保证帧精确。 ⚠️ 变速必须视频音频成对处理——只改setpts不改atempo出来就是变调鬼音。 ⚠️ concat 列表里的路径Windows 下反斜杠会被转义吃掉工具内部已统一替换成正斜杠你自己写列表文件时也要照做。粗剪的产出是一组同构片段。接下来要把它拼成一条带字幕、带混音的成片交给video_compose。合成归一化先同构、再 concat、后烧字幕video_compose的compose操作是整条管线的心脏。它的内部流水线分三步顺序不能乱逐 cut 归一化重编码每个片段用-ss in -t duration精确剪切强制 libx264 AAC 重编码不走流拷贝原因见下文关键决策点统一缩放到目标分辨率默认 1920x108030fps、yuv420p、sar1。fitpad加黑边保内容fitcover缩放填充居中裁剪适合竖屏。concat demuxer 拼接所有片段同构后-c copy一把拼完零质量损失。烧字幕 换音轨拼接后的成片再过subtitles滤镜需要时替换为混好的音轨AAC-shortest对齐。关于字幕烧录四个要点简单词级字幕优先 SRT。字幕文件可以用tools/subtitle/subtitle_gen.py生成支持 SRT/VTT/caption JSONmax_words_per_cue默认 8、max_chars_per_line默认 42。force_style的颜色必须用完整 ASS 格式H00FFFFFFAABBGGRR含透明度字节写成HFFFFFF会被当成无透明度的旧格式。Windows 路径要转义C\:而不是C:工具拼subtitles...滤镜时已做replace(:, \\:)。画幅差异化参数画幅font_size每字幕条最大词数margin_v竖屏 9:16183 词50横屏 16:9226 词40样式解析是四层优先级显式subtitle_styleedit_decisions.subtitles.style playbooktypography/color_palette 内置默认避免每条片子都长成白色 Arial 粗体。坑在哪⚠️ 很多 Pexels 素材根本没有音轨。工具会先用ffprobe探测没有就注入anullsrc静音立体声轨保证所有片段流布局一致——你自己手写 concat 流程时漏掉这步会直接报错。 ⚠️ 片段间分辨率/帧率/像素格式不一致时concat demuxer 会报 Non-monotonous DTS 或静默产出损坏文件。这就是第 1 步强制归一化的原因。 顺带一提video_compose是运行时感知的编排面render_runtime在提案阶段锁定可取remotionReact 帧精确渲染默认、hyperframesHTML/CSS/GSAP、ffmpeg纯视频剪切。治理规则禁止静默切换运行时失败会抛结构化阻塞等你确认。合成的输出是一条带字幕、带占位音轨的成片。画面像素到此基本定型接下来做两轮像素美化。画面处理人脸增强在前、调色在后这一步只有两个工具顺序铁律先face_enhance再color_grade。怎么做face_enhance默认预设talking_head_standard 皮肤平滑smartblur 锐化unsharp 暖肤色colorbalance三段滤镜链纯 FFmpeg 实现无 GPU 依赖。支持presets数组链式叠加也支持custom_vf自定义。CRF 默认20比核心层的 23 高一档因为增强结果更接近最终交付物。color_grade内置 7 个 profilecinematic_warm、cinematic_cool、moody_dark、bright_clean、vintage_film、high_contrast、neutral每个都是colorbalancecurveseq的组合也支持.cubeLUT走lut3d滤镜。intensity取值 0~1、默认 1.0本质是调色版与原片的混合不透明度——源码用split出原画面调色后走blendall_opacity{intensity}混回去。口播素材推荐intensity: 0.85配cinematic_warm0.5 几乎不可察觉1.0 全效部分素材会过处理。坑在哪⚠️ 先调色再增强人脸等于把橙色调固化进肤色后续平滑会放大瑕疵。顺序别反。 ⚠️ 增强后肤色发橙、发蜡像是 intensity 给满且 preset 叠太狠的信号回退到 0.85 并去掉多余的sharpen。画面定调完毕。视频和音频到此已各占其位最后把声音收干净。声音处理ducking、LUFS 响度与降噪音频侧两个工具分工明确audio_mixer负责多轨结构谁和谁混、什么时候压低audio_enhance负责单轨质感降噪、压缩、归一。