Video-use：用一句话让 AI 自动剪辑视频的开源技能

Tue, 04 Aug 2026 22:11:00 +0800

把原始素材放进文件夹，再告诉 AI“把这些素材剪成一条教程视频”，Video-use 就能协助完成素材分析、片段筛选、调色、字幕、动画叠加和视频渲染。

Video-use 是 Browser Use 团队开源的 AI 视频剪辑 Skill，可接入 Claude Code、Codex 等具备终端操作能力的 AI Agent。截至 2026 年 8 月，GitHub 已获得约 1.89 万颗 Star。

Video-use 可以做什么？

它主要适合已经拥有拍摄素材，希望通过自然语言快速完成剪辑的用户。

核心功能包括：

自动识别语音内容，删除“嗯”“啊”等语气词、口误和多余停顿
根据单词边界和静音区间选择剪辑点，减少截断语句的问题
为不同片段统一调色，支持暖色电影感、中性高对比和自定义 FFmpeg 参数
在每个剪辑点加入 30ms 音频淡入淡出，降低爆音和声音跳变
自动生成并硬编码字幕，字幕样式可以自定义
通过 HyperFrames、Remotion、Manim 或 PIL 添加动画图层
在输出前检查剪辑点、字幕遮挡、音频爆音和动画错位
将项目记录保存到 project.md，方便下次继续修改

项目采用“转录 → 内容整理 → AI 决策 → 生成剪辑表 → 渲染 → 自动检查”的工作流程。遇到问题时，会修正后重新渲染，最多进行三轮质量检查。

它是如何剪辑视频的？

Video-use 并不是把视频的每一帧都交给大模型分析。

它首先使用 ElevenLabs Scribe 获取逐词时间戳、说话人和音频事件，再将多个素材整理成体积较小的 takes_packed.md。AI 主要通过这份带时间轴的文字记录理解素材，只在需要判断停顿、动作或剪辑点时生成画面与波形预览。

确认剪辑方案后，Video-use 会生成：

edit/
├── project.md
├── takes_packed.md
├── edl.json
├── transcripts/
├── animations/
├── clips_graded/
├── master.srt
├── verify/
├── preview.mp4
└── final.mp4

其中：

edl.json 保存剪辑决策
master.srt 保存最终时间轴字幕
preview.mp4 用于预览
final.mp4 是最终成片
project.md 保存项目进度和修改记录

目前主要通过 helpers/render.py 完成片段提取、拼接、动画叠加和字幕渲染，并不是原文提到的 make_video.py。

安装前需要准备什么？

Video-use 本身采用 MIT 许可证开源，但完整使用还需要准备：

Claude Code、Codex 或其他支持 Skill 和终端操作的 AI Agent
Python 环境
FFmpeg 和 FFprobe
ElevenLabs API Key，用于语音转录
Node.js，仅在使用 HyperFrames 或 Remotion 动画时需要
yt-dlp，可选，用于下载在线视频素材

需要注意，Video-use 并不是完全离线运行。它当前依赖 ElevenLabs Scribe 完成逐词转录，因此可能产生 API 使用费用。

基本使用方法

安装并注册 Skill 后，进入保存视频素材的文件夹：

1
2

cd /path/to/your/videos
claude

使用 Codex 时，可以改为：

1
2

cd /path/to/your/videos
codex

然后直接输入剪辑要求：

1
2
3

把这些素材剪成一条 60 秒的产品介绍视频，
删除口误和长停顿，使用暖色调，
添加中文字幕和简单的重点文字动画。

AI 会先分析素材并提出剪辑方案，得到确认后才会开始处理，不会直接修改原始文件。最终结果会保存在素材目录下的 edit/final.mp4。

适合哪些使用场景？

Video-use 比较适合：

知识分享和口播视频
软件教程和产品演示
多段素材合并
Vlog 和旅行视频
访谈内容整理
需要反复修改的长期视频项目

它的优势不是完全替代专业剪辑师，而是把转录、粗剪、字幕、基础调色、动画叠加和质量检查整合到一个自然语言工作流中。

对于经常制作教程、口播或知识类内容的创作者，可以先让 Video-use 完成耗时的基础剪辑，再进行人工审片和细节调整。

项目地址

GitHub：browser-use/video-use
开源协议：MIT License