video-use：用 AI 编程助手直接剪辑视频的 GitHub 热门项目

# video-use：用 AI 编程助手直接剪辑视频的 GitHub 热门项目

扔一文件夹原始素材进去，跟 Claude Code 说一句”剪成宣传片”，它就自己把废话剪掉、调色、加字幕、贴动画，最后吐给你一个 `final.mp4` —— 这就是今天 GitHub 上爆火的开源项目 **video-use**（22,000+ Star）。

项目是什么？

**video-use** 是知名自动化项目 **browser-use** 团队推出的开源工具，理念一句话概括：**用代码智能体（Coding Agent）来剪视频**。它 100% 开源，主推配合 Claude Code 使用，也兼容 Codex、Hermes、Openclaw 等任何能跑 shell 的 AI 智能体。

传统视频剪辑靠的是 Premiere / 剪映这种图形界面和一堆预设模板；video-use 反其道而行——不给你菜单，让你像跟人聊天一样，把一堆原始素材丢进文件夹，然后用一句话告诉 AI 你想要的效果，剩下的交给它。

**项目地址**：https://github.com/browser-use/video-use

它有什么用？

video-use 能替你完成剪辑工作中最烦人的那部分：

• **自动剪掉废话**：`umm`、`uh`、口误、两句话之间的死寂停顿，全部自动识别并切除
• **自动调色**：暖色调电影感、中性鲜明、或任意自定义的 ffmpeg 调色链，逐段应用
• **平滑淡入淡出**：每个剪切点自动加上 30ms 音频淡入淡出，杜绝爆音
• **字幕随心烧制**：默认 2 词大写样式，可完全自定义
• **自动生成动画**：通过 HyperFrames、Remotion、Manim 或 PIL 生成动画叠加层，每个动画由并行子智能体独立渲染
• **渲染自检**：在给你看预览之前，AI 会在每个剪切点自己检查渲染结果（画面跳变、爆音、字幕被挡住都会发现）
• **记忆会话**：把状态写进 `project.md`，下次打开接着上次的进度继续

无论你是做口播、混剪、教程、旅行 vlog 还是访谈，都能用上——**不需要任何预设或模板**，它零假设地”先看内容再决定怎么剪”。

它的核心思路：AI 不”看”视频，而是”读”视频

这是 video-use 最巧妙的设计。它不让 AI 一帧一帧看画面（那样 3 万帧 × 每个 1500 token = **4500 万 token 的海量噪声**），而是用两层结构给 AI 精简但完整的”读图”视角：

• **第一层 · 音频文本**：每个素材用一次 ElevenLabs Scribe 转写，得到**词级时间戳**、说话人分离、以及 `(笑声)`、`(掌声)` 这类音频事件。所有素材打包进一个只有 ~12KB 的 `takes_packed.md`，这就是 AI 的主要”阅读视图”。
• **第二层 · 视觉合成图**：配合一个 `timeline_view` 工具，按需生成”胶片带 + 声波 + 词标签”的合成图，只在 AI 需要判断模糊停顿、对比不同 take、核对剪切点时调用。

**打个比方**：就像 browser-use 给 AI 一个结构化的 DOM 而不是网页截图一样，video-use 给 AI 一份结构化的”时间轴文本”而不是压垮上下文的原始视频帧。

怎么安装？

一、智能安装（推荐，让 AI 自己装）

把下面这段提示词粘贴给 Claude Code / Codex / Hermes / Openclaw 等任何有 shell 权限的智能体：

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. After install, don't transcribe anything on your own — just tell me it's ready and wait for me to drop footage into a folder.

它会自动帮你克隆仓库、装依赖、注册技能，并只在你需要时向你要一次 ElevenLabs API key（在 [elevenlabs.io/app/settings/api-keys](https://elevenlabs.io/app/settings/api-keys) 申请）。

二、手动安装

# 1. 克隆并软链到智能体的技能目录
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

# 2. 安装依赖
cd ~/Developer/video-use
uv sync                         # 或者: pip install -e .
brew install ffmpeg             # 必需
brew install yt-dlp             # 可选，用于下载在线素材

# 3. 配置 ElevenLabs API key
cp .env.example .env
$EDITOR .env                    # ELEVENLABS_API_KEY=...

怎么使用？

装好之后，进入存放素材的文件夹，启动你的智能体：

cd /path/to/your/videos
claude    # 或 codex、hermes 等

然后在会话里直接说：

edit these into a launch video

AI 会先盘点素材、给出剪辑策略、**等你确认后再动手**，最后在你素材旁边生成 `edit/final.mp4`。所有输出都放在 `/edit/` 目录，技能目录本身保持干净。

支持通过 Browser Use Box 在自建 VPS 或 Telegram 上做”常驻剪辑”，随时远程丢素材让它干活。

设计原则（它凭什么剪得好）

1. **文本 + 按需视觉**：不 dump 帧，以文本转写为主界面

2. **音频优先，视觉跟随**：剪切点基于语音边界和静音间隙，而不是画面

3. **询问 → 确认 → 执行 → 自检 → 沉淀**：没有得到策略批准绝不动刀

4. **对内容类型零假设**：先看，先问，再剪

5. **12 条硬规则，别处自由发挥**：成片正确性没得商量，审美品味交给 AI

总结

**video-use 的价值在于”把剪辑的门槛也降下来了”。** 过去剪视频是图形软件 + 模板的天下，现在它证明了：只要给 AI 一份结构化的”时间轴文本”和按需的视觉参考，它就能像专业剪辑师一样完成从粗剪到成品的一整套流程——而且全程用自然语言沟通。

**适合谁用？**

• ❗ **做口播/视频号的创作者**：自动剪废话、自动调色加字幕，省下大把时间
• ❗ **程序员 / 技术博主**：本身就是开源的 coding-agent 项目，想二次开发完全透明
• ❗ **任何不熟悉专业剪辑软件的人**：不需要学 PR/剪映，一行提示词就能出片
• ❗ **对 AI 应用感兴趣的人**：它”用文本代替帧”的思路，本身就是一份绝佳的 AI 工程示范

**一句话评价**：当我们还在纠结”AI 能不能看懂视频”时，video-use 已经聪明地绕开了这个问题——**它不让 AI 看视频，而是让它读视频**。用 12KB 文本替代 4500 万 token 的帧信息，这种”降维打击”式的思路，比它剪出来的视频本身还要精彩。

—

**项目信息：**

• 项目地址：https://github.com/browser-use/video-use
• 协议：MIT（完全免费开源）
• 语言：Python
• Stars：22,000+
• 出品方：browser-use（知名浏览器自动化开源团队）
• 依赖：ffmpeg（必需）、ElevenLabs API key（转写用）