怎么做Ducking 是口播片的刚需——人说话时音乐自动退让。audio_mixer的duck操作推荐用简单格式{ operation: duck, primary_audio: speech.mp3, secondary_audio: music.mp3, duck_level: -12, output_path: out.wav }内部滤镜图以语音为 key signal 跑sidechaincompressthreshold0.02:ratio9:attack0.2:release0.5duck_level默认 -12dB转成线性比例约 0.25 写入music_volume_during_speech直接指定时默认 0.15攻击/释放由ducking.attack_ms默认 200、ducking.release_ms默认 500控制。对 compose-director 场景full_mix一次调用搞定多层旁白 音乐 ducking 响度归一配target_duration还能用apad/atrim把混音精确对齐成片时长。segmented_music则更精细按{start: 0, end: 17.0}这样的时间段控制口播段放音乐、展示段静音。响度目标按平台定这是loudnorm_target的取值依据平台目标 LUFS响度范围TikTok / Reels-145~7 LUYouTube-14 ~ -167~11 LU播客-167~11 LU广播电视-247 LUaudio_enhance的clean_speech预设以loudnormI-16:LRA11:TP-1.5收尾适合 YouTube/社媒broadcast预设则直接打到I-24:LRA7:TP-2。处理视频文件时音频滤镜照跑、视频流-c:v copy零画质代价。坑在哪⚠️loudnorm_target默认 -16播客值。投 YouTube/TikTok 却忘了传 -14上线后实测会偏闷。约定是edit_decisions.metadata.loudnorm_target导演透传即可合法范围 -40~0。 ⚠️ duck 压太狠比如 -24dB音乐几乎消失放太松-6dB人声被盖-12 是听感安全的起点。声音和画面都就位后最后一件事别凭感觉验收抽帧用眼睛验。抽帧质检四种策略怎么选frame_sampler是质检的眼睛从成片里抽代表帧可当封面也能喂给video_understand、visual_qa做自动分析。策略关键参数适用场景intervalinterval_seconds默认 5s均匀巡检countcount默认 10固定帧数概览timestampstimestamps数组抽查特定时间点scene_guidedscene_boundariesmax_frames默认 20覆盖所有镜头转场scene_guided最值得用基于scene_detect输出的镜头边界每个场景取首帧偏移 0.1s 避开黑帧长于 3 秒的场景补一帧中点帧去重排序后限流。均匀 fps 抽帧会漏掉快切转场场景引导则用有界、可预测的帧数覆盖全片。输出png/jpgquality取值 1~31 默认 2仅 jpg 生效对应-qscale:v越小越清晰。坑在哪⚠️interval策略对快切片几乎无用——镜头可能每 2 秒一切5 秒一抽全是转场中间态。多镜头片直接上scene_guided。流拷贝还是重编码关键决策点散落在各环节的二选一集中在这里条件选择原因纯剪切/拼接不改任何帧-c copy流拷贝瞬时完成、零损失帧精确剪切稀疏 GOP 素材重编码 libx264流拷贝只能对齐关键帧稀疏 GOP 下片段会显著长于目标时长混合编码/不同分辨率的片段全部归一化后重编码concat demuxer 要求全片段 codec/分辨率/fps/pix_fmt/sar 一致中间产物CRF 23核心层默认省体积和编码时间最终交付物CRF 18~20增强工具默认就是 20增强后不再二次处理画质预算给足任意分辨率竖屏输出compose_target配fitcoverpad加黑边cover缩放填充居中裁剪更适合社交竖屏平台化规格传profile如youtube_landscape1920x108030/crf 18、tiktok1080x1920/crf 20、cinematic2560x108024/crf 16见 lib/media_profiles.py避免手算参数参数速查卡按调用频率排参数默认值合法范围/枚举一句话说明operation—trimmer: cut/speed/concatcompose: compose/render/burn_subtitles/overlay/encode选错操作是最常见的错codeccopy—trimmer 剪切编码策略copy 