ffmpeg-skill
★ 2.0k
vs
groundingLMM
★ 969
ffmpeg-skill vs groundingLMM
ffmpeg-skill：ffmpeg-skill 是一个 Agent Skill 加 MCP 服务器，让 Claude Code、Cursor、Codex 或任何 MCP 客户端用本地 FFmpeg 剪辑视频。它规定“探测 → 剪辑 → 检查 → 验证”的流程，并提供 42 个工具，覆盖剪切、去静音、字幕、改画幅、响度和交付检查，只依赖 Python 标准库，不需要云服务或 API key。；groundingLMM：GLaMM（接地大型多模态模型）是一个端到端训练的大型多模态模型，能够生成与对象分割掩码集成的自然语言响应，实现了视觉接地，并支持在多层次粒度上与图像进行灵活交互。它引入了新颖的接地对话生成（GCG）任务，支持指代表达式分割和区域级图像描述等多种下游应用，并以大规模的GranD数据集为基础。
01
简评
ffmpeg-skillVision / Multimodal · ★ 2.0k
让编程智能体为短视频平台剪辑、加字幕和改画幅
groundingLMMVision / Multimodal · ★ 969
理解并响应用户关于特定图像区域查询的交互式视觉助手。
02
并排对比
03
功能特性
ffmpeg-skill0142 个工具：剪切、拼接、去静音、字幕与卡拉 OK 效果、叠加、HDR 转 SDR、LUT、多机位、响度
02所有工具都能通过 MCP 调用；默认只列出核心 12 个，减少客户端上下文占用
03机器可读契约描述全部工具（npx ffmpeg-skill contract --json）
04可选本地转写（Parakeet 或 Whisper），音频不上传
05CI 中针对 FFmpeg 5.1、6.1、7.1、8、9 测试
groundingLMM01生成与对象分割掩码无缝集成的自然语言响应。
02支持新颖的接地对话生成（GCG）任务，并提供全面的评估协议。
03执行详细的区域级图像描述和回答基于推理的视觉问题。
04通过从基于文本的查询创建分割掩码，擅长指代表达式分割。
05提供高质量的图像描述和会话式问答。
04
使用场景
ffmpeg-skill↳让编程智能体为短视频平台剪辑、加字幕和改画幅
↳对一批视频做响度标准化和交付检查
↳去掉口播录像中的静音和口头禅
groundingLMM↳理解并响应用户关于特定图像区域查询的交互式视觉助手。
↳用于创建密集、像素级接地数据集的自动化标注工具。
↳需要视觉理解和带有分割的详细文本描述的高级图像分析任务。
05
适合场景
ffmpeg-skill时下流行
groundingLMM—
FAQ
常见问题
ffmpeg-skill 和 groundingLMM 有什么区别？
ffmpeg-skill 和 groundingLMM 都属于 Vision / Multimodal 类别。ffmpeg-skill 有 2.0k Stars，groundingLMM 有 969 Stars。
ffmpeg-skill 和 groundingLMM 哪个更好？
最佳选择取决于你的具体需求。让编程智能体为短视频平台剪辑、加字幕和改画幅 时选 ffmpeg-skill，理解并响应用户关于特定图像区域查询的交互式视觉助手。 时选 groundingLMM。
ffmpeg-skill 是免费的吗？
是的，ffmpeg-skill 在 GitHub 开源（MIT）。
groundingLMM 是免费的吗？
是的，groundingLMM 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→