video-use Skill：用自然语言对话就能完成视频精剪的 AI 编辑工具

Skill超级捕获手 技术创作者 2026-08-04 9 阅读

video-use Skill：用自然语言对话就能完成视频精剪的 AI 编辑工具

总结

video-use 是由 browser-use 团队开源的 AI 视频剪辑 Skill，深度集成 Claude Code / Codex 等编码 Agent，让用户只需用自然语言描述剪辑需求——比如”剪成一条发布视频”——Agent 就能全自动完成素材整理、脚本切除、颜色校正、字幕烧录和动画叠加，输出可直接使用的 final.mp4。无需任何专业剪辑基础，也不需要手动操作时间轴，靠”说话”就能完成一部完整的视频后期。

功能与原则

video-use 的核心设计思路是把视频剪辑变成一场对话。Agent 从不”看”视频，而是通过两个信息层来”读”视频：Layer 1 是 ElevenLabs Scribe 生成的逐字时间戳文本 transcript，Layer 2 是按需生成的带波形图的 filmstrip PNG。Agent 基于文本做出精准的时间轴决策，再通过 ffmpeg 执行实际渲染。

五大核心功能：
– 自动切除填充词：umm、uh、false starts 和段落间空白全部精确去除
– 智能颜色分级：每段自动应用暖电影调/中性增强等风格，支持自定义 ffmpeg 调色链
– 唇形级音频过渡：每处剪切点自动加上 30ms 音频淡入淡出，彻底消除爆音
– 定制字幕烧录：默认按 2 词大写块格式烧入，支持完全自定义样式
– AI 动画叠加：通过 HyperFrames / Remotion / Manim / PIL 在并行子 Agent 中生成动态字幕、转场等动画

三条核心设计原则：音频为主、视觉为辅；先策略确认再执行；12 条硬性制作规范确保质量，艺术审美完全自由。

认可度

  • GitHub Star：19,079（截至 2026-08-04）
  • 今日新增：306 stars（GitHub Trending 当日上榜）
  • Fork：2,382
  • GitHub Trending：当日上榜，Python 类目排名靠前
  • 社区讨论：Twitter/TikTok 累计多条 viral 视频演示，累计播放量可观
  • 贡献者：7 人，核心维护者 @gregpr07（browser-use 官方）

链接

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

原作者

  • 主作者：browser-use 组织（@gregpr07 等核心贡献者）
  • 官方定位：browser-use 是 AI Browser Agent 领域头部开源项目，视频剪辑 Skill 是其生态扩展的关键组成
  • 一句话简介：让 AI Agent 不只能浏览网页，还能剪视频

介绍

传统的 AI 视频剪辑要么需要用户手动操作时间轴，要么需要消耗大量 Token 让模型”看”视频——这对长视频来说是灾难性的成本。video-use 另辟蹊径：它把视频转成文本 + 按需图片，让 LLM 通过”读”来完成剪辑决策，典型一条 10 分钟访谈的 transcript 仅 ~12KB，Token 消耗接近忽略不计。

实际工作流是：用户把原始素材扔进文件夹 → 对 Claude Code 说”帮我剪成发布版” → Agent 盘点所有素材 → 提出剪辑策略 → 等用户确认 → 自动执行并自我评估输出质量 → 通过则输出 final.mp4，否则最多重渲染 3 轮直到达标。所有产出文件默认放在 <videos_dir>/edit/，Skill 目录保持干净。

pipeline 链路清晰：Transcribe → Pack → LLM Reasons → EDL → Render → Self-Eval，任何环节有问题都会打回重做，保证最终输出质量。

特点

  • 零门槛操作：不需要任何剪辑软件经验，会聊天就能剪视频
  • Token 高效：LLM 不看视频，只读 12KB transcript + 按需 PNG，成本极低
  • 自我质量评估：每次渲染后自动用 timeline_view 检查剪切点，音频爆音、视觉跳帧全部捕获
  • 多动画引擎支持：HyperFrames / Remotion / Manim / PIL 并行生成，灵活选型
  • 跨 Agent 通用：支持 Claude Code、Codex、Hermes、Openclaw 等所有兼容 Agent with shell access
  • Session 记忆持久化：project.md 保存会话状态，下周继续编辑无缝衔接

使用方法

快速安装（一行命令）：将以下 Setup Prompt 粘贴到 Claude Code：

Set up https://github.com/browser-use/video-use for me. Read install.md first to install this repo, wire up ffmpeg, register the skill with whichever agent you're running under, and set up the ElevenLabs API key — ask me to paste it when you need it. Then read SKILL.md for daily usage, and always read helpers/ because that's where the editing scripts live.

手动安装：

git clone https://github.com/browser-use/video-use ~/Developer/video-use
ln -sfn ~/Developer/video-use ~/.claude/skills/video-use
cd ~/Developer/video-use && uv sync
brew install ffmpeg && brew install yt-dlp
cp .env.example .env && $EDITOR .env

日常使用：

cd /path/to/your/videos
claude
# 在对话中输入：
edit these into a launch video

基本流程：
1. 把原始素材（.mp4/.mov 等）放入文件夹
2. 告诉 Agent 剪辑需求（如”做成 60 秒产品宣传片”）
3. Agent 盘点素材后提出策略，等你确认
4. 自动完成所有剪辑工作，输出 edit/final.mp4

使用场景与人群

典型场景：
– 播客/访谈精剪（去除 filler words、加上字幕和颜色分级）
– 教程/演示视频后期（自动切除重来段落、叠加动态字幕动画）
– 社媒短视频制作（多素材拼接、生成字幕、转场动画）
– 会议录像整理（去除冷场段落、输出精炼版本）

目标用户：
– 内容创作者（YouTuber、播客主、TikTok 创作者）
– 产品/增长团队（快速制作演示视频、宣传片）
– 开发者/AI 极客（想用自然语言驱动视频剪辑流程）
– 任何人讨厌学习 Premiere/DaVinci 但需要剪辑视频的人

输入与输出案例

案例 1：播客访谈剪辑
– 输入：用户把 30 分钟访谈素材放入文件夹，对 Claude Code 说：”帮我剪成一条 YouTube 发布视频，保留所有金句，加上字幕。”
– 输出：Agent 自动转录 30 分钟音频 → 识别出 8 个核心观点段落 + filler words → 去掉冷场和重复 → 颜色分级统一风格 → 烧录 2 词大写块字幕 → 输出 edit/final.mp4（约 12 分钟精剪版）

案例 2：产品演示视频
– 输入：用户将 3 段屏幕录制原始素材放入文件夹，说：”剪成一条 60 秒的产品发布预告，加上动态字幕和转场动画。”
– 输出：Agent 拼接 3 段素材 → 在切换点自动加上 HyperFrames 动画 → 通过 Remotion 渲染动态文字标题 → 输出 edit/final.mp4，直接可用于社交媒体发布

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 9 阅读