wtffmpeg命令行工具，利用本地大型语言模型（LLM）将用户用自然语言描述的视频和音频处理任务翻译为可执行的FFmpeg命令

wtffmpeg是一款命令行工具，利用本地大型语言模型（LLM）将用户用自然语言描述的视频和音频处理任务，直接翻译为可执行的FFmpeg命令，帮助用户避免手动查找和组合复杂参数的繁琐。wtffmpeg所有数据处理均在本地进行，不涉及外部API，从而保障了数据隐私，提供交互式模式，允许用户在执行生成的命令前进行预览确认，支持GPU加速LLM推理过程以提升效率。wtffmpeg具备高度可定制性，用户可以灵活更换不同的LLM模型或调整系统提示来优化命令生成的准确性，在交互模式下用户可以直接编辑或执行其他系统命令，极大地增强了工具的灵活性和问题解决能力。

如果你经常需要处理音视频，肯定对FFmpeg不陌生，但它繁多的参数和复杂的命令格式，总让人头疼——每次想完成一个简单操作，都得翻文档、查教程。wtffmpeg能把你的自然语言描述，直接转换成可执行的FFmpeg命令，让音视频处理变得简单。

wtffmpeg把用中文（或英文）描述的音视频处理需求，自动转换成FFmpeg命令，不用再死记硬背FFmpeg的参数，也不用反复搜索教程，直接说出你想做什么，它就会帮你生成对应命令。

举个例子，如果你说“把my_video.avi转换成没有声音的mp4”，它会生成这样的FFmpeg命令：

ffmpeg -i my_video.avi -an -c:v libx264 my_video.mp4

生成后，它会先让你确认，确认后才会执行。

wtffmpeg核心功能

自然语言交互：用日常语言描述需求，比如“从lecture.mp4里提取音频，保存成高质量mp3”，就能生成对应命令。

本地运行：所有操作都在自己的电脑上完成，不会把数据发送到外部服务器，更安全。

可交互执行：生成命令后会先展示给你，你可以选择执行、复制，或者修改后再用。

GPU加速：通过llama-cpp-python，能把模型计算任务分担到GPU上，让生成命令的速度更快。

可自定义：可以更换不同的LLM模型，也能调整系统提示，让生成的命令更符合你的使用习惯。

wtffmpeg安装

用uv快速安装（推荐）

1、先安装uv（如果没有的话）：

curl -LsSf https://astral.sh/uv/install.sh | sh
、"$HOME/.local/bin/env"

2、下载项目并运行：

git clone https://github.com/scottvr/wtffmpeg.git
cd wtffmpeg
chmod +x wtffmpeg.py
./wtffmpeg.py

3、（可选）创建命令别名，之后直接输入wtff就能使用：

sudo ln -s $(pwd)/wtffmpeg.py /usr/local/bin/wtff

手动安装

1、克隆仓库：

git clone https://github.com/scottvr/wtffmpeg.git
cd wtffmpeg

2、创建虚拟环境（推荐，避免依赖冲突）：

python3 -m venv .venv
source .venv/bin/activate  # Windows系统用 .venv\Scripts\activate

3、安装带硬件加速的llama-cpp-python（关键步骤，影响运行速度）： • NVIDIA显卡（CUDA）：

CMAKE_ARGS="-DLLAMA_CUBLAS=on" pip install llama-cpp-python

• 苹果芯片（Metal）：

CMAKE_ARGS="-DLLAMA_METAL=on" pip install llama-cpp-python

• 仅用CPU（OpenBLAS）：

pip install llama-cpp-python

4、安装wtffmpeg：

pip install .

wtffmpeg 配置模型

wtffmpeg需要GGUF格式的LLM模型才能运行。默认会从Hugging Face自动下载，也可以手动下载：

1、推荐模型：

• Phi-3-mini-4k-instruct-gguf • Mistral-7B-Instruct-v0.2-GGUF

2、手动下载示例（以Phi-3为例）：

wget https://huggingface.co/microsoft/Phi-3-mini-4k-instruct-gguf/resolve/main/Phi-3-mini-4k-instruct-q4.gguf

下载后放到项目目录即可。如果用其他模型，运行时加上--model 模型文件名参数就行。

wtffmpeg使用教程

基本用法

直接输入自然语言指令：

wtff "把presentation.mov转换成适合网页的mp4"

wtffmpeg常用参数

wtffmpeg示例

1、提取音频：

wtff "从lecture.mp4提取音频，保存为高质量mp3"

2、制作片段：

wtff "从movie.mkv里，从第2分钟开始，截取10秒的片段"

3、直接执行命令（不确认）：

wtff -x "把video.mp4调整为720p分辨率"

4、用交互模式连续操作：

wtff -i  # 进入交互模式后，可多次输入指令

常见问题

有时模型生成的命令可能有问题（比如语法错误）。这时候可以：

1、检查生成的命令，手动修改后再执行。

2、在输入指令时补充说明。比如模型生成的命令里错误添加了-c copy参数，可以这样输入：

wtff "反转test_pattern.mp4视频，不要用-c copy参数"

3、在交互模式里，用!开头可以执行任意命令。比如查看当前目录的视频文件：

wtff> !ls -l *.mp4