亲测节点延迟，数据拿出来给大家看 👇 🟢 台湾 B01 → 31ms 🟢 新加坡 D01 → 27ms 🟢 日本 B01 → 29ms 🟢 美国 B01 → 29ms 🟢 泰国 D01 → 27ms 🟢 韩国 C01 → 61ms 🟢 英国 C01 → 74ms 全程 Shadowsocks / Trojan 协议，延迟基本压在 30ms 左右，不是我吋的哈哈 🔗 v2ny（老牌可靠）→ 🔗 基云科技（稳定之王）→ 🔗 航海（速度杆朴）→ 🔗 一元机场（网红机场·1元起）→ #翻墙# #科学上网# #节点推荐# #低延迟# #机场推荐#

重写了一下 Remodex 的 Relay 部分，并且支持了 Docker 部署。你也可以选择使用我提供的 Relay（部署在日本东京，三网优化，到江浙沪的延迟在 30ms 左右）。

昨天分享了 OpenMontage（你没有素材，AI 帮你从零生成一条完整视频），有兄弟问有没有反过来的——我有素材，让 AI 帮我剪——video-use，13900 个 Star，browser-use 团队出品，完全开源。 一句话：把原始素材丢进文件夹，跟 AI 编程助手说你想要什么，直接拿到成品，不用开剪辑软件，不用摸时间轴。 两个解决的问题不一样： • OpenMontage：你没有素材，Agent 从零完成研究、剧本、素材生成、合成，出一条完整短片 • video-use：你已经拍好了，AI 帮你做后期——剪废话、调色、加字幕、出成片 同类但不同场景，两个都值得装上。 video-use 的后期流程是这样跑的： （1）自动剪掉废话和空白——"嗯""啊"、假起头、说到一半停掉的句子、镜头间的死寂，全部自动识别干掉，不需要你一帧一帧去找 （2）自动调色——每个片段都过一遍色彩处理，暖色电影调、中性冲击调或者自定义 ffmpeg 链，统一风格出来 （3）自动加字幕——默认 2 个词一组全大写，风格完全可以自定义，切割点有 30ms 音频淡入淡出，听起来不会有噪音爆破感 （4）动态动画叠加——可以调用 HyperFrames、Remotion、Manim 或 PIL 生成动画覆盖层，多个动画并行跑子 Agent 生成，不互相等 （5）LLM 读视频而不是看视频——用 ElevenLabs Scribe 做逐字转录拿到精确时间戳，再按需生成视觉帧+波形图，LLM 读 12KB 文本而不是处理 45M token 的原始帧，又快又准 （6）自我评估每个剪切点——渲染完每个切点之前，会自己检查一遍对不对，不是出来什么算什么 （7）会话记忆持久化——项目状态保存在 project.md，下次打开继续上次，不用重新交代背景 支持 Claude Code、Codex、Hermes、Openclaw 以及任何能执行 shell 的 Agent，需要配一个 ElevenLabs API Key（有免费额度）。 做内容创作、教程视频、访谈剪辑的，剪辑这件事基本可以从你的待办清单上拿走。没素材的配 OpenMontage，有素材的上 video-use。 好东西转给需要的兄弟。🚀 #AI视频# #开源工具# #老杨啊分享#

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