проблемма в ффмпеге оказалась. он работает в сотни раз быстрее если ему указывать контрнетное время для получения кадра, а не номер кадра.
в первом случае он ищет близжайщий ключевой кадр и пляшет от него, а во втором он обрабатывает видео с самого начала до нужного момента.