browser-use 团队最近开源的 video-use，已经冲到 1.6 万+ Star，而且还是免费的。

它最有意思的地方，是不让模型反复看视频画面。

先用 ElevenLabs Scribe 把视频解析成带时间戳的文本，让模型直接在“文字时间线”上完成剪辑。

几个细节挺狠👇
① 切点自动处理淡音
每个剪辑点补 30ms 淡化，减少突兀的爆音。

② 复杂效果交给专门工具
需要动画就调用 Manim / Remotion，不让一个 Agent 什么都干。

③ 渲染后自动验片
发现问题自己回炉，最多连续修 3 次。

核心思路其实很简单：

把视频变成模型更容易处理的“文本骨架”，再让 Agent 动手剪。

所以它不只是“让 Codex 会剪视频”，更像是在换一种 AI 剪辑的工作方式。

现在连视频都能交给 Agent 了，你还在手动拖时间轴？

#howto入门codex #howto实现一万种vibecoding #howto入门vibecoding #ai #AI工具 #大模型 #codex #howto用好AI #人工智能 #科技