即流拷贝speed_factor1.00.1~100.0变速倍率0.1 即 10 倍慢放crf23compose/ 20增强—越小越清晰交付物 18~20presetmedium—x264 编码预设速度换画质profile—youtube_landscape / tiktok / cinematic…平台规格一键套用loudnorm_target-16-40~0目标 LUFS按平台传duck_level-12dB 负值语音在时音乐压低幅度attack_ms/release_ms200 / 500—sidechain 攻击/释放music_volume_during_speech0.150~1线性比例-12dB 约等于 0.25intensity1.00~1调色混合不透明度口播推荐 0.85strategy—interval/count/timestamps/scene_guided抽帧策略多镜头用 scene_guidedmax_frames20≥1scene_guided 帧数上限quality21~31jpg 质量越小越清晰margin_v40—字幕下边距竖屏 50 / 横屏 40交付前检查清单桌面端和移动端播放均无 artifact输出规格与目标平台 profile 一致如 1920x108030 或 1080x1920 竖屏变速后音画同步setpts与atempo成对生效片尾用-shortest/apad对齐无残帧字幕位于画面底部 20% 区域从不遮挡人脸竖屏margin_v: 50、横屏margin_v: 40就是为此设定响度落在平台目标内TikTok/Reels -14 LUFS、YouTube -14~-16、播客 -16、广播 -24容差 ±1 LU增强可见但自然——肤色健康不发橙无塑料感剪切点无音频削波或静音间隙TP-1.5真实峰值上限兜底文件大小对目标平台合理CRF 23 的中间产物不必上交付线延伸阅读技能文档skills/core/ffmpeg.md、skills/core/color-grading.md、skills/core/subtitle-sync.md核心源码tools/video/video_trimmer.py、tools/video/video_compose.py、tools/audio/audio_mixer.py、tools/analysis/frame_sampler.py测试佐证tests/tools/test_audio_mixer_ducking.py、tests/qa/test_05_video_compose.py、tests/qa/test_06_video_stitch.py【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 OpenMontage FFmpeg 视频处理实操指南与避坑手册
OpenMontage FFmpeg 视频处理实操指南与避坑手册【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage你手上有 30 段 Pexels 素材要做一条竖版宣传片剪切、变速、拼接、烧字幕、配音乐、归一化响度。这些不需要 AI 推理的活在 OpenMontage 里全由 FFmpeg 支撑的一组确定性工具包办。本文把这条管线从头走到尾每个环节该调哪个工具、关键参数怎么选、坑在哪一次讲清。该用还是别用FFmpeg 工具与 AI 推理的分工先给结论操作能写成滤镜图或编码流操作走 FFmpeg需要模型生成内容走另一条链路。适用剪掉 3 秒口误、把 B-roll 加速到 1.5x、给混好的旁白压一条音乐、把成片拉到 1080x1920 竖屏。不适用文生视频、人脸修复、超分。这些要跑模型对应独立工具别硬塞进 FFmpeg 滤镜。判断标准很简单skills/core/ffmpeg.md里划的界就是does not require AI inference——剪辑、变速、拼接、混音、字幕烧录、叠加、编码、人脸增强、调色、音频清理全部在 FFmpeg 侧。所有 FFmpeg 工具都以确定性方式注册Determinism.DETERMINISTICprovider 统一标ffmpeg依赖声明cmd:ffmpeg。环境前置Windowswinget install FFmpeg、macOSbrew install ffmpeg、Linuxsudo apt install ffmpeg。一条视频从素材到交付管线总览把五个环节串起来看整条处理链是这样的环节工具做什么关键参数1. 粗剪video_trimmer剪切、变速、同构片段拼接operation、codec默认copy2. 