video-use
Скилл монтажа видео для Claude Code и Codex: агент вырезает паузы и оговорки, делает цветокоррекцию, субтитры и анимационные вставки
Средний риск
Средний уровень ставим, когда инструмент запускает код, ходит в сеть или читает файлы проекта. Перед установкой посмотрите, что он делает.
Почему такой уровень
- Агент запускает на вашей машине Python-скрипты и ffmpeg, а для анимаций при первом использовании ставит HyperFrames или Remotion через npx
- Звук всех исходников уходит в облако ElevenLabs, и каждая расшифровка тратит кредиты аккаунта
- Ключ ElevenLabs хранится открытым текстом в файле .env внутри папки скилла
Установка
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/video-useОпределит агенты на машине, проверит риск и зафиксирует версию.
Другие способы установки
Выполните в терминале в папке проекта
npx skills add browser-use/video-use --skill video-use -a claude-code -yУтилита skills ставит текущую версию из репозитория. Чтобы скилл работал во всех проектах, добавьте флаг -g.
Выполните в терминале в папке проекта
npx skills add browser-use/video-use --skill video-use -a cursor -yУтилита skills ставит текущую версию из репозитория. Чтобы скилл работал во всех проектах, добавьте флаг -g.
Выполните в терминале в папке проекта
npx skills add browser-use/video-use --skill video-use -a github-copilot -yУтилита skills ставит текущую версию из репозитория. Чтобы скилл работал во всех проектах, добавьте флаг -g.
Выполните в терминале в папке проекта
npx skills add browser-use/video-use --skill video-use -a codex -yУтилита skills ставит текущую версию из репозитория. Чтобы скилл работал во всех проектах, добавьте флаг -g.
Выполните в терминале в папке проекта
npx skills add browser-use/video-use --skill video-use -a gemini-cli -yУтилита skills ставит текущую версию из репозитория. Чтобы скилл работал во всех проектах, добавьте флаг -g.
Выполните в терминале в папке проекта
npx skills add browser-use/video-use --skill video-use -a cline -yУтилита skills ставит текущую версию из репозитория. Чтобы скилл работал во всех проектах, добавьте флаг -g.
Выполните в терминале в папке проекта
npx skills add browser-use/video-use --skill video-use -a roo -yУтилита skills ставит текущую версию из репозитория. Чтобы скилл работал во всех проектах, добавьте флаг -g.
Форк Roo Code, папки .roo те же.
Выполните в терминале в папке проекта
npx skills add browser-use/video-use --skill video-use -a opencode -yУтилита skills ставит текущую версию из репозитория. Чтобы скилл работал во всех проектах, добавьте флаг -g.
Установи https://github.com/browser-use/video-use. Сначала прочитай install.md: склонируй репозиторий в ~/Developer/video-use, поставь зависимости через uv sync или pip install -e ., проверь ffmpeg и зарегистрируй скилл символической ссылкой на всю папку в каталоге скиллов своего агента. Ключ ElevenLabs попроси у меня и запиши в .env, перед brew install спроси разрешения. После установки ничего не расшифровывай, скажи, что все готово, и жди папку с исходниками.
Другие способы из описания автора
Set up https://github.com/browser-use/video-use for me. Read install.md first to install this repo, wire up ffmpeg, register the skill with whichever agent you're running under, and set up the ElevenLabs API key — ask me to paste it when you need it. Then read SKILL.md for daily usage, and always read helpers/ because that's where the editing scripts live. After install, don't transcribe anything on your own — just tell me it's ready and wait for me to drop footage into a folder.
Промпт из README для Claude Code, Codex и других агентов с доступом к терминалу. Агент склонирует репозиторий, поставит зависимости и ffmpeg, зарегистрирует скилл и один раз спросит ключ ElevenLabs.
Проверка безопасности
Как мы проверяемСредний рискСредний уровень ставим, когда инструмент запускает код, ходит в сеть или читает файлы проекта. Перед установкой посмотрите, что он делает.
