目标网站网页截图，页面可能随时间更新。
- 作者：huggingface-projects
- 分类：AI 视频
- 名称：AI Video Composer - Natural Language FFMPEG
- 来源：Hugging Face Spaces
AI Video Composer 将媒体处理步骤转化为自然语言交互。用户上传图片、音频或视频，描述希望完成的编辑任务，应用据此生成 FFmpeg 命令并执行处理，同时展示生成的命令，便于了解具体操作。
公开功能与输入范围
应用支持一次处理多个媒体文件，输入类型覆盖图片、音频和视频。图片可使用 PNG、JPG、JPEG、TIFF、BMP、GIF、SVG 等格式，音频支持 MP3、WAV、OGG，视频支持 MP4、AVI、MOV、MKV、FLV、WMV、WEBM 等格式。单个文件大小限制为10MB，视频时长限制为2分钟，输出格式为 MP4。
界面提供媒体文件上传、视频合成指令、模型选择相关参数以及生成视频和模型输出区域。Top-p 用于控制生成命令的多样性，Temperature 用于控制生成过程的随机性，二者可根据对结果稳定性或变化程度的需求调整。
应用输出什么格式的视频？
处理结果统一输出为 MP4。
单个文件有什么限制？
单个文件大小限制为10MB，输入视频时长限制为2分钟。
适用的媒体任务
它适合把多个图片整理成带有固定停留时间的幻灯片，也可将背景音乐加入视频，合并视频片段，调整播放速度，进行常见格式转换，或根据音频生成波形可视化视频。对于需要组合多种媒体素材的任务，自然语言描述可以帮助用户先明确处理目标，再由应用生成相应命令。
例如，用户可以描述“将这些图片制作成每张显示1秒的幻灯片”“给视频添加音频”“让视频以2倍速度播放”或“为音频创建波形可视化”。这些表达分别对应图片序列处理、音视频合成、速度调整和音频转视频等场景。
它能处理哪些常见任务？
包括图片幻灯片、添加音频、合并视频、速度调整、格式转换和音频波形可视化。
推荐使用思路
使用时可以先整理需要参与处理的媒体文件，再用一句话说明目标、素材关系和关键参数。描述越具体，生成的命令越容易对应预期，例如明确每张图片的显示时长、音频用途或视频播放速度。
生成命令后，应用会对命令进行验证，并在需要时尝试其他处理方式。用户还可以查看命令内容，理解应用准备执行的 FFmpeg 操作。对于复杂任务，建议将需求拆成清晰的处理目标，并根据生成结果逐步调整描述或参数。
- 上传需要处理的图片、音频或视频文件。
- 在指令框中说明合成、转换或编辑目标。
- 根据需要调整 Top-p 和 Temperature。
- 查看生成的 FFmpeg 命令及处理后的视频。
如何描述任务更合适？
建议说明素材类型、处理动作和关键参数，例如图片停留时间、播放速度或是否加入音频。
常见问题
应用使用 FFmpeg 执行媒体处理，并通过 AI 根据自然语言生成命令。公开信息列出了 GLM-4.7-Flash 和 Kimi-K2-Instruct 两个命令生成模型，具体使用哪个模型取决于应用提供的选择设置。
处理时间会受到输入内容复杂程度影响。由于单文件大小、视频时长和输出格式均有明确限制，提交任务前应确认文件符合要求；超过限制的素材不适合作为该应用的输入。
应用会显示生成的处理命令吗？
会。处理流程中会展示生成的 FFmpeg 命令。
处理失败时怎么办？
应用包含命令验证和错误处理机制，并会在需要时尝试其他处理方式；用户也可以检查指令描述、输入文件和参数设置后重新提交。