Claude Code视频剪辑教程：免费开源工具自动去口癖加字幕调色
视频剪辑的门槛，正在被一个开源项目重新定义。厌倦了为专业剪辑软件支付高昂费用或忍受复杂操作？browser-use团队开源的video-use工具，或许提供了一种全新的思路：将原始视频素材丢进文件夹，通过与Claude Code的自然对话，直接生成一条完成度极高的成品视频。
这个项目的诞生，源于一个朴素的需求：作者不想再为视频编辑器付费了。于是，他们决定自己动手，打造一个能通过对话驱动的智能剪辑工具。
它能做什么？
整个过程可以概括为：准备素材，发起对话，获得成品。你只需要告诉Claude“将这些素材剪辑成一条发布视频”，剩下的工作便会自动推进。
其功能覆盖了专业剪辑的核心环节：
自动剔除口语中的冗余部分，如“嗯”、“啊”等口头禅以及不自然的停顿；智能识别并剪掉镜头切换间的空白间隙；为每个视频片段自动调色，预设风格包括温暖的电影感或中性的冲击力，也支持完全自定义的ffmpeg滤镜链；在每个剪切点添加30毫秒的音频淡入淡出，有效消除爆音；自动生成并“烧录”到视频中的字幕，默认样式为每两词一组且全大写，当然样式完全可定制；利用Manim、Remotion或PIL等库生成动态图形叠加层，且支持多个动画并行处理；引入自评机制，每次渲染完成后，系统会在每个剪切点自动检查效果，通过后才呈现给用户；通过project.md文件持久化会话记忆，下次打开可以无缝衔接上次的编辑进度。
使用方法
# 1. 克隆并软链接到 Claude Code 技能目录
git clone https://github.com/browser-use/video-use
cd video-use
ln -s "$(pwd)" ~/.claude/skills/video-use
# 2. 安装依赖
pip install -e .
brew install ffmpeg # 必须
brew install yt-dlp # 可选，用于下载在线素材
# 3. 添加 ElevenLabs API key
cp .env.example .env
$EDITOR .env # ELEVENLABS_API_KEY=...完成上述配置后，进入存放原始视频素材的目录，在Claude中输入指令即可启动剪辑流程。所有生成的内容都会存放在素材目录下的edit/文件夹中，例如final.mp4，从而确保工具本身的目录保持整洁。
核心设计：LLM不看视频，只“读”视频
这是整个方案最具巧思之处。如何让大语言模型理解视频内容？video-use采用了一种高效的两层结构，实现了精确到单词边界的智能剪辑。
第一层是音频转录，这是每次都会加载的基础信息。系统为每个源文件调用ElevenLabs Scribe服务，获取逐词时间戳、说话人分离标记以及笑声、掌声等音频事件。所有这些信息被打包成一个约12KB的takes_packed.md文件，构成了LLM理解和操作视频的主要“文本界面”。其格式清晰明了：
## C0103 (duration: 43.0s, 8 phrases)
[002.52-005.36] S0 Ninety percent of what a web agent does is completely wasted.
[006.08-006.74] S0 We fixed this.第二层是视觉合成图，按需生成。当需要在关键决策点（如判断某处停顿是否该剪、对比不同条次的素材、验证剪切点是否合理）进行视觉确认时，timeline_view功能会为指定时间范围生成一张PNG图片。这张图综合了关键帧缩略图、音频波形以及逐词标注，为LLM提供直观的视觉参考。
这种设计的优势显而易见。试想一下，如果让LLM直接处理视频帧：30000帧乘以每帧约1500个token，那就是4500万token的庞杂噪声数据。而video-use的思路将其转化为12KB的精华文本加上少量按需生成的图片，效率不可同日而语。这其实与browser-use团队一向的理念一脉相承：为LLM提供结构化的文本信息（如DOM），而非海量的原始像素（如截图），这次只不过是把这套逻辑成功应用到了视频领域。
完整流水线
从素材到成片，整个过程是一条高度自动化的流水线：转录 → 打包 → LLM推理 → 生成编辑决策列表（EDL） → 渲染 → 自评。
