用途 video-use 是 browser-use 开源的对话式视频剪辑工具（skill），供 Claude Code、Codex 等编程智能体调用，用自然语言对原始多take视频素材进行剪辑。它不把成千上万帧画面直接送进模型上下文，而是读取一份紧凑的词级转写文件 takes_packed.md（约 12KB，来自 ElevenLabs Scribe），仅在需要判断的节点通过 timeline_view（胶片条、波形与词标签合成的 PNG）查看画面。用户素材保持原样，所有输出写入 <videos_dir>/edit/。
主要能力
- 通过自然对话完成多take素材的剪辑。
- 剔除填充词（umm、uh、口误、起头重来）与take之间的空白。
- 对片段自动调色，可用暖色电影感、中性有力或自定义 FFmpeg 链。
- 在片段边界加 30ms 音频淡入淡出，避免爆音。
- 生成并烧录自定义样式字幕（两词大写分块、卡拉OK、下三分之一等）。
- 通过并行子智能体添加由 HyperFrames、Remotion、Manim 或 PIL 生成的动画叠加层。
- 在 <videos_dir>/edit/project.md 中保存多轮剪辑上下文与决策。
使用方式
- 环境检查：确认 ffmpeg、ffprobe 在 PATH 中；设置 ELEVENLABS_API_KEY（环境变量或 video-use 仓库根的 .env）；在 video-use 工作区内用 uv sync 或 pip install -e . 安装依赖；确认目标目录存在原始素材（ls -la /path/to/raw/videos）。
- 转录：python helpers/transcribe_batch.py /path/to/raw/videos 批量并行转录；python helpers/pack_transcripts.py --edit-dir /path/to/raw/videos/edit 打包成短语级 Markdown；阅读 takes_packed.md 查看口播take、说话人轮次与静音间隙。
- 对话与方案：与用户确认目标时长、画幅（16:9 或 9:16）、节奏、必须保留的片段与视觉风格，形成 4–8 句剪辑策略（take 选择、切点方案、字幕样式、叠加层位置），待用户确认后再生成剪辑清单或渲染。
- 执行剪辑：产出 edl.json 并渲染，需遵守硬性规则——字幕在滤镜链最后烧录；逐段提取调色后用 -c copy 无损拼接；每个片段边界加 30ms 音频淡入淡出；叠加层用 setpts=PTS-STARTPTS+T/TB 平移起点；主 SRT 时间戳对齐输出时间线；切点吸附到词边界，不在词中间切；切边加 30–200ms 余量吸收 ASR 漂移。预览命令：python helpers/render.py /path/to/raw/videos/edit/edl.json -o /path/to/raw/videos/edit/preview.mp4 --preview --build-subtitles。
- 自检：对渲染结果在切点附近（±1.5s）运行 timeline_view.py，检查跳切、波形尖峰（爆音）、字幕遮挡；用 FFmpeg ebur128 检查响度；修复后重渲染，自检最多 3 轮。
适用场景 多take口播或教程素材的对话式精剪、去口癖与空白、自动调色、样式化字幕、动画叠加、跨会话延续剪辑决策。
限制与不适用场景 播客、网络研讨会等长视频的 9:16 竖屏高光切片并跟踪说话人，应使用 autoclip；按主题或关键词用素材库与 TTS 从零生成短视频，应使用 moneyprinter-turbo；用 Remotion 从零构建代码优先的 React 视频合成，应使用 video-production；用 2.5D 页面相机配方卡制作产品发布宣传片，应使用 video-shotcraft；驱动原生 Rust 非线性视频编辑器 GUI 或 MCP 服务器，应使用 filmcraft 或 palmier-pro。本技能依赖 ffmpeg/ffprobe 与 ElevenLabs 转录，其他平台与收费细节暂未提供。