video-use - Browser Use 团队开源的 AI 视频剪辑 Agent

video-use是什么

Video-use 是 Browser Use 团队刚开源的一个 AI 视频剪辑 Agent，它最大的看点在于：你可以用自然语言跟它对话，让它替你完成剪辑，完全不用碰传统的时间线。操作方式也很直白——把原始素材扔进文件夹，然后告诉它你想做什么，Agent 就会自动帮你盘点素材、清理口癖、调色、加字幕、叠动画，最后还会自己检查一遍，然后输出成片。核心的创新在于，它通过音频转录文本（大约 12KB）来理解视频内容，这样 LLM 的 token 成本就被压得非常低。说白了，它特别适合口播、教程、访谈这类结构化内容的高效自动化剪辑。

video-use的主要功能

具体能做什么？我们来过一遍它的功能列表：

• 口癖与死寂清除
  ：自动识别并删除“嗯”“啊”这类填充词、长停顿，还有那些拍了好几遍但表现不佳的重复 take，直接帮你省掉挑素材的时间。

• 自动调色
  ：内置了 warm_cinematic（暖色电影感）、neutral_punch（中性增强）等预设，如果你有特殊要求，也可以自己写 ffmpeg 滤镜链。

• 30ms 音频淡变
  ：每一个切点都会自动加上 30 毫秒的淡入淡出，彻底告别切点爆音那种让人头疼的问题。

• 烧录字幕
  ：默认是“两词大写”这种短视频风格，但也支持长句自然显示、大字幕强调等自定义选项，字体、颜色、位置都能调。

• 动画叠加
  ：可以调用 HyperFrames、Remotion、Manim、PIL+ffmpeg 这些引擎来生成 B-roll 和动画卡片，而且是独立的子 Agent 并行生成，效率不错。

• 自评估循环
  ：渲染完成后会自动检查切点跳帧、音频爆音、字幕遮挡、叠加层对齐这些问题，最多可以自动修复 3 次，省得你反复返工。

• 会话记忆
  ：每次剪辑决策都会追加到 project.md 文件里，下次再接续之前的工作时，它会保留之前的偏好和策略，不会失忆。

如何使用video-use

上手也不算复杂，按以下几个步骤操作就行：

• 克隆仓库
  ：在终端执行 git clone https://github.com/browser-use/video-use ~/Developer/video-use，把项目代码下载到本地开发者目录。

• 安装依赖
  ：进入项目目录后运行 uv sync 或 pip install -e . 安装 Python 依赖，同时别忘了用 brew install ffmpeg 安装音视频处理工具，因为后面所有剪辑操作都离不开它。

• 配置 API Key
  ：复制环境变量模板文件 cp .env.example .env，然后编辑 .env 文件，填入你的 ElevenLabs API Key，这是用来做音频转录服务的。

• 注册 Skill
  ：创建符号链接，把 video-use 注册到 Agent 的 skills 目录。比如如果你是 Claude Code 用户，就执行 ln -sfn ~/Developer/video-use ~/.claude/skills/video-use。

• 开始使用
  ：进入你存放原始视频素材的文件夹，启动编程 Agent，对它说一句 “edit these into a launch video”，就会触发自动剪辑流程。

video-use的核心优势

• 对话式交互替代手动剪辑
  ：用自然语言描述需求，Agent 就能帮你跑完整个流程，不需要学习专业的剪辑软件操作。

• 通用兼容不受 API 限制
  ：不依赖官方开放的接口，只要有网页版的视频工具，理论上都能被 AI 驱动操控，灵活性很高。

• 极低 token 成本理解视频
  ：通过音频转录文本（大约 12KB）来替代逐帧的视觉分析，让 LLM 高效地“阅读”视频内容，而不是“观看”，成本自然就下来了。

• 自动化机械劳动
  ：口癖清除、调色、字幕、动画叠加这些重复性的工作，Agent 全包了，你只需要在关键策略上确认一下就行。

• 标准化输出可复现
  ：剪辑规则固化在代码里，同类型的视频输出风格高度一致，不会出现人工操作时那种忽好忽坏的差异。

• 自评估质量保障
  ：渲染后 Agent 会自动检查跳帧、爆音、遮挡这些问题，还能自动修复，确保到用户手里的成片质量是过关的。

video-use的项目地址

• GitHub仓库
  ：https://github.com/browser-use/video-use

video-use的同类竞品对比

为了让你更直观地了解它的定位，我们拿它和另一个同类项目 OpenStoryline（来自小红书 Super Intelligence 团队 / FireRedTeam）做个对比：

video-use的应用场景

这套工具最适用的场景其实很明确：

• 技术博主口播剪辑
  ：录了好几次的 raw footage，想快速剪成连贯的发布视频？它自动就把口癖和停顿清掉了。

• 教程制作团队
  ：批量处理大量重复性剪辑任务，字幕、调色、动画叠加这些流程都能标准化执行。

• 产品发布视频
  ：多个素材按策略自动拼接，统一视觉风格，还能生成配套的 B-roll 动画。

• 访谈/播客后期
  ：自动识别最合适的 take，清除冗余内容，输出带字幕和淡变处理的成片。

• 内容创作者标准化工作流
  ：把剪辑流程从手动操作转为策略确认，释放更多时间，让你能专心在内容创作本身。