video-use

Video-use是Browser Use团队开源的AI视频剪辑智能体，以自然语言对话替代传统时间线手动剪辑。用户仅需将原始素材归集至指定文件夹并文字描述剪辑需求，智能体自动完成素材清点、口癖清理、调色、字幕生成、动画图层叠加与成品自检，一键输出完整成片。产品核心创新为大模型依托12KB左右音频转写文本解析视频内容，规避逐帧图像分析带来的高额Token开销，专为口播、教学教程、人物访谈等结构化内容实现全自动高效剪辑打造。

一、产品核心功能：

1、口癖与空白片段清理：

自动识别并移除“嗯、啊”等语气填充词、长时间静音停顿、重复无效拍摄片段

2、智能自动调色：

内置warm_cinematic暖色电影质感、neutral_punch中性增强等预设滤镜，支持自定义FFmpeg滤镜链路

3、30ms音频淡变处理：

所有剪辑切点自动添加30毫秒音频淡入淡出，消除切换爆音

4、硬编码内嵌字幕：

默认短视频双词大写风格，支持长句自然排版、大字重点标注，可自定义字体、色值与摆放位置

5、动态素材叠加：

调用HyperFrames、Remotion、Manim、PIL+FFmpeg多引擎并行生成B-roll素材与动态信息卡片，由独立子智能体异步渲染

6、自动化自检修复循环：

成片渲染完成后自动校验跳帧、音频爆音、字幕遮挡、图层错位等瑕疵，最多自动迭代修复3轮

7、项目会话记忆：

所有剪辑决策持久写入project.md，二次接续项目时完整留存历史偏好与剪辑策略

二、产品核心优势：

1、对话式剪辑交互：

自然语言下达剪辑指令即可驱动全流程自动化处理，无需专业剪辑软件操作能力

2、无API绑定限制：

不依赖工具官方开放接口，可驱动任意具备网页端的视频处理工具

3、极低Token消耗：

依靠轻量化音频转写文本解析内容，让大模型高效“读取”音频信息，替代高成本逐帧视觉解析

4、重复性工作全自动化：

清理冗余片段、调色、字幕、动态素材叠加等机械工序交由智能体自主完成，人工仅需确认剪辑方案

5、标准化可复现输出：

剪辑逻辑固化于代码，同类型内容输出风格统一，消除人工操作带来的效果差异

6、闭环自检质量管控：

渲染后自动排查各类成片瑕疵并自主修复，达标后交付最终成品

三、快速使用步骤：

1、克隆项目仓库：

终端执行 `git clone https://github.com/browser-use/video-use ~/Developer/video-use`，拉取源码至本地开发目录

2、安装运行依赖：

进入项目目录执行 `uv sync` 或 `pip install -e .` 部署Python依赖；通过 `brew install ffmpeg` 安装音视频处理底层工具

3、配置密钥环境：

复制模板文件 `cp .env.example .env`，编辑.env文件填入ElevenLabs密钥用于音频转写服务

4、注册智能体技能：

创建软链接将工具挂载至智能体技能目录，以Claude Code为例执行 `ln -sfn ~/Developer/video-use ~/.claude/skills/video-use`

5、启动自动化剪辑：

进入存放原始视频素材的文件夹，启动编程智能体，输入剪辑指令（如edit these into a launch video）即可触发全自动剪辑流程