GitHub Trending 收录了 browser-use 的 video-use 项目，该项目自称完全开源：用户把原始素材放进文件夹，再与 Claude Code、Codex 等具备 shell 权限的编码智能体对话，就能得到 final.mp4。按项目 README 描述，流程会剪掉口癖词与停顿、逐段自动调色、在每个剪辑点加 30ms 音频淡入淡出并烧入字幕，还用并行子智能体生成动画叠加。其核心做法是把 ElevenLabs Scribe 的词级转写打包成约 12KB 的文本作为模型主要“阅读”材料，只在判断点生成时间线缩略图，而不是把整段视频逐帧喂给模型。