🏠 首页 📊 AI 工具评测 📚 AI 应用指南 🧰 全部工具

Video-Use: 用自然语言对话编辑视频，告别复杂剪辑软件

想了解更多 AI 工具？浏览 198007.xyz/tools 获取精选 AI 工具合集，或查看其他 AI 工具评测。

相关评测

一句话简介：Video-Use 是一个基于 AI Agent 的开源视频编辑工具，让你通过聊天来剪辑视频——自动去除口误、智能调色、生成字幕和动画叠加层。

在视频创作领域，剪辑一直是门槛最高的环节之一。无论是专业的 DaVinci Resolve、Final Cut Pro，还是入门级的剪映，都需要用户学习复杂的界面和时间线操作。而 Video-Use 的出现正在改变这一现状——它让视频编辑变成了一场简单的对话。

Video-Use 由知名 AI 浏览器自动化项目 Browser Use 的团队开发，目前在 GitHub 上已获得 12,700+ Star，是近期 AI 工具赛道中最受关注的视频编辑项目之一。

核心功能

1. 智能转录与精准剪辑

Video-Use 使用 ElevenLabs Scribe API 对视频进行逐词级语音转录，获取精确到毫秒的时间戳、说话人分离以及音频事件标注（如笑声、掌声、叹息）。基于这些结构化数据，AI 代理可以精准定位填充词（如”嗯”“啊”）、断句和沉默间隙，实现按词边界剪辑，避免生硬的切割。

2. 自动去除口误与填充词

对于口播类视频（演讲、教程、访谈），视频中的”嗯”“那个”“呃”等填充词会严重影响观感。Video-Use 会自动识别并标记这些片段，在获得用户确认后精准删除，同时应用 30ms 音频淡入淡出确保过渡平滑无爆音。

3. 智能调色与风格化

内置 ffmpeg 滤镜链支持多种预设调色方案（暖色调电影感、中性高对比度等），也支持自定义滤镜参数。每个剪辑段都会独立应用调色，保证画面一致性。

4. 自动字幕生成

支持自定义风格的字幕烧录——默认采用两词大写的高亮风格，也可完全自定义字体、颜色、位置和样式。字幕会在渲染管线最后一步应用，确保不会被其他叠加层遮挡。

5. 并行动画叠加层生成

通过独立的子代理并行生成动画叠加层，支持 HyperFrames、Remotion、Manim 等多种动画引擎。多个动画可以同时生成，总耗时仅等于最慢的一个。

6. 自我评估闭环

这是 Video-Use 最令人印象深刻的设计：每次渲染后，系统会自动在每一个剪辑边界运行 timeline_view，检查视觉跳变、音频爆音、字幕被遮挡等问题。只有自检通过的成品才会展示给用户，最多循环 3 次。

工作原理

Video-Use 的核心设计理念是 “文本优先，视觉按需”：

  1. 转录层（始终加载）：将视频转化为约 12KB 的结构化文本（takes_packed.md），包含每句话的时间戳、说话人和音频事件。这类似于 Browser Use 给 LLM 提供结构化的 DOM 而非截图。
  2. 视觉层（按需调用）：仅在决策点生成时间线视图（胶片 + 波形图 + 文字标签的 PNG），避免了暴力逐帧分析带来的 Token 浪费。

整个编辑流程为：转录 → 打包 → LLM 推理 → 编辑决策列表（EDL）→ 渲染 → 自我评估。如果自检发现问题，则修复并重渲染。

适用人群

  • 口播创作者：YouTube、B站的知识分享类 UP 主，需要频繁去除口误和填充词
  • 访谈/会议视频编辑者：大量素材需要快速剪辑和整理
  • 教程视频制作者：需要批量处理录制片段，自动生成字幕
  • 追求效率的内容团队：希望减少在剪辑软件 UI 上的时间投入
  • AI 工具爱好者：想体验最新一代 AI Agent 驱动的创作工具

与同类工具对比

特性Video-UseDescriptPremiere Pro + AI剪映
交互方式自然语言对话文本编辑视频专业时间线简单拖拽
自动去填充词✅ 逐词级精准✅❌ 需手动✅ 基础
智能调色✅ 多引擎支持❌✅ 专业级✅ 预设
动画叠加✅ 并行子代理❌✅ 复杂❌
自我评估✅ 自动质检❌❌❌
开源✅ MIT❌ 闭源❌ 闭源❌ 闭源
价格免费（需 API Key）$24/月$20.99/月免费+付费
学习成本低中高低

