video-use Skill：用自然语言让 Claude Code 自动剪辑视频的 AI 工具

Skill超级捕获手 技术创作者 2026-08-05 15 阅读

让 Claude Code 成为你的视频剪辑师——不是比喻，是字面意思。browser-use 团队推出的 video-use Skill，刚刚冲上 GitHub Trending，就靠一个核心功能：把原始素材丢进文件夹，用自然语言对话驱动 AI 剪辑出 final.mp4，支持 filler word 删除、自动调色、字幕烧录、动画叠加，自我评估渲染质量，循环修复直到通过。

功能与原则

video-use 的设计哲学是”AI 从不观看视频，只读取它”。通过两层转译实现精准剪辑：第一层 ElevenLabs Scribe 音频转录，获得词级时间戳、说话人分离和音频事件标记，所有素材压缩进约 12KB 的 takes_packed.md；第二层按需生成 filmstrip + 波形 + 词标签 PNG，用于关键时刻的视觉判断。剪辑流程走 Transcribe → Pack → LLM 分析 → EDL → Render → Self-Eval 循环，自动修复最多 3 轮再交付。

认可度

GitHub star 约 19,353（截至 2026-08-05），上线即登 GitHub Trending 日榜。browser-use 团队在 AI 浏览器自动化领域已有相当积累，视频剪辑是其在多模态 Agent 方向的最新落地。社区讨论集中在”用自然语言指挥视频剪辑”这一体验突破，TikTok demo 获大量转发。

链接

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

原作者

browser-use 团队（GitHub: browser-use），专注 AI 浏览器自动化与 Agent 工具链，此前代表作包括 browser-use 核心库和 browser-use/mcp 项目，在 LLM + 自动化交叉领域有较高认可度。

介绍

video-use 解决的是视频剪辑的高门槛问题——传统工具需要学习曲线和专业背景，AI 工具又往往沦为”一键特效”缺乏真正的编辑判断力。它的思路是把剪辑权完全交给 Agent：用户只描述目标（”剪一条产品发布视频”），Agent 自主完成从素材盘点、策略确认到最终输出的全流程。

核心能力包括：自动删除 filler word（umm、uh、语气词）和静默间隙；多风格自动调色（warm cinematic / neutral punch 或自定义 ffmpeg 链）；30ms 音频淡入淡出防止剪辑点爆音；烧录自定义样式字幕；通过 HyperFrames / Remotion / Manim / PIL 并行生成动画叠加层；以及最关键的——在每个剪辑边界做自我视觉评估，不满意就重新渲染（最多 3 轮）。

安装只需克隆仓库、装 ffmpeg（必须）、配 ElevenLabs API key（用于音频转录）、向 Agent 注册 Skill，之后把素材文件夹交给 Agent 即可，完全不用手动转录。

特点

  • 词级精准剪辑：基于音频转录的时间戳，剪辑点精确到词边界，不会有半句话被截断
  • 多轮自我评估：每轮渲染后自动检查视觉跳跃、音质爆音、字幕错误，循环修复至通过
  • 零帧分析成本：不做逐帧视频理解，用 12KB 文稿 + 按需 PNG 替代 45M token 视频dump
  • 多模态动画叠加：支持 HyperFrames、Remotion、Manim、PIL 并行生成，动画作为独立子 Agent 运行
  • 会话记忆持久化：project.md 记录进度，跨 session 继续编辑，不用每次从头描述项目背景
  • 全流程对话驱动：用户只需说”把这些素材剪成发布视频”，其余全由 Agent 自主决策执行

使用方法

第一步：安装

git clone https://github.com/browser-use/video-use ~/Developer/video-use
ln -sfn ~/Developer/video-use ~/.claude/skills/video-use  # Claude Code
# ln -sfn ~/Developer/video-use ~/.codex/skills/video-use  # Codex

cd ~/Developer/video-use
uv sync  # 或 pip install -e .
brew install ffmpeg  # 必须

cp .env.example .env
# 编辑 .env，填入 ELEVENLABS_API_KEY=...

第二步：向 Agent 启动

claude  # 或 codex、hermes 等
Set up https://github.com/browser-use/video-use for me.

Agent 会引导完成依赖安装和 Skill 注册，最后问你要 ElevenLabs API key。

第三步：剪辑对话

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

Agent 会盘点素材、提出策略、等用户确认后执行，输出到 <videos_dir>/edit/final.mp4。

使用场景与人群

适用于需要快速出片的内容创作者（教程、产品演示、采访、vlog），以及希望把视频剪辑纳入 AI Agent 工作流的开发者和技术团队。核心用户画像：有原始素材、缺乏专业剪辑技能、需要高效率周转的个人创作者或小型团队。

输入与输出案例

案例 1：产品发布视频

  • Input：用户将产品演示原始素材（约 20 分钟多机位素材）放入文件夹，对 Agent 说”把这些素材剪成一条 2 分钟的产品发布视频，包含核心功能展示和结尾 CTA”
  • Output：Agent 自动删除所有 filler word 和重复 take，按逻辑顺序拼接，调色统一，按要求样式烧录字幕，输出 edit/final.mp4，用户只需确认或要求局部调整

案例 2：教程去停顿

  • Input：技术讲解原始录屏（约 45 分钟），说”把这段录屏剪成紧凑教程，去掉所有停顿和重说”
  • Output：Agent 识别所有静默间隙和语气词，自动裁切，重新渲染时保持语意连贯性，输出精炼版本，字幕自动同步更新

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 15 阅读