# 视频编辑代理技能

> 使用搭载 Claude Code 的 AI 编辑视频，自动执行剪切填充词、调色和烧录字幕等任务。简化您的视频制作工作流程，获得精修后的最终 MP4 文件。

- Canonical: https://nanoskill.ai/zh/skills/video-editing
- Markdown: https://nanoskill.ai/zh/skills/video-editing.md
- Author: browser-use
- Published: 2026-06-09T05:30:00.000Z
- Updated: 2026-07-17T03:29:25.412Z
- Language: zh-CN
- Source type: github
- Popularity signal: 8913

## Sources

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

## Install

```shell
npx skills add https://github.com/browser-use/video-use
```

## About

视频使用引入了一种创新的视频编辑方法，利用 Claude Code 等 AI 代理自动执行繁琐耗时的任务。这款开源工具允许用户只需将原始素材放入文件夹，与 AI 代理交互，即可获得精修的 \`final.mp4\` 输出。它旨在通过智能处理剪切、调色和字幕烧录，简化从访谈视频到蒙太奇等各种内容类型的视频编辑流程。

该系统通过详细的音频转录和按需视觉合成来读取视频内容，而不是处理每一帧。这种方法为 AI 提供了单词边界的编辑精度，同时显著降低了计算开销。主要功能包括自动去除填充词和静音段、应用智能调色、确保无缝音频过渡，以及将可定制的字幕直接烧录到视频中。

除了自动化，视频使用还集成了强大的自我评估流程。初始处理后，AI 会在每个剪切边界检查渲染输出，以检测并修正视觉跳动或音频爆音等瑕疵。这确保了最终视频在呈现给用户之前达到高制作标准。该工具还维护会话记忆，允许用户从上次中断的地方继续编辑会话，提高了工作流程的效率和一致性。

## Key features

- **自动填充词移除**: 自动剪切诸如“嗯”、“呃”之类的填充词、错误开始以及镜头之间的死区，以获得更清晰的音频。
- **智能调色**: 自动对每个视频片段进行调色，提供暖色电影感、中性冲击或自定义 FFmpeg 链等选项，以实现一致的视觉质量。
- **无缝音频淡入淡出**: 在每个剪切处应用 30 毫秒音频淡入淡出，以消除爆音并确保片段之间的平滑过渡。
- **可自定义的字幕烧录**: 以可自定义的样式将字幕直接烧录到视频中，默认采用两个单词的大写块，增强可访问性和参与度。
- **AI 驱动的自我评估**: 系统在每个剪切边界自我评估渲染输出，在显示预览之前捕捉视觉跳跃、音频爆音和隐藏字幕。

## Use cases

- **制作专业的说话头像视频**: 通过去除停顿和填充词快速优化说话头像素材，确保简洁且引人入胜的演示。
- **创建动态视频蒙太奇**: 通过自动剪切、调色和动画叠加轻松组装蒙太奇，呈现精致专业的外观。
- **简化教程视频制作**: 通过自动化重复的编辑任务加速教程视频的创建，使创作者可以专注于内容。

## Result preview

观看一段访谈视频被精修为社交媒体剪辑，节奏更佳、配有字幕、音频增强。

![the demo of Video Editing Agent Skill](https://file.nanoskill.ai/video-editing-demo-1.png)

![the demo of Video Editing Agent Skill](https://file.nanoskill.ai/video-editing-demo-2.png)

![the demo of Video Editing Agent Skill](https://file.nanoskill.ai/video-editing-demo-3.png)

## Result walkthrough

### 步骤 1：安装

将技能添加到您的代理中。

![a simple demonstration of the first step in using Video Editing Agent Skill](https://file.nanoskill.ai/video-editing-step-1.jpg)

### 步骤 2：上传您的视频

上传访谈、教程或产品视频，并描述所需的编辑。

![a simple demonstration of the second step in using Video Editing Agent Skill](https://file.nanoskill.ai/video-editing-step-2.jpg)

### 步骤 3：审核输出

接收编辑后的版本，并验证字幕、过渡和节奏。

![the demo of Video Editing Agent Skill](https://file.nanoskill.ai/video-editing-demo-1.png)

## Skill definition

# 视频使用

隆重推出 **视频使用** —— 使用 Claude 代码编辑视频。100% 开源。

将原始素材放入文件夹，与 Claude 代码对话，即可得到 `final.mp4`。适用于任何内容——访谈、蒙太奇、教程、旅行、采访——无需预设或菜单。

## 它能做什么

- **去除填充词**（`umm`、`uh`、错误起头）以及片段间的静音间隔
- **自动调色**每个片段（暖色电影感、中性冲击感，或任何自定义 FFmpeg 链）
- **每个剪切点施加 30 毫秒音频淡入淡出**，让你绝不听到爆音
- **烧录字幕**，按你的风格——默认是 2 词大写块，完全可定制
- **生成动画叠加层**，通过 [HyperFrames](https://github.com/heygen-com/hyperframes)、[Remotion](https://www.remotion.dev/)、[Manim](https://www.manim.community/) 或 PIL——在并行子代理中生成，每个动画一个
- **自我评估渲染输出**，在每个剪切边界处，在向你展示任何内容之前
- **持久化会话记忆** 在 `project.md` 中，以便下周的会话从上次中断处继续

## 设置提示

粘贴到 Claude 代码、Codex、Hermes、Openclaw 或任何具有 Shell 访问权限的代理中：

```text
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.
```

