视频剪辑这件事，也开始被 coding agent 往下吃了 video-use 的路子很直接：把原片丢进文件夹，和 Claude Code 聊几句，最后拿回 final.mp4 它会做转录、切废话、加字幕、补动画，还会在每个切点自检一轮再给你看成片 做教程、口播、演示视频的人，后面很可能会先让 Agent 出第一版，再自己收尾.

AI 视频剪辑 Skill 分享「video-use」 @browser_use 团队推出的开源 Skill，定位为面向 AI Coding Agents（Codex、Claude Code、Cursor、Hermes Agent 等）的视频剪辑 Skill。它不做传统意义上的 Premiere / CapCut 替代品，它是一套让 LLM 通过 “阅读转写文本 + 按需可视化” 来理解视频、并调用 ffmpeg 等工具完成剪辑的 prompt-engineering + 工具脚本集合。 # 核心思想：LLM 不“看”视频，它“读”视频 第一层：音频转写文本（always loaded） 通过 ElevenLabs Scribe 获得逐词时间戳、说话人分离、音频事件标记（如笑声、叹息、掌声），打包成约 12KB 的 takes_packed.md。这是 LLM 的主要“阅读材料”。 第二层：视觉时间线视图（on demand） 仅在决策点（歧义停顿、重拍对比、切点校验）调用 timeline_view.py 生成胶片帧 + 波形 + 字幕的 PNG 复合图。 对比朴素方案“30000 帧 × 1500 tokens = 4500 万 tokens 噪声”，项目走的是 “12KB 文本 + 少量 PNG” 的轻量化路径。这与 Browser Use 让 LLM 读结构化 DOM 而非直接看截图的思路一致。 # 技术流水线：Transcribe → Pack → Reason → EDL → Render → Self-Eval 1. 转写 - transcribe. py / transcribe_batch.py 提取 16kHz 单声道音频，调用 ElevenLabs Scribe，缓存为 transcripts/.json 2. 打包 - pack_transcripts.py 将逐词 JSON 合并为按 0.5s 静音或说话人切换断句的 takes_packed.md 3. 决策 - LLM 自身 阅读 packed transcript，必要时用 timeline_view.py 可视化 4. 生成 EDL - subagents 输出 JSON 格式 edl.json，包含源文件、切点、节奏标签、引用、原因 5. 渲染 - render. py 分段提取 → 无损 concat → 叠动画 → 压字幕 → 响度标准化 6. 自评估 - timeline_view.py + LLM 在输出文件的每个切点 ±1.5s 检查跳帧、爆音、字幕遮挡，最多 3 轮 # 关键工程细节： ffmpeg 为主的剪辑实现 1. 分段提取 + -c copy 拼接（避免叠 overlay 时二次编码） 2. 每段边界 30ms 音频淡入淡出（消除切点爆音） 3. overlay 使用 setpts=PTS-STARTPTS+T/TB 进行时移，确保动画第 0 帧对齐输出时间线 4. 字幕始终最后叠加（防止被动画遮挡） 5. Master SRT 使用输出时间轴偏移：output_time = word.start - segment_start + segment_offset 6. 切点必须落在词边界，并加 30–200ms 填充以吸收 Scribe 50–100ms 的时间戳漂移 7. HDR 源自动 tone-map（HLG/PQ → Rec.709 SDR） 8. 竖屏源自动按高度缩放 9. 两-pass loudnorm：-14 LUFS / -1 dBTP / LRA 11，符合主流社交平台标准 # 动画与包装：多引擎并行 1. HyperFrames：HTML/CSS/GSAP compositions，适合产品 UI、网页转视频、动态排版 2. Remotion：React 组件化 compositions 3. Manim：数学/技术/3Blue1Brown 风格解释动画 4. PIL + PNG sequence + ffmpeg：简单卡片、计数器、打字效果 # SKILL.md 的 12 条“铁律”：生产正确性优先 1. 必须遵守的 12 条硬规则：字幕最后、分段提取再拼接、30ms 淡入淡出、PTS 时移、SRT 输出时间偏移、不切在词中、切点填充、逐词 ASR、缓存转写、并行动画、先确认策略再执行、输出在 /edit/ 2. 其余全部是可调整的“worked example”：调色风格、字幕分块、动画时长、节奏等都可按材料和用户品牌定制