合成video_compose归一化各 cut → concat → 烧字幕 → 换音轨crf默认 23、profile、subtitle_style3. 画面增强face_enhance→color_grade皮肤平滑锐化再叠整体色调preset、intensity、crf默认 204. 声音audio_mixer→audio_enhanceducking、响度归一、降噪限幅loudnorm_target、duck_level5. 质检frame_sampler抽代表帧做封面、镜头检查strategy、max_frames默认 20为什么是这个顺序逻辑是像素改动逐步固化烧字幕会把文字烙进画面必须最先做否则后面每个重编码都在烧录后的像素上算人脸增强是局部处理放在调色前避免把橙色调先烤进皮肤再平滑调色是对全片定调压轴音频是独立领域和视频互不干扰最后单独收。粗剪与变速cut、speed、concat 的调用姿势这一环的目的是把原始素材变成一组干净的片段为合成铺路。video_trimmer提供三个operationcut、speed、concat。怎么做cut-ss-to定位区间。codec默认copy即流拷贝秒级完成且无损改成libx264则触发重编码。speed视频流用setpts(1/speed_factor)*PTS音频流用atempo链。atempo只接受[0.5, 100.0]所以 200x 会链成atempo100.0,atempo100.0,atempo100.0再加尾段——工具内部自动处理speed_factor合法范围0.1~100.0。concat每个片段先按需剪进临时文件写出file ...列表再-f concat -safe 0 -i list -c copy拼接结束后清理临时文件。坑在哪⚠️ 流拷贝只能对齐关键帧。稀疏 GOP 的素材Pexels 和 AI 生成片段很常见用copy剪切实际切点会漂移到最近的关键帧。粗剪阶段无所谓进video_compose后会自动重编码保证帧精确。 ⚠️ 变速必须视频音频成对处理——只改setpts不改atempo出来就是变调鬼音。 ⚠️ concat 列表里的路径Windows 下反斜杠会被转义吃掉工具内部已统一替换成正斜杠你自己写列表文件时也要照做。粗剪的产出是一组同构片段。接下来要把它拼成一条带字幕、带混音的成片交给video_compose。合成归一化先同构、再 concat、后烧字幕video_compose的compose操作是整条管线的心脏。它的内部流水线分三步顺序不能乱逐 cut 归一化重编码每个片段用-ss in -t duration精确剪切强制 libx264 AAC 重编码不走流拷贝原因见下文关键决策点统一缩放到目标分辨率默认 1920x108030fps、yuv420p、sar1。fitpad加黑边保内容fitcover缩放填充居中裁剪适合竖屏。concat demuxer 拼接所有片段同构后-c copy一把拼完零质量损失。烧字幕 换音轨拼接后的成片再过subtitles滤镜需要时替换为混好的音轨AAC-shortest对齐。关于字幕烧录四个要点简单词级字幕优先 SRT。字幕文件可以用tools/subtitle/subtitle_gen.py生成支持 SRT/VTT/caption JSONmax_words_per_cue默认 8、max_chars_per_line默认 42。force_style的颜色必须用完整 ASS 格式H00FFFFFFAABBGGRR含透明度字节写成HFFFFFF会被当成无透明度的旧格式。Windows 路径要转义C\:而不是C:工具拼subtitles...滤镜时已做replace(:, \\:)。画幅差异化参数画幅font_size每字幕条最大词数margin_v竖屏 9:16183 词50横屏 16:9226 词40样式解析是四层优先级显式subtitle_styleedit_decisions.subtitles.style playbooktypography/color_palette 内置默认避免每条片子都长成白色 Arial 粗体。坑在哪⚠️ 很多 Pexels 素材根本没有音轨。工具会先用ffprobe探测没有就注入anullsrc静音立体声轨保证所有片段流布局一致——你自己手写 concat 流程时漏掉这步会直接报错。 ⚠️ 片段间分辨率/帧率/像素格式不一致时concat demuxer 会报 Non-monotonous DTS 或静默产出损坏文件。这就是第 1 步强制归一化的原因。 顺带一提video_compose是运行时感知的编排面render_runtime在提案阶段锁定可取remotionReact 帧精确渲染默认、hyperframesHTML/CSS/GSAP、ffmpeg纯视频剪切。