开源发现

video-use是 Browser Use团队开源的视频剪辑技能：把原始素材放进文件夹，用自然语言和 Claude Code、Codex等编程智能体对话，就能拿到成品。它面向口播、蒙太奇、教程、旅行、访谈等常见内容，不依赖固定预设和菜单，而是先理解素材、提出剪辑策略，等你确认后再执行，并把结果写到素材旁的编辑目录里。项目强调生产正确性与可迭代协作，适合把“看素材、想节奏、动手剪”收进同一条对话流。官方也在推进云托管版本，本地开源路线已经可以覆盖从转写、策略确认到渲染自评的主链路，让更多人用对话完成第一版成片。

图片来源：video-use 官方 GitHub 仓库

它解决什么问题

传统剪辑软件功能完整，但门槛高：要熟悉时间线、关键帧、字幕轨道和导出设置，口播里的口头禅、假起头和无效停顿往往要逐段听、逐刀切。另一边，把整段视频直接丢给大模型去“看”，成本极高，也难做到按词边界精准落刀。创作者真正缺的，是一种既懂内容结构、又能守住成片质量的中间层——让智能体读懂素材，而不是盲目扫帧。

video-use把视频转成智能体可读的结构化信息：优先用带时间戳、说话人区分和笑声掌声等事件标记的语音转写，必要时再按需生成胶片条、波形和词标签合成图。这样既避开海量帧带来的噪声，又能在关键剪辑点上核对画面，让对话剪片从“能聊聊”走向“能交片”。它的思路和 browser-use给模型结构化页面信息而不是整屏截图类似，只是对象从网页换成了视频时间线。

它能做什么

• 清出口头禅与死气：自动处理语气词、假起头和镜头之间的无效空白，让节奏更紧，减少听感上的拖沓。
• 分段调色与柔和衔接：可为各段套用温暖电影感、中性冲击等风格，或按你的审美自定义；每个切点配短促音频淡入淡出，减少爆音感。
• 字幕与动画叠加：按你的风格烧录字幕，默认偏短句强调块；也可并行生成标题卡、图表动画等叠加层，多种动画工具可同时开工。
• 先自评再给你看：在每个切点边界检查成片，捕捉画面跳动、声音毛刺、字幕被挡等问题，通过后才呈现预览，避免把半成品直接甩给你。
• 记住项目上下文：用项目说明文件延续上周的风格与约定，下次打开还能接着改，而不是从零解释一遍。

典型用法很直接：告诉智能体“把这些素材剪成发布视频”，它会盘点素材、提出策略，等你点头后输出成品。你始终掌握方向，智能体负责执行与校验。具体安装与环境配置，请查看官方 GitHub说明。

图片来源：video-use 官方 GitHub 仓库

有什么好处

• 按词落刀，而不是糊剪：转写提供词级时间戳与说话人信息，切点对齐语义边界，口播类内容更干净，也更适合后期微调某一句。
• 省 token、保质量：主视图是打包后的短文本，画面只在决策点按需查看，既便宜又可控，避免把整段视频当“帧堆”塞进模型。
• 策略确认后再动刀：先问、再确认、再执行、再自评，减少“剪完才发现方向错了”的返工，也让协作时更容易对齐审美。
• 内容类型不强加假设：口播、教程、旅行、访谈都能先看素材再定风格，而不是套死一种模板；需要分屏、画中画、定格之类手法时，也可以按素材自由发挥。
• 适合持续创作：会话记忆与统一输出目录，让周更、系列内容更容易保持语气和成片习惯，项目文件与成片也不会和技能仓库搅在一起。

它把“浏览器智能体读结构化页面”的思路迁移到视频：给模型可读的表面，而不是一堆难消化的原始帧。对已经习惯和编程智能体协作的人来说，剪片可以变成和写代码类似的对话循环——提需求、看方案、改细节、收成片。

图片来源：GitHub 仓库社交预览图（fallback）

适合谁

• 个人创作者与口播作者：素材多、口头禅多，希望快速清干净、上字幕、出一版能发的成片，又不想每次沉进复杂时间线。
• 教程与产品演示团队：需要稳定节奏、可读字幕和偶尔的动画强调，又不想每次从零搭工程，还希望系列视频风格可延续。
• 已经在用编程智能体的开发者：希望把剪辑收进现有 Agent工作流，用自然语言迭代，而不是另学一整套桌面剪辑软件。
• 需要远程或常驻剪辑能力的人：可在自己的服务器或相关托管环境里跑智能体，把素材变成可反复打磨的项目，甚至结合即时通讯入口触发剪辑。

如果你追求逐帧手工调光、复杂多机位叙事或高度定制的调色流水线，专业非线性编辑软件仍更合适；若目标是把大量原始拍摄快速变成可发布成片，并在对话里持续改，video-use更对口。它并不替代所有专业剪辑场景，而是把高频、重复、可规则化的那部分工作交给智能体。安装步骤与依赖说明以官方仓库为准，仓库同时提供技能说明与辅助脚本目录。

开源地址

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