19:58
shao__meng@shao__meng
shao__meng@shao__meng精选
推荐理由：browser-use 新出开源视频剪辑 Skill，让 AI 代码助手像读文档一样读视频，只靠 12KB 文本，比直接看帧的方案轻量太多。
browser-use
共 1 条相关 AI 资讯
7月2日
19:58
browser-use 团队推出开源 Skill「video-use」，面向 Codex、Claude Code 等 AI Coding Agents。核心思路是让 LLM 读取由 ElevenLabs Scribe 转写的约 12KB 文本（含逐词时间戳、说话人分离、音频事件标记）来理解视频，仅在决策点调用 timeline_view.py 生成胶片帧+波形+字幕的 PNG 复合图。技术流水线包含 Transcribe→Pack→Reason→EDL→Render→Self-Eval 六个环节，剪辑基于 ffmpeg 分段提取与无损拼接。项目总结 12 条硬规则，涵盖字幕最后叠加、30ms 淡入淡出、PTS 时移等关键细节。