Traitement video CLI. Normalisation audio, recadrage 9:16, decoupe silence, et quand utiliser FFmpeg vs VectCutAPI.

FFmpeg

FFmpeg est l'outil CLI de traitement video et audio. Il fait le travail bas niveau : couper, recadrer, normaliser, encoder.

Role dans le pipeline

Video brute
    |
  FFmpeg (pre-traitement)
    |
  +-------------------+
  |                   |
Whisper (audio)    Agent Video
  |                   |
Sous-titres      Montage final
  |                   |
  +------- FFmpeg ----+
           (export final)

FFmpeg intervient deux fois :

Pre-traitement : extraire l'audio, normaliser, recadrer
Export final : encoder la video montee au format cible

Commandes utilisees

Normalisation audio

# Normaliser le volume (loudnorm EBU R128)
ffmpeg -i input.mp4 -af loudnorm=I=-16:TP=-1.5:LRA=11 -c:v copy output.mp4

Pourquoi : les videos brutes ont des niveaux audio inconsistants. Le standard EBU R128 (-16 LUFS) est le standard des plateformes.

Recadrage 9:16 (vertical pour Reels/TikTok)

# Recadrer du 16:9 vers 9:16 (centre)
ffmpeg -i input.mp4 -vf "crop=ih*9/16:ih" output_vertical.mp4

# Recadrer avec suivi du sujet (position manuelle)
ffmpeg -i input.mp4 -vf "crop=ih*9/16:ih:x=500" output_vertical.mp4

Le recadrage centre par defaut. Pour suivre un sujet, specifier la position X.

Extraction audio pour Whisper

# Audio WAV 16kHz mono (optimal pour Whisper)
ffmpeg -i video.mp4 -vn -acodec pcm_s16le -ar 16000 -ac 1 audio.wav

Decoupe des silences

# Detecter les silences
ffmpeg -i input.mp4 -af silencedetect=noise=-30dB:d=1.5 -f null - 2>&1

# Supprimer les silences (via script)
# Le silencedetect donne les timestamps.
# Un script les utilise pour couper et concatener les segments non-silencieux.

La detection donne les timestamps. La suppression se fait via un script qui enchaine :

Detecter les silences
Extraire les segments non-silencieux
Concatener les segments

Decoupe par timestamp

# Couper de 00:01:30 a 00:03:45
ffmpeg -i input.mp4 -ss 00:01:30 -to 00:03:45 -c copy segment.mp4

# Couper les 10 premieres secondes
ffmpeg -i input.mp4 -ss 10 -c copy trimmed.mp4

Ajout de sous-titres

# Sous-titres en dur (burn-in)
ffmpeg -i input.mp4 -vf "subtitles=subs.srt:force_style='FontSize=24'" output.mp4

# Sous-titres soft (piste separee)
ffmpeg -i input.mp4 -i subs.srt -c copy -c:s mov_text output.mp4

Concatenation de segments

# Fichier list.txt :
# file 'segment1.mp4'
# file 'segment2.mp4'
# file 'segment3.mp4'

ffmpeg -f concat -safe 0 -i list.txt -c copy output.mp4

FFmpeg vs VectCutAPI

Critere	FFmpeg	VectCutAPI
Execution	Local, CLI	API distante
Vitesse	Rapide (hardware local)	Depend du reseau
Flexibilite	Totale	Limitee aux endpoints
Decoupe intelligente	Manuelle (timestamps)	Automatique (IA)
Cout	Gratuit	Payant par minute
Usage	Pre/post-traitement	Decoupe contenu intelligente

Regle :

Operations mecaniques (crop, normalize, encode) → FFmpeg
Operations intelligentes (trouver les moments forts, couper les passages ennuyeux) → VectCutAPI

Formats cibles par plateforme

Plateforme	Resolution	Ratio	Codec	Bitrate
TikTok	1080x1920	9:16	H.264	5-8 Mbps
Instagram Reels	1080x1920	9:16	H.264	5-8 Mbps
YouTube Shorts	1080x1920	9:16	H.264	5-8 Mbps
YouTube	1920x1080	16:9	H.264	10-15 Mbps
Twitter/X	1280x720	16:9	H.264	5 Mbps

# Encoder pour TikTok/Reels
ffmpeg -i input.mp4 \
  -vf "scale=1080:1920:force_original_aspect_ratio=decrease,pad=1080:1920:(ow-iw)/2:(oh-ih)/2" \
  -c:v libx264 -b:v 6M -c:a aac -b:a 128k \
  output_tiktok.mp4

Limites

Pas d'intelligence. FFmpeg ne sait pas ce qui est "interessant" dans une video.
La syntaxe est complexe. Toujours documenter les commandes utilisees.
Le traitement GPU (NVENC) necessite un GPU compatible.
Les filtres complexes peuvent etre lents sur CPU.

FFmpeg

On this page