browser-use/video-use

解决的问题

视频编辑通常是一个手动且耗时的过程，涉及复杂的软件菜单和时间线。video-use 允许用户通过 AI 代理（如 Claude Code）使用自然语言编辑视频，无需手动剪辑、去除填充词和繁琐的格式化任务。

工作原理

系统并非处理每一帧视频（这既计算成本高又充满噪声），而是采用两层方法为 LLM 提供视频的“阅读”视图：

1. 音频转录层： 它使用 ElevenLabs Scribe 生成词级时间戳、说话人识别和音频事件，将素材压缩成一个小型文本文件，便于 LLM 轻松处理。
2. 视觉合成层： 按需生成特定时间范围的“时间线视图”（包含胶片条、波形和单词标签的 PNG），帮助 LLM 在剪切点做出精确决策或解决歧义。

一旦 LLM 提出编辑策略，它会生成编辑决策列表（EDL）并使用 ffmpeg 渲染视频。随后，自我评估循环会检查渲染输出是否存在视觉跳跃或音频爆音，然后再将最终结果呈现给用户。

适用人群

内容创作者、教育工作者以及制作人物访谈视频、混剪、教程、旅行 vlog 或采访的专业人士，希望自动化编辑过程中繁琐的部分。

亮点

• 自动清理： 自动去除填充词（例如“嗯”、“呃”）和镜头之间的空白片段。
• AI 驱动增强： 自动调色和 30ms 音频淡入淡出，防止剪切处出现爆音。
• 动态叠加： 通过并行子代理使用 HyperFrames、Remotion、Manim 或 PIL 等工具生成动画叠加。
• 可自定义字幕： 烧录带有可自定义格式的样式化字幕。
• 自我评估流水线： 自动检查渲染的剪切片段是否存在错误，并在发现问题时重新渲染。
• 会话持久化： 将项目状态保存在 markdown 文件中，以便稍后恢复编辑会话。