尤其值得一提的是自评环节。它并非简单的流程终点，而是一个质量守门员。系统会在渲染输出的每个剪切点运行timeline_view进行检查，识别画面跳变、音频爆音、字幕遮挡等问题。只有通过这轮自查，预览才会展示给用户。如果发现问题，工具会自动尝试修复并重新渲染，最多循环3次，以此保障输出质量。
设计原则
纵观其设计，可以总结出几条清晰的原则：以文本为操作界面，视觉信息按需提供，坚决不做全帧转储；音频驱动剪辑，视觉辅助判断，剪切点优先基于语音边界和静音间隙；策略先确认后执行，执行后必自评，状态持久化保存；不对内容类型做先入为主的假设，遵循“观察-询问-剪辑”的流程；用12条硬性规则确保技术上的正确性（如避免音画不同步），在此框架之外，则充分保留创作者的艺术自由度。
相关攻略
昨天，Google 正式发布了 Gemini 3 1 Pro。表面上看是一次常规迭代，但数据公布后，业内许多人感到惊讶——推理能力几乎翻倍，专业领域表现直逼顶级竞品，价格却保持不变。简单来说，这是一次“加量不加价”的精准打法。 先看几个核心指标：ARC-AGI-2 基准测试得分暴涨 146%，从 3
人工智能不仅是技术名词，更代表一个时代。其核心算法驱动技术发展，市场规模持续扩大，企业应用广泛提升效率。伴随应用深入，数据隐私与算法公平等伦理问题凸显。从图灵测试起，AI概念逐步演化，未来将更趋向多元融合与个性化发展，持续重塑工作与生活。
面向复杂系统的SpecMode正成为AI编程新范式。它强调先撰写结构化功能规范，明确目标、边界与约束，再驱动AI分阶段生成代码。该模式通过前置规划解决起点偏差，以书面文档避免上下文坍塌，并将决策固化以确保过程可控，尤其适用于新系统搭建、大规模重构等高稳定性工程场景。
掌握PPT生成器AI，轻松提升演示效果制作PPT早已不是简单地把文字和图片堆砌在一起。如今的演示文稿，更像是一把能清晰传达想法、生动展示内容的利器。而PPT生成器AI的出现，让专业级的演示文稿变得触手可及——无需苦学设计，无需熬夜排版。下面几个实用技巧，能帮你充分释放它的潜力。方法一：选择合适的模板
篇报告：AI在教育中的应用我记得之前分享过一个观点：AI的到来，正在碘伏我们对教育这件事的传统认知。最明显的改变是什么？个性化学习体验。简单来说，AI系统会像个聪明的观察者，分析每个学生的学习习惯和成绩数据，然后量身定制专属的学习计划。这样一来，学生不再是课堂上被动听讲的听众，而是真正参与到自己学习
热门专题
热门推荐
梦幻西游175级化生寺服战装备搭配全解析 在梦幻西游高端服战圈中，175级化生寺搭配愤怒腰带与六特技，才算得上真正意义上的标配配置。 该账号虽为175级化生寺，但目前切换的是任务用的全魔属性，属性面板参考价值有限。真正值得深入拆解的，是其PK装备搭配。
魔兽世界12 0 7噬灭DH团本天赋加点全攻略 本文为大家带来的是魔兽世界12 0 7版本中，噬灭恶魔猎手在团队副本里的天赋加点推荐。以下直接附上天赋代码与截图，方便各位玩家参考对照，快速完成配置。 CgcBAAAAAAAAAAAAAAAAAAAAAAA2MmZmZmZmxwMAAAAAAAegxs
在追求高效办公与学习的当下，PPT演示已成为职场汇报、学术分享与商业路演的核心工具。然而，从零开始构思内容、设计版式、处理数据，往往需要耗费大量时间与精力。如今，随着人工智能技术的成熟，AI正深度赋能PPT制作全流程，不仅能自动化完成大量基础工作，更能帮助创作者聚焦于内容策略与创意表达，从而显著提升
多轮对话中，模型突然“失忆”，把“它”指代错了对象，这种体验确实让人头疼。尤其是在技术咨询、产品支持这类需要精确追踪实体状态的场景里，指代消解的准确性直接决定了对话的成败。 通义千问这类大模型出现代词指代不准，根源往往在于上下文信息未被有效建模或关键指代链在长对话中意外断裂。别担心，这个问题有解。下
惠普确认其2026年4月发布的BIOS固件更新存在缺陷，导致多款商用设备启动异常。受影响的设备在更新后可能卡在开机界面或反复进入BitLocker恢复状态。问题根源在于固件未能正确处理微软2023年的安全启动证书更新。惠普建议管理员在部署更新前暂停BitLocker，并为已受影响设备提供了手动修复步骤。