治理规则禁止静默切换运行时失败会抛结构化阻塞等你确认。合成的输出是一条带字幕、带占位音轨的成片。画面像素到此基本定型接下来做两轮像素美化。画面处理人脸增强在前、调色在后这一步只有两个工具顺序铁律先face_enhance再color_grade。怎么做face_enhance默认预设talking_head_standard 皮肤平滑smartblur 锐化unsharp 暖肤色colorbalance三段滤镜链纯 FFmpeg 实现无 GPU 依赖。支持presets数组链式叠加也支持custom_vf自定义。CRF 默认20比核心层的 23 高一档因为增强结果更接近最终交付物。color_grade内置 7 个 profilecinematic_warm、cinematic_cool、moody_dark、bright_clean、vintage_film、high_contrast、neutral每个都是colorbalancecurveseq的组合也支持.cubeLUT走lut3d滤镜。intensity取值 0~1、默认 1.0本质是调色版与原片的混合不透明度——源码用split出原画面调色后走blendall_opacity{intensity}混回去。口播素材推荐intensity: 0.85配cinematic_warm0.5 几乎不可察觉1.0 全效部分素材会过处理。坑在哪⚠️ 先调色再增强人脸等于把橙色调固化进肤色后续平滑会放大瑕疵。顺序别反。 ⚠️ 增强后肤色发橙、发蜡像是 intensity 给满且 preset 叠太狠的信号回退到 0.85 并去掉多余的sharpen。画面定调完毕。视频和音频到此已各占其位最后把声音收干净。声音处理ducking、LUFS 响度与降噪音频侧两个工具分工明确audio_mixer负责多轨结构谁和谁混、什么时候压低audio_enhance负责单轨质感降噪、压缩、归一。怎么做Ducking 是口播片的刚需——人说话时音乐自动退让。audio_mixer的duck操作推荐用简单格式{ operation: duck, primary_audio: speech.mp3, secondary_audio: music.mp3, duck_level: -12, output_path: out.wav }内部滤镜图以语音为 key signal 跑sidechaincompressthreshold0.02:ratio9:attack0.2:release0.5duck_level默认 -12dB转成线性比例约 0.25 写入music_volume_during_speech直接指定时默认 0.15攻击/释放由ducking.attack_ms默认 200、ducking.release_ms默认 500控制。对 compose-director 场景full_mix一次调用搞定多层旁白 音乐 ducking 响度归一配target_duration还能用apad/atrim把混音精确对齐成片时长。segmented_music则更精细按{start: 0, end: 17.0}这样的时间段控制口播段放音乐、展示段静音。响度目标按平台定这是loudnorm_target的取值依据平台目标 LUFS响度范围TikTok / Reels-145~7 LUYouTube-14 ~ -167~11 LU播客-167~11 LU广播电视-247 LUaudio_enhance的clean_speech预设以loudnormI-16:LRA11:TP-1.5收尾适合 YouTube/社媒broadcast预设则直接打到I-24:LRA7:TP-2。处理视频文件时音频滤镜照跑、视频流-c:v copy零画质代价。坑在哪⚠️loudnorm_target默认 -16播客值。投 YouTube/TikTok 却忘了传 -14上线后实测会偏闷。约定是edit_decisions.metadata.loudnorm_target导演透传即可合法范围 -40~0。 ⚠️ duck 压太狠比如 -24dB音乐几乎消失放太松-6dB人声被盖-12 是听感安全的起点。声音和画面都就位后最后一件事别凭感觉验收抽帧用眼睛验。抽帧质检四种策略怎么选frame_sampler是质检的眼睛从成片里抽代表帧可当封面也能喂给video_understand、visual_qa做自动分析。策略关键参数适用场景intervalinterval_seconds默认 5s均匀巡检countcount默认 10固定帧数概览timestampstimestamps数组抽查特定时间点scene_guidedscene_boundariesmax_frames默认 20覆盖所有镜头转场scene_guided最值得用基于scene_detect输出的镜头边界每个场景取首帧偏移 0.1s 避开黑帧长于 3 秒的场景补一帧中点帧去重排序后限流。