ffmpeg-skill
★ 2.0k
vs
UI-TARS-desktop
★ 39.4k
ffmpeg-skill vs UI-TARS-desktop
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。；UI-TARS-desktop：UI-TARS Desktop 是 TARS 多模态 AI 智能体技术栈的桌面应用组件，通过截图理解屏幕内容并与计算机 GUI 交互，支持执行 Shell 命令和浏览器工具，集成 MCP 扩展 Agent 能力。
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
UI-TARS-desktopVision / Multimodal · ★ 39.4k
何时选择它（优势与适用）：
- 需要一款基于原生视觉模型的桌面端 GUI 智能体，直接通过看懂屏幕画面、端到端模拟鼠标点击与键盘输入来操作应用。
- 希望拥有一款跨 macOS、Windows 和 Linux 的开源多模态桌面自动化软件，胜任跨软件协同任务。
何时考虑替代方案：
- 操作对象仅为纯 Web 网页；直接通过 Playwright 或 Scrapling 操作 DOM 树比纯视觉模拟点击更快、更稳定。
- 本地或服务端缺乏充足的 GPU 算力或支持高分辨率视觉推理的多模态模型调用预算。
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
UI-TARS-desktop01原生 GUI 智能体，通过截图理解屏幕并与桌面应用交互
02多模态 LLM 驱动的任意 UI 视觉理解
03内置浏览器自动化和 Shell 命令执行
04MCP 集成，通过自定义工具扩展 Agent 能力
05跨平台桌面应用，提供 Web UI 选项
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
UI-TARS-desktop↳通过视觉点击无 API 的桌面 GUI 工作流自动化
↳构建结合屏幕理解、网页和文件操作的多模态 Agent
↳通过自然语言指令在桌面执行 AI 辅助计算机任务
05
适合场景
ffmpeg-skill时下流行
UI-TARS-desktop最受欢迎必备神器时下流行
FAQ
常见问题
ffmpeg-skill 和 UI-TARS-desktop 有什么区别？
ffmpeg-skill 和 UI-TARS-desktop 都属于 Vision / Multimodal 类别。ffmpeg-skill 有 2.0k Stars，UI-TARS-desktop 有 39.4k Stars。
ffmpeg-skill 和 UI-TARS-desktop 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，通过视觉点击无 API 的桌面 GUI 工作流自动化 时选 UI-TARS-desktop。
ffmpeg-skill 是免费的吗？
是的，ffmpeg-skill 在 GitHub 开源（MIT）。
UI-TARS-desktop 是免费的吗？
是的，UI-TARS-desktop 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）。
→