概要

browser-use チームが開発した、Claude Code のスキルとして動作する動画編集自動化ツール。GitHub リポジトリ browser-use/video-use で公開。カメラに向かって話した素材を Claude に渡すだけで final.mp4 を生成できる。

設計の核心: LLM は動画を「見ない」

従来の素朴なアプローチ（30,000 フレーム × 1,500 トークン = 4,500 万トークン）の代わりに、2 層の情報表現を採用する:

層内容容量
Layer 1（常時ロード）ElevenLabs Scribe による音声トランスクリプト（takes_packed.md）約 12KB
Layer 2（必要時のみ）フィルムストリップ + 波形 + ワードラベルの PNG判断が必要な場合のみ生成

browser-use が LLM に DOM を渡すのと同じ発想で、動画に対しては「テキスト + 必要時の画像」という形で情報を渡す。

主な機能

  • フィラーワード自動カット: 「えー」「あの」「umm」「uh」などと無音部分を自動除去
  • 自動カラーグレーディング: セグメントごとにプリセットまたはカスタム ffmpeg チェーンを適用
  • 字幕自動生成: デフォルトは 2 ワードの大文字チャンク形式
  • 30ms オーディオフェード: すべてのカット点で自動適用
  • アニメーションオーバーレイ: Manim / Remotion / PIL によるアニメーションをサブエージェントで並列生成
  • 自己評価ループ: レンダリング後に全カット境界を自動チェック、最大 3 回まで自動修正
  • セッションメモリ: project.md に状態を保存して次回セッションで継続

セットアップ

1
2
3
4
5

git clone https://github.com/browser-use/video-use
ln -s "$(pwd)/video-use" ~/.claude/skills/video-use
pip install -e video-use
brew install ffmpeg
# .env に ELEVENLABS_API_KEY を設定

使い方

動画素材フォルダに移動して Claude Code を起動し、自然言語で指示するだけ。出力はすべて <videos_dir>/edit/ に格納される。

関連ページ

  • Claude Code — スキルとして統合されている実行環境

ソース記事