该代理处理克隆、依赖项、技能注册，并询问你一次 ElevenLabs API 密钥（在 [elevenlabs.io/app/settings/api-keys](https://elevenlabs.io/app/settings/api-keys) 获取一个）。

然后将你的代理指向一个包含原始素材的文件夹：

```bash
cd /path/to/your/videos
claude    # 或 codex、hermes 等
```

若要通过你自己的 VPS 或 Telegram 进行始终在线的编辑，可通过 [Browser Use Box](https://browser-use.com/bux) 运行代理。[观看 15 秒演示](https://www.tiktok.com/@browser_use/video/7639824093721758989)。

然后在会话中：

> 将这些编辑成一个发布视频

它盘点源文件，提出一个策略，等待你的确认，然后在你源文件的旁边生成 `edit/final.mp4`。所有输出都放在 `<videos_dir>/edit/` 中——技能目录保持干净。

## 手动安装

如果你更愿意手动操作：

```bash
# 1. 克隆并软链接到你的代理技能目录
git clone https://github.com/browser-use/video-use ~/Developer/video-use
ln -sfn ~/Developer/video-use ~/.claude/skills/video-use        # Claude 代码
# ln -sfn ~/Developer/video-use ~/.codex/skills/video-use       # Codex

# 2. 安装依赖
cd ~/Developer/video-use
uv sync                         # 或：pip install -e .
brew install ffmpeg             # 必需
brew install yt-dlp             # 可选，用于下载在线资源

# 3. 添加你的 ElevenLabs API 密钥
cp .env.example .env
$EDITOR .env                    # ELEVENLABS_API_KEY=...
```

## 工作原理

LLM 从不观看视频。它**阅读**视频——通过两个层次，共同提供其以单词边界精度进行剪辑所需的一切。

<p align="center">
  <img src="https://file.nanoskill.ai/timeline-view.svg" alt="timeline_view 合成图——胶片条 + 说话人轨道 + 波形 + 单词标签 + 静音间隙剪切候选" width="100%">
</p>

**第一层——音频转录（始终加载）。** 每个源调用一次 ElevenLabs Scribe 可给出单词级时间戳、说话人分离和音频事件（`(笑声)`、`(掌声)`、`(叹息)`）。所有片段打包成一个约 12KB 的 `takes_packed.md`——LLM 的主要阅读视图。

```
## C0103  (长度: 43.0秒, 8 个短语)
  [002.52-005.36] S0 网络代理所做的 90% 都完全浪费了。
  [006.08-006.74] S0 我们解决了这个问题。
```

**第二层——视觉合成（按需）。** `timeline_view` 为任意时间范围生成胶片条 + 波形 + 单词标签的 PNG 图像。仅在决策点调用——模糊的停顿、重拍比较、剪切点合理性检查。

> 朴素方法：30000 帧 × 1500 token = **4500 万 token 的噪音**。
> 视频使用：**12KB 文本 + 少量 PNG**。

与 browser-use 向 LLM 提供结构化 DOM 而非截图的想法一样——但针对视频。

## 流水线

```
转录 ──> 打包 ──> LLM 推理 ──> EDL ──> 渲染 ──> 自我评估
                                                              │
                                                              └─ 有问题？修复 + 重新渲染（最多 3 次）
```

自我评估循环在每个剪切边界对 _渲染输出_ 运行 `timeline_view`——捕捉画面跳跃、音频爆音、隐藏字幕。只有通过后，你才能看到预览。

## 设计原则

1. **文本 + 按需视觉。** 不进行帧转储。转录是表面。
2. **音频为主，视觉跟随。** 剪辑来自语音边界和静音间隙。
3. **询问 → 确认 → 执行 → 自我评估 → 持久化。** 未经策略批准，绝不触碰剪辑。
4. **对内容类型零假设。** 观察，询问，然后编辑。
5. **12 条硬性规则，其他方面自由艺术发挥。** 制作正确性是不可协商的。品味则不然。

查看 [`SKILL.md`](./SKILL.md) 获取完整的制作规则和剪辑手艺。

## FAQ

### 什么是 video-use？

video-use 是一个开源工具，允许您使用像 Claude Code 这样的 AI 智能体编辑视频。它可以自动执行常见的编辑任务，例如剪切填充词、调色和添加字幕。

### video-use 如何在无需 LLM 观看视频的情况下工作？

LLM 通过两个层面读取视频：带有单词级时间戳和说话人分离的音频转录，以及用于决策点的按需视觉合成（胶片条 + 波形 + 单词标签 PNG）。这种方法最大限度地减少了令牌使用量，同时提供了精确的编辑功能。

### 我可以用 video-use 编辑哪些类型的视频？

video-use 设计用于任何内容类型，包括说话头像、蒙太奇、教程、旅行视频博客和访谈。它可以适应您的素材，无需预设或菜单。

### video-use 的核心功能是什么？

主要功能包括剪切填充词和死区、自动调色、30 毫秒音频淡入淡出、烧录可自定义的字幕、生成动画叠加、自我评估渲染输出以及保留会话记忆。

### 使用 video-use 需要 ElevenLabs API 密钥吗？

是的，需要 ElevenLabs API 密钥进行音频转录和说话人分离，这对该工具的功能至关重要。在设置过程中，系统会提示您提供它。

### 我可以手动安装 video-use 而不使用设置提示吗？

是的，您可以通过克隆存储库、将其符号链接到您的代理技能目录中、安装 FFmpeg 等依赖项以及在 .env 文件中配置 ElevenLabs API 密钥来执行手动安装。