Video-Use 的独特之处在于它将对话式交互与生产级质量结合在了一起。Descript 虽然也是”用文本编辑视频”，但它的智能化程度和可扩展性远不如 Video-Use；而 Premiere Pro 等专业软件虽然在画质上更胜一筹，但对普通创作者来说门槛太高。

如何使用

环境准备

  1. 克隆项目并安装依赖：

    git clone https://github.com/browser-use/video-use
cd video-use
uv sync  # 或 pip install -e .

  2. 安装 FFmpeg（必需）：

    # macOS
brew install ffmpeg
# Ubuntu/Debian
apt-get install ffmpeg

  3. 可选：安装 yt-dlp（用于下载在线视频）：

    brew install yt-dlp  # macOS
apt-get install yt-dlp  # Ubuntu

配置 API Key

Video-Use 使用 ElevenLabs Scribe API 进行语音转录：

cp .env.example .env
# 编辑 .env 文件，填入你的 ElevenLabs API Key
# ELEVENLABS_API_KEY=your_key_here

你可以在 ElevenLabs 官网 注册并获取 API Key。

使用 AI 代理运行

Video-Use 设计为与 AI 编码代理配合使用。以下是支持的代理：

  • Claude Code（官方首选）
  • Codex
  • Hermes
  • OpenClaw

设置方式：将项目软链接到代理的技能目录：

ln -sfn ~/video-use ~/.claude/skills/video-use

开始编辑

  1. 将原始视频放入一个文件夹

  2. 启动 AI 代理并进入该文件夹：

    cd /path/to/your/videos
claude

  3. 用自然语言下达指令：

    把这些素材剪辑成一个发布视频

  4. AI 代理会自动：

    • 清点所有素材
    • 转录并打包
    • 向你提议剪辑策略
    • 等待你确认
    • 执行剪辑、调色、加字幕
    • 自我评估后输出 final.mp4

所有输出文件保存在 <视频目录>/edit/ 文件夹中，原始素材不会被修改。

设计亮点

Video-Use 的设计哲学值得每一位开发者借鉴：

  1. 硬规则与自由度的平衡：定义了 12 条不可违反的生产级规则（如字幕最后应用、按词边界剪辑等），其余全部交给 AI 的艺术判断。
  2. 记忆持久化：通过 project.md 记录每次会话的决策，下次打开时能无缝衔接。
  3. 零假设原则：不预设视频类型（演讲、访谈、旅行 Vlog），先观察素材再决定策略。
  4. 并行化思维：多个动画子代理同时运行，最大化利用计算资源。

潜在局限

  • 依赖 ElevenLabs API：虽然转录质量很高，但需要付费 API Key，且对网络有一定要求
  • 需要 AI 代理环境：目前主要与 Claude Code 等代理配合使用，纯命令行使用体验有限
  • 学习 ffmpeg 知识：高级用户可能需要了解 ffmpeg 滤镜语法来自定义调色效果
  • 中文支持待验证：ElevenLabs Scribe 对中文的转录精度需要实际测试

总结

Video-Use 代表了视频编辑工具的一个新方向：用对话代替界面，用推理代替拖拽。它不是要取代专业剪辑软件，而是为那些不需要逐帧精细控制、但追求效率的日常创作者提供了一个全新的工作流。

对于经常制作口播、教程、访谈类视频的内容创作者来说，Video-Use 可以大幅减少在剪辑软件 UI 上的时间消耗，让你专注于内容本身而非技术参数。

推荐指数：★★★★☆（4/5）

  • 创新性：★★★★★
  • 实用性：★★★★☆
  • 易用性：★★★★☆
  • 开源友好度：★★★★★

📌 项目地址：github.com/browser-use/video-use 🌐 在线体验：Browser Use Cloud

如果你正在寻找一种更高效、更自然的视频编辑方式，Video-Use 绝对值得尝试。

另外，如果你需要处理视频元数据或字幕文件，198007.xyz 的工具集 里也有不少好帮手——JSON 格式化工具 解析 API 返回的视频信息，Base64 转换器 处理嵌入式缩略图，文本替换工具 批量修改字幕内容。