口头禅、口误、停顿和重复的几遍，先给方案再动刀
browser-use · MITvideo-use 是 browser-use 出品的开源剪辑 skills，协议是 MIT。它不是剪辑软件，是给 Codex 这类编程助手用的一份说明加一组脚本：你把原始口播放进一个文件夹，用一句话说明要剪成什么样，它读文字稿再下刀，成片落在素材旁边的 edit 目录里。
它不看完整段视频。转写走 ElevenLabs 的 Scribe，每个字带时间，连笑声、掌声这类声音事件也记下来，全部素材收成一份大约十几 KB 的文字稿。剪切点落在词边界上，不切在字中间，切口两侧留几十到两百毫秒，每个切口做 30 毫秒淡入淡出，避免爆音。方案要先用大白话给你看，你点头它才写剪辑表。剪完会把成片的每个剪切点再看一遍，有画面跳、爆音或字幕被挡住，就改完重出，最多三轮。
和 Codex 的接法是把官方安装说明发给它：克隆仓库、装好 ffmpeg、把整个目录注册进 Codex 的 skills 目录。注册时必须链整个目录，脚本和说明要放在一起。日常不用记命令，在素材所在的文件夹里打开 Codex，直接说人话。
| 项目 | 说明 |
|---|---|
| 输入 | 一个文件夹里的原始视频。口播、对谈、教程、旅拍都能进，不限一种模板 |
| 适用类型 | 这条教程只讲口播清理：口头禅、说错重来的半句、停顿、同一句的多遍 |
| 输出 | 素材目录下的 edit 文件夹：文字稿、剪辑表、预览片、成片。原文件不动 |
| 语言 / 兼容 | 转写按你的素材语言走。官方示例是英文口头禅。Codex、Claude Code 以及能跑脚本的助手都能装 |
| 规格 / 容量 | 多条素材会打成一份文字稿再一起看。自检不过就重出，上限三轮 |
| 环境 | 建议配置 |
|---|---|
| 操作系统 | Windows、macOS、Linux 都可以。下面的手动命令按 Windows 写 |
| 运行环境 | Python 3.10 或更高。有 uv 就用 uv sync，没有就用 pip 安装当前目录 |
| 硬件 | 不需要显卡。转写不在本机跑，剪辑靠 ffmpeg |
| 低配 / 无卡方案 | 普通办公电脑就能剪。做动画叠层才需要 Node，口播清理用不到 |
| 关键依赖 | ffmpeg 和 ffprobe（4.x 以上即可）、Python 包 requests、librosa、matplotlib、pillow、numpy，以及你自己的 ElevenLabs key |
在 Codex 里新建对话，粘贴下面这段。仓库地址在本页顶部的折叠链接里，需要时把链接一并贴给它。装完它应该停下来等你，不要自己开始转写。
先读仓库里的 install.md，把 video-use 装好：克隆到一个固定目录，装好 ffmpeg，把整个目录注册进 Codex 的 skills。转文字要用 ElevenLabs 的 key，需要时再问我要。装完不要自己转写，告诉我可以了，等我把口播放进文件夹。
在 GitHub 搜索 browser-use/video-use，克隆到用户目录下的 Developer\video-use，不要放临时目录。然后在这个目录里装依赖。
cd $env:USERPROFILE\Developer\video-use
uv sync
ffmpeg 和 ffprobe 必须在命令行里能直接调用。Windows 上可以用 winget 装。注册 skills 时链的是整个仓库目录，不是单独一个说明文件。软链接没权限时，用目录联接。
winget install Gyan.FFmpeg
ffmpeg -version
New-Item -ItemType Junction -Force -Path "$env:USERPROFILE\.codex\skills\video-use" -Target "$env:USERPROFILE\Developer\video-use"
Codex 真正会跑的脚本：
| 脚本 | 作用 |
|---|---|
transcribe.py | 单条素材转写。结果按源文件缓存，文件没变就不会重新转 |
transcribe_batch.py | 整个文件夹一起转，多条素材并行 |
pack_transcripts.py | 把转写收成一份文字稿，停顿超过半秒或换人就换行 |
timeline_view.py | 只在拿不准的切口上出一张胶片条加波形，不是拿来扫完全片的 |
render.py | 按剪辑表出片。加 --preview 先出一版快的，确认后再出成片 |
grade.py | 调色。口播清理可以不加，不写就按原画面出 |
没有 key 就转不了文字，后面的剪辑也做不了。到 ElevenLabs 的设置页复制 key，交给 Codex，让它写进仓库根目录的 .env，不要把 key 回显出来，也不要提交这个文件。然后把录好的口播放进一个文件夹，在那个文件夹里打开 Codex，发下面这句。
把这几段剪成一条，口头禅和停顿都去掉，同一句录了几遍的留最顺的那遍，先给我看方案。
它是 skills，不是一条要你自己记的命令。Codex 读到说明之后，会自己去跑转写、打包文字稿、写剪辑表、出预览。你要盯的只有两件事：方案对不对，成片的切口顺不顺。想让它每次都先停下来，在项目的 AGENTS.md 里写一句：剪视频必须先给出方案，点头之后才能动刀。
| 项目 | 只按音量切静音 | video-use 剪口播 |
|---|---|---|
| 口头禅 | 有声音就留着 | 文字稿里还在，就可以按字剪 |
| 说错重来 | 两句都会留下 | 留完整的那句 |
| 同一句多遍 | 不会挑 | 对照文字稿留最顺的一遍 |
| 动手之前 | 直接切 | 先给方案，点头才剪 |
| 剪完 | 没有回看 | 每个剪切点再看一遍，最多三轮 |
只看音量的工具听不出「嗯」和说错的半句，也不会在好几遍里挑一遍。video-use 先有逐字文字稿，再决定留哪一句。
官方举的口头禅例子是英文的 um、uh。它要求转写保留口头禅原样，不要归一化掉。中文的「嗯」「啊」「那个」能不能留下来，取决于那一次转写有没有把它们写进文字稿。写进去了就能剪，没写进去就剪不到。这条还没有在本机用中文口播跑过，不要默认一定成功。
不要。转写不在本机跑，本机只需要 ffmpeg 能用。
不能开始剪。没有逐字文字稿，它不会下刀。key 写进仓库根目录的 .env，不要提交。
新开一个终端再试 ffmpeg -version。刚装完的话，原来的 Codex 窗口可能还看不到新的命令路径，重开一次对话。
软链接经常要管理员权限。改用目录联接，把整个仓库指到用户目录下的 .codex\skills\video-use。只复制说明文件是不够的，脚本必须在旁边。
官方规则是先确认方案再动刀。在 AGENTS.md 里写上「剪视频必须先给出方案」。已经剪了也不用慌，原素材不会被改，成片在 edit 目录，不满意就让它按你的话改剪辑表再出一版，不用重新转写。
口播清理可以只剪。调色用 grade.py，字幕在出片的最后一步烧进去，动画叠层才需要另外装 Node。不做这些，就在给它的那句话里写明：只剪口播，不加字幕、不调色。
仓库是 MIT 协议。转写用的是你自己的 ElevenLabs 账号，那一部分按对方的条款走。