均匀 fps 抽帧会漏掉快切转场场景引导则用有界、可预测的帧数覆盖全片。输出png/jpgquality取值 1~31 默认 2仅 jpg 生效对应-qscale:v越小越清晰。坑在哪⚠️interval策略对快切片几乎无用——镜头可能每 2 秒一切5 秒一抽全是转场中间态。多镜头片直接上scene_guided。流拷贝还是重编码关键决策点散落在各环节的二选一集中在这里条件选择原因纯剪切/拼接不改任何帧-c copy流拷贝瞬时完成、零损失帧精确剪切稀疏 GOP 素材重编码 libx264流拷贝只能对齐关键帧稀疏 GOP 下片段会显著长于目标时长混合编码/不同分辨率的片段全部归一化后重编码concat demuxer 要求全片段 codec/分辨率/fps/pix_fmt/sar 一致中间产物CRF 23核心层默认省体积和编码时间最终交付物CRF 18~20增强工具默认就是 20增强后不再二次处理画质预算给足任意分辨率竖屏输出compose_target配fitcoverpad加黑边cover缩放填充居中裁剪更适合社交竖屏平台化规格传profile如youtube_landscape1920x108030/crf 18、tiktok1080x1920/crf 20、cinematic2560x108024/crf 16见 lib/media_profiles.py避免手算参数参数速查卡按调用频率排参数默认值合法范围/枚举一句话说明operation—trimmer: cut/speed/concatcompose: compose/render/burn_subtitles/overlay/encode选错操作是最常见的错codeccopy—trimmer 剪切编码策略copy 即流拷贝speed_factor1.00.1~100.0变速倍率0.1 即 10 倍慢放crf23compose/ 20增强—越小越清晰交付物 18~20presetmedium—x264 编码预设速度换画质profile—youtube_landscape / tiktok / cinematic…平台规格一键套用loudnorm_target-16-40~0目标 LUFS按平台传duck_level-12dB 负值语音在时音乐压低幅度attack_ms/release_ms200 / 500—sidechain 攻击/释放music_volume_during_speech0.150~1线性比例-12dB 约等于 0.25intensity1.00~1调色混合不透明度口播推荐 0.85strategy—interval/count/timestamps/scene_guided抽帧策略多镜头用 scene_guidedmax_frames20≥1scene_guided 帧数上限quality21~31jpg 质量越小越清晰margin_v40—字幕下边距竖屏 50 / 横屏 40交付前检查清单桌面端和移动端播放均无 artifact输出规格与目标平台 profile 一致如 1920x108030 或 1080x1920 竖屏变速后音画同步setpts与atempo成对生效片尾用-shortest/apad对齐无残帧字幕位于画面底部 20% 区域从不遮挡人脸竖屏margin_v: 50、横屏margin_v: 40就是为此设定响度落在平台目标内TikTok/Reels -14 LUFS、YouTube -14~-16、播客 -16、广播 -24容差 ±1 LU增强可见但自然——肤色健康不发橙无塑料感剪切点无音频削波或静音间隙TP-1.5真实峰值上限兜底文件大小对目标平台合理CRF 23 的中间产物不必上交付线延伸阅读技能文档skills/core/ffmpeg.md、skills/core/color-grading.md、skills/core/subtitle-sync.md核心源码tools/video/video_trimmer.py、tools/video/video_compose.py、tools/audio/audio_mixer.py、tools/analysis/frame_sampler.py测试佐证tests/tools/test_audio_mixer_ducking.py、tests/qa/test_05_video_compose.py、tests/qa/test_06_video_stitch.py【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考