用对话剪视频：这个开源 Skill 让 Claude Code 直接当剪辑师

还在 Premiere 里一帧一帧剪口播？如果你已经有 Claude Code、Codex 这类 coding agent，现在可以彻底省掉那个步骤了。

我最近挖到一个非常硬核的开源 Skill：video-use。它来自 browser-use 团队，GitHub 上已经拿了 16.9k star。核心思路很简单——把 raw footage 丢进一个文件夹，然后像和剪辑师聊天一样，用自然语言告诉 agent 你要什么样的成片，最后直接拿到 final.mp4。

它不是「又一个 AI 生成视频」的项目

很多人看到「AI + video」先想到文生视频。video-use 走的是完全不同的路线：它不生成画面，它帮你剪现有素材。

而且不是那种给你几个 preset 按钮的玩具。它会：

• 自动去掉口癖和死寂：通过转录文本识别 “umm”、”uh”、重复开头、空白段，精准 cut；
• 自动调色：warm cinematic / neutral punch / 自定义 ffmpeg 链，每个片段统一质感；
• 30ms 音频淡入淡出：切点处没有爆音；
• 烧字幕：默认 2 词大写在下方，风格可调；
• 生成动画 overlay：支持 HyperFrames、Remotion、Manim、PIL，并行子 agent 各管一段；
• 自我评估：每一切割点渲染完自动检查，有问题直接重来；
• 会话记忆持久化：写进 project.md，下周打开继续上次进度。

为什么说它是「创意设计 / 多媒体」的好搭档

做品牌视频、教程、播客切片、vlog 混剪的人，最大瓶颈从来不是「不会剪」，是重复劳动太多。video-use 把机械部分全接过去了，你只负责做 creative decision。

而且它支持 Claude Code、Codex、Hermes、OpenClaw、Cursor 等几乎所有主流 agent 平台。安装只需一条命令，背后自动完成克隆、注册 skill、ffmpeg 依赖检查。ElevenLabs API key 只需要填一次，以后都从 .env 读。

真的能用吗？

browser-use 团队自己做了很多验证。尤其是那套「双层读取」思路很有意思——LLM 不用「看」视频，而是先读 12KB 的转录文本，需要时再调 filmstrip + waveform PNG，把 token 消耗压到极低，同时保留 word-boundary 级别的剪辑精度。

对做内容创作者、教程 UP 主、社交媒体运营来说，这个 Skill 值得放进工具箱。它不替代 Final Cut / Premiere 的精细手工，但它能把「粗剪 + 标准化」这一步自动化到接近实时。

GitHub：https://github.com/browser-use/video-use

GitHub: https://github.com/browser-use/video-use