browser-use团队刚开源的video-use，免费且已斩获16.5k star。
亲测后反馈，这工具还省Token，确实有点门道。
它不让大模型死盯画面，而是先用ElevenLabs Scribe把视频压缩成一份12KB的时间戳文本，像改Word文档一样在文字层动刀。
拆解下特点：
1️⃣ 每个切口自动补30ms音频淡化，咔哒爆音直接抹平
2️⃣ 要特效就派子任务跑Manim或Remotion，分工清清楚楚
3️⃣ 渲染完自己质检，有瑕疵打回重来，最多硬磕3次
传统AI剪辑动不动烧掉几千万Token，它走文本骨架这条路硬是给省下来了。
直达链接：https://github.com/browser-use/video-use
连Codex都能这么玩视频了，你还在手动逐帧剪辑熬大夜吗？