video-use – Browser Use 团队开源的视频剪辑智能体

video-use 是一款由 Browser Use 团队于 2026 年 4 月开源的视频剪辑智能体，主要用于在编程智能体的对话里完成口播与访谈素材的整段剪辑，支持口癖与长停顿清除、自动调色与字幕烧录，适用于技术口播、教程与访谈类内容从原始素材到成片等场景。

video-use 的核心能力

video-use 把「剪辑」重新定义成了「读一份文本再下指令」：素材先被转成带说话人与音频事件的字级转录，多段打包成约 12KB 的文本，智能体读它决定切点，需要判断画面时才取关键帧。这个思路换来的是成本差别——官方的示意估算是三万帧逐帧分析约 4500 万 token（每帧按 1500 token 估算，非实测），而打包后的转录文本只有约 12KB。

口癖、死寂与废镜头一并剪掉

口头填充词与两次拍摄之间的长停顿可依据转录时间戳直接定位，说错重来的 take 则由智能体比较内容后决定取舍，判断依据是文本与音频事件，而不是逐帧画面，所以对着一堆素材只说一句「把这些剪成一支发布视频」，它就能先给出素材盘点再开始剪辑。

每个切点都补 30 毫秒淡变

硬切最容易暴露的问题是爆音。它在每个切点自动加 30 毫秒的音频淡入淡出，降低硬切爆音的概率，渲染后自检还会查切点波形兜底。这一条看似细节，实际决定了成片能不能直接发出去——手动剪辑时最常被漏掉的就是这个。

调色与字幕按预设执行

调色内置暖色电影感与中性增强两种预设，未提出调色要求时默认保持原片，也接受自定义 ffmpeg 滤镜链；字幕默认按短视频习惯切成两词一组的大写块，字体、颜色、位置可改。风格参数固化在项目里，同类内容反复产出时不会每支片都不一样。

动画叠加交给子智能体并行

需要 B-roll 或动画卡片时，按需求分派给 HyperFrames、Remotion、Manim 或 PIL 加 ffmpeg 的子智能体并行生成，每个动画一个子任务。主流程不必等所有渲染串行跑完，叠加层的产出与剪辑决策相互独立。

渲染完成后自己先检查一遍

成片渲染出来先做一轮自检：切点有没有跳帧、音频有没有爆音、字幕是否遮挡主体、叠加层有没有对齐错位。发现问题自动修复，最多三轮，仍不达标才交回人工复核。这一步把「逐帧检查成片」变成「只看结论」。

剪辑决策写成项目记忆

每次的判断——切点如何取舍、用了哪个调色预设、字幕走什么样式——追加记录到素材目录的 edit/project.md。隔几天接着剪同一系列时，之前定的策略还在，不需要重新解释一遍偏好。这份记忆只覆盖工具内部的判断；整条链路中人工与自动化如何分工，站内 AI 视频工作流拆解 有逐步对照。

video-use 与同类视频剪辑方案的对比

下表从交互形态、内容理解及质检环节等维度，对三个视频剪辑技能项目逐项对照。

• 表格内数据来源：video-use 与 OpenStoryline 取自各自官方仓库与产品页，ffmpeg-skill 取自其项目文档；三者均不做无中生有的镜头，素材质量仍是上限。
• 产品对比简述：交互形态上 video-use 接进编程智能体、OpenStoryline 自带界面、ffmpeg-skill 直接收命令；内容理解上，video-use 靠转录与按需画面检查定切点，OpenStoryline 侧重故事线生成与对话创作，ffmpeg-skill 按用户指令调用命令；质检仅 video-use 内置自动自检。

如果更习惯在图形界面里收尾，站内的 剪映Hub（剪映推出的一站式 AI 视频创作工作台）可以作为流程末端的一环，对照着看自动剪辑与人工精修的边界在哪。

video-use 的应用场景与适用人群

素材攒了一批、逐段剪起来最费时间时适用；需要逐帧精修或大量特效包装的，仍应交专业剪辑：

• 技术口播：把多次录制合成一条，口癖、停顿与废镜头自动去掉，字幕按短视频风格烧好。
• 教程与课程：长素材按讲点切段，段落之间补动画卡片说明步骤；需要在线精修时，站内的 Video Ocean 可作为末端补充。
• 访谈实录：按说话人整理转录后切出问答结构，素材顺序可按确认的剪辑策略调整。

适用人群：适合已经在用 Claude Code、Codex 这类编程智能体、并且手上有一批口播素材的内容团队，也适合想把剪辑流程固化成可复现脚本的技术型创作者；完全不接触命令行的用户，等云端版本更省事。站内另有一份多款视频工具的横向对照可供参照：图生视频工具对比。

video-use 的使用方法

video-use 只有一条入口：装成编程助手的技能，然后对着素材文件夹说话。装完之后，盘点、转录、剪辑与渲染都在本机由那个助手跑完。

1. 从 video-use 官网 或仓库克隆代码到本地，进入目录执行 uv sync 安装 Python 依赖。
2. 安装 ffmpeg，复制 .env.example 为 .env 并填入 ElevenLabs 的接口密钥用于转录。
3. 把目录注册成技能：Claude 侧执行 ln -sfn ~/Developer/video-use ~/.claude/skills/video-use，Codex 侧链到 ~/.codex/skills/video-use（Windows 的注册路径与命令不同，按仓库 install.md 对应系统执行），重启编程助手使其识别。
4. 把原始视频放进同一个文件夹，在该目录下启动编程助手，一句话说明目标，它会先输出素材盘点与剪辑方案。
5. 确认方案后等待渲染，成片落在目录内的最终文件，自检不通过时会自动返工。
6. 第一次剪完检查 edit/project.md 里的决策记录，后续偏好用自然语言告诉助手即可接续；同系列多支片子分批跑，别一次把所有素材塞进同一个任务。

三点需留意：转录这一步依赖第三方服务，密钥与用量要自己管，素材敏感时先确认该服务的数据条款；逐帧判断只在关键节点发生，快速运镜或画面信息密集的素材，仍建议人工复核切点；项目记忆写在本地文件里，换机器或换目录需要把 edit/ 项目文件一起带走。另一条路线是把成片放进在线编辑器二次加工，站内的 InVideo 是这类工具的代表。

video-use 的项目地址

• 产品官网：https://video-use.com
• 项目仓库：https://github.com/browser-use/video-use

video-use 的价格方案

项目本身开源免费，协议为 MIT，代码可自行修改与商用。实际成本来自外部依赖：语音转录按 ElevenLabs 的用量计费，使用 Claude Code、Codex 等编程智能体可能产生模型费用；ffmpeg、PIL 与各动画引擎均可在本地运行，渲染不产生额外费用。

官网页脚另有一个云端托管版本处在预告状态，提供登记入口，正式上线后的计费方式官方尚未公布。现阶段想控制成本，做法是把转录控制在必要范围内：只对需要剪的素材做转录，成片渲染全部放本地。

video-use 的常见问题