video-use

video-use是一个开源项目，支持通过Claude Code、Codex或Hermes等编码智能体完成视频剪辑。用户只需将原始素材放入指定文件夹，与智能体对话即可获得成品final.mp4。该工具适用于包括人物访谈、混剪、教程、旅行记录、采访在内的各类内容，无需预设或菜单操作。 核心能力包括： - 自动删除语气词（umm、uh）、口误内容以及不同镜头间的无效空白 - 支持暖调电影感、中性增强或自定义ffmpeg链路的自动调色 - 每次剪辑点设置30毫秒音频淡入淡出，避免音频爆音 - 支持烧录自定义样式的字幕，默认按2词大写分块显示 - 可通过HyperFrames、Remotion、Manim或PIL生成动画叠加层，由并行子智能体处理 - 每次剪辑点渲染完成后自动评估输出效果，再向用户展示结果 - 在project.md中持久化会话记忆，保障跨会话的连续性 该系统的工作逻辑是让大模型通过两层信息读取视频内容，而非直接观看视频。第一层是ElevenLabs Scribe生成的音频转录文本，包含词级时间戳、说话人分离和音频事件信息，打包为约12KB的文本文件。第二层是按需生成的视觉合成图（胶片条+波形+词标签PNG），仅在决策节点生成。这种方式避免了处理海量原始帧的token消耗。 整体流程为：转录 -> 打包 -> 大模型推理 -> 生成EDL（编辑决策列表）-> 渲染 -> 自我评估，其中包含自我评估循环，会检查剪辑点处的渲染效果，最多可自动修复3次问题再向用户展示预览。 安装可通过粘贴自动化提示词完成自动安装，也可手动克隆仓库、安装依赖（uv/pip、ffmpeg、yt-dlp）、添加ElevenLabs API密钥完成配置。 设计原则强调以文本和按需视觉信息为核心，音频优先、视觉内容跟随音频，执行前需确认策略，不做内容假设，同时设置12条硬性制作规则，其余部分保留创作自由。