video-use 开源：把素材丢进文件夹说句话，AI 自动去口癖调色加字幕出片

前两天看到一个自动剪视频的开源项目，只需要对着 AI 说："把这些剪成一条发布视频"，然后，它就自动去口癖、调颜色、加字幕，甚至做动画。
这是一个叫video-use的开源项目。登上了昨日 GitHub 日榜 TOP5，已有 1.2 万标星。

做内容创作的人都知道，剪辑是最磨人的环节。学习成本太高，普通人又很难上手。就连剪映这种相对简单的工具，也需要你拖动时间轴、调整参数，本质上还是在"操作软件"，而不是在"表达创意"。
直到我发现了video-use。

项目简介

video-use是 browser-use 团队（就是那个靠 AI 浏览器自动化出圈的明星团队）最新开源的项目。

它的核心理念极其简洁：把原始素材放进文件夹，用自然语言告诉 AI 你想要什么，直接拿回 final.mp4。
这个项目上线不到三个月就拿下了 1.2 万 Star，核心原因在于它彻底改变了视频剪辑的交互方式。
传统剪辑软件让你"操作时间轴"，video-use 让你"描述意图"。
你不需要学习任何快捷键，不需要理解轨道和关键帧，就像和朋友描述你想要的效果一样，AI 帮你完成所有技术细节。

核心功能

•✂️ 智能剪辑：自动识别并剪掉填充词（umm、uh）、口误、重复句，以及片段间的死寂
•🎨 自动调色：温暖电影感、中性增强，或自定义 ffmpeg 滤镜链，统一画面风格
•🔊 音频处理：每处剪辑点自动添加 30ms 淡入淡出，彻底消除爆音和突兀感
•📝 字幕烧录：默认两词大写分块样式，完全可定制字体、颜色、位置
•✨ 动画叠加：通过 HyperFrames、Remotion、Manim 或 PIL 生成动画元素，并行子代理加速
•🧠 会话记忆：剪辑进度保存在project.md中，下次打开可以继续，不会丢失上下文
•🔍 自我评估：渲染完成后自动检查每个剪切点，捕捉画面跳变、音频爆音、字幕遮挡

技术亮点

video-use 最反直觉的设计决策是：LLM 自始至终不看视频画面。
它通过两个信息层次来理解视频内容，这个设计堪称精妙。

1、双层读取系统

第一层：音频转录层（始终加载）
每次处理素材时，video-use 通过 ElevenLabs Scribe 接口生成逐词级别的时间戳转录，包含说话人分离和音频事件标记（笑声、掌声、叹息）。
所有素材打包成一个约 12KB 的takes_packed.md——这是 LLM 在剪辑决策时读的全部内容。

## C0103 (duration: 43.0s, 8 phrases)
[002.52-005.36] S0 Ninety percent of what a web agent does is completely wasted.
[006.08-006.74] S0 We fixed this.

第二层：可视化复合层（按需生成）
当 LLM 需要判断某段沉默是否算死空间，或者比较两次拍摄的节奏差异时，才调用timeline_view工具生成一张包含胶片条、波形图和词语标签的合成 PNG。

2、效率对比

传统视频分析要把 30000 帧视频传给 AI，每帧 1500 tokens，总共 45M tokens——又贵又慢。
video-use 只需要12KB 文本 + 几张关键图片，成本和效率的差距简直是数量级的。
这就像 browser-use 不给 AI 看网页截图，而是给结构化 DOM 数据——但用于视频。

快速入手

自动安装（推荐）

直接在 Claude Code 中粘贴以下指令，Agent 会自动完成所有步骤：

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.

手动安装

# 1. 克隆项目并创建软链接
git clone https://github.com/browser-use/video-use ~/Developer/video-use
ln -sfn ~/Developer/video-use ~/.claude/skills/video-use

# 2. 安装依赖
cd ~/Developer/video-use
uv sync  # 或 pip install -e .

# 3. 安装 FFmpeg
brew install ffmpeg
brew install yt-dlp  # 可选，用于下载在线视频

# 4. 配置 API Key
cp .env.example .env
# 在 .env 文件中填入：ELEVENLABS_API_KEY=sk_your_key_here

日常使用

1.准备素材：将所有原始视频文件（MP4/MOV）放入一个文件夹，如~/Videos/my_project/
2.启动 Agent：在终端进入该目录，启动 Claude Code
3.下达指令：输入自然语言指令，例如：

edit these into a launch video

4.自动处理：Agent 会自动盘点素材、生成剪辑策略、等待你确认后开始处理
5.获取结果：最终产物edit/final.mp4会出现在素材文件夹旁边

写在最后

video-use 不是给视频编辑专家的工具，而是给**「不想学剪辑，但需要产出视频」**的人。
如果你每周产出几条口播或教程视频，花半小时配置好 video-use，之后每条视频省下几小时剪辑时间，ROI 非常可观。
GitHub：https://github.com/browser-use/video-use