求推荐/自荐一位靠谱的视频剪辑！ 基本要求： 1.有剪辑财经视频的经验，风格参考博主“有点在李”； 2.情绪稳定，有问题及时沟通，有话直说。 加分项： 1.对金融、加密行业有基本了解； 2.能在我写完稿后一起沟通怎么剪辑，流程是：初稿➡️设计镜头➡️改稿➡️拍摄➡️剪辑（你只需要参与设计、剪辑两个环节）； 3.会用AI生成图片、视频素材 如果你感兴趣，请带着以下信息DM我： 1.个人作品，至少一个财经横屏视频+一个财经竖屏视频； 2.告诉我你剪一个3分钟的竖屏短视频要多久，剪一个10分钟的横屏长视频要多久； 3.带上剪辑价格，多少钱一分钟（这是你的专业，不要把报价问题推给我，我只会对比性价比） 不要点进我的视频做参考，那是我自己乱剪的🤦‍♀️

browser-use 做了一个 video-use Skill，很适合把视频剪辑拆成Agent能执行的流水线。 它不是简单“让 AI 看视频”，而是： 转写音频； 提取时间戳； 识别说话人； 生成关键帧； 让模型在关键节点判断； 输出剪辑决策； 最后用 ffmpeg 渲染。 这说明了一个机会： 短视频剪辑服务以后不一定靠剪辑师一帧一帧拖时间线。 可以卖一套“AI 剪辑工作流”： 访谈切条； 课程切片； 直播精华； 播客短视频； 案例视频混剪。

卧槽兄弟们！ AI视频剪辑终于有救了！！ 以前做个视频，理解内容、剪辑、生成新素材，得开仨四个工具来回倒腾，现在直接塞进一个智能体框架里全干了！ HKUDS团队搞的 VideoAgent，思路就一个： 让AI自己看视频、自己剪、自己生成，你动动嘴它就动手！ 先不说到底好不好用，但这方向绝对是大家想要的！ 谁还愿意一帧一帧手动抠啊？别手动了！ 开源的，白嫖党福音！感兴趣的赶紧拉下来自己跑跑看！ 你怎么看呢？

吴说团队需要新增 2-3 位视频剪辑方面的实习生，可转全职 没有基础也没关系，最重要是有责任心、能及时反馈；能接受重复性的枯燥的内容和剪辑工作、对 Crypto/Web3 有兴趣加分；能够长期工作。 有意者请将简历发送到：colinwu@wublockchain.xyz 由于时间有限，可能无法一一回复，请见谅

养了几个月 agent 之后，今天打开一个视频剪辑工具，从来没觉得APP这么难用过。 我要自己找功能在哪里。点开一级菜单，没有，点开二级菜单，找到了，但参数要手动调。现在真的是每多点一步，身体都在抗拒。 就像用了触屏之后回不去按键机，人类的耐受度被永久改写了，如何让人更懒是科技永恒不变的主题😂

PromptLens 一个AI视频提示词分析工具，通过分析现有视频内容，反推出有效的AI视频提示词，并支持视频剪辑和音频分析功能，实现AI视频创作闭环。 兼容智谱AI、Google Gemini、OpenRouter等多种AI API，支持提取视频中的字幕并进行智能分段，提升音频处理效率。

用 Codex 加 ChatCut，我终于能用自然语言丝滑剪辑我的视频了！ 最近一直在研究这个 ChatCut 的 CodeX 插件 他们在自然语言视频作这个层面，绝对是第一梯队 最牛逼的几个点在于： 1. 全自然语言操控 可以用自然语言操作整个剪辑过程 你不需要去手动操作复杂的剪辑轨道，只需要把你的需求用大白话讲给它，它就会自动去调用工具进行剪辑 2. 剪辑与生成无缝集成 它把视频剪辑和生成功能全部集成到了同一个工具里 如果你在剪辑过程中需要某些素材，它会自动帮你去找，或者直接生成对应的素材 整个体验非常顺畅，效果挺屌的 3. 优秀的可视化交互 这是目前我见过交互体验最好的自然语言剪辑工具 安装好之后，左边是你跟 Codex 对话的区域，右边就是它的整个工作区 你可以实时、可视化地看到 Codex 是如何操作你的视频素材进行剪辑的 更爽的是，你还可以直接在右边的工作区里，对刚刚剪辑的视频进行精细化的微调和修改 这种交互方式真的已经非常接近我理想中自然语言剪辑了 不过他们目前也确实存在一些问题， 比如整体的处理速度还是比较慢，以及 Token 的消耗比较大 这也是现阶段的一个局限性，但我觉得未来一定会越来越好 如果对自然语言视频制作感兴趣的兄弟们，一定要去试一下这个插件！ 官网链接如下：