- Агент запускает на вашей машине Python-скрипты и ffmpeg, а для анимаций при первом использовании ставит HyperFrames или Remotion через npx
- Звук всех исходников уходит в облако ElevenLabs, и каждая расшифровка тратит кредиты аккаунта
- Ключ ElevenLabs хранится открытым текстом в файле .env внутри папки скилла
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
video-use монтирует ролик из сырых дублей по переписке с агентом. Вы кладете исходники в папку, запускаете в ней Claude Code или Codex и пишете задачу, например «смонтируй из этого видео к запуску». Агент расшифровывает звук через ElevenLabs Scribe с таймкодами каждого слова, читает сжатую расшифровку и режет по границам слов: убирает слова-паразиты, неудачные дубли и паузы. Картинку он смотрит только в спорных местах, через раскадровку с волной звука. Затем скрипты на ffmpeg накладывают цветокоррекцию, затухания звука по 30 мс на стыках и субтитры, а анимационные вставки параллельно собирают субагенты в HyperFrames, Remotion, Manim или PIL.
Для кого. Для авторов роликов, маркетологов и разработчиков, которые снимают говорящую голову, уроки или демо продукта и хотят отдать черновой монтаж агенту.
Подходит, если
- Есть несколько дублей одного текста и нужно собрать из лучших кусков один ролик
- Нужно вырезать паузы, «эээ» и оговорки из записи интервью или урока
- Ролику нужны субтитры, цветокоррекция и анимированные вставки без ручной работы в монтажной программе
- Монтаж растянут на несколько сессий, и прошлые решения агент берет из файла project.md
Не подходит, если
- Нет ключа ElevenLabs или звук записи нельзя отправлять во внешний сервис: без расшифровки скилл не работает
- В ролике почти нет речи, а склейки скилл ищет по словам и паузам в звуке, изображение смотрит выборочно
- Нужен ручной контроль каждой склейки на таймлайне, как в монтажной программе
Пример запроса к агенту
Смонтируй из этих дублей ролик к запуску на 60 секунд: убери оговорки и паузы, добавь субтитры и теплую цветокоррекциюОграничения
Нужны Python 3.10 или новее, ffmpeg с ffprobe и ключ ElevenLabs. Расшифровку делает облачный сервис Scribe, каждый вызов тратит кредиты аккаунта, а без ключа скилл не работает. ElevenLabs из России без VPN недоступен. Для анимаций в HyperFrames и Remotion нужен Node.js, для HyperFrames версии 22 и новее, для Manim еще LaTeX. Слушать результат агент не может, поэтому громкость он проверяет замерами ffmpeg и сообщает цифры.
Как отключить. Удалите символическую ссылку ~/.claude/skills/video-use или ~/.codex/skills/video-use, затем папку ~/Developer/video-use. Ключ ElevenLabs лежит в файле .env этой папки, при необходимости отзовите его в настройках аккаунта ElevenLabs. Готовые ролики и расшифровки остаются в папке edit рядом с исходниками.
Частые вопросы
Агент смотрит видео целиком?
Нет. Он читает расшифровку с таймкодами слов, все дубли укладываются примерно в 12 КБ текста. Раскадровку с волной звука агент строит только для спорных мест и для проверки стыков после рендера.
Куда скилл пишет файлы?
Все результаты попадают в папку edit рядом с исходниками: расшифровки, решения о склейках в edl.json, субтитры, превью и final.mp4. Исходные файлы и папку скилла он не трогает.
Можно ли обойтись без ElevenLabs?
В этом репозитории нет. Всю расшифровку делает ElevenLabs Scribe, и скилл опирается на ее таймкоды слов, спикеров и звуковые события вроде смеха.
Похожие
СкиллыСкиллы и CLI от HeyGen: агент пишет HTML-композиции и рендерит из них MP4-ролики, субтитры, моушн-графику и слайды
Blender MCP
MCP for Blender
MCP-сервер и аддон для Blender: агент создает и меняет объекты, материалы и сцены, подгружает ассеты и выполняет Python в Blender
Скиллы Remotion
Remotion Agent Skills
Официальные скиллы Remotion для создания видео на React: композиции, анимации, субтитры, карты и рендер
Агентная видеостудия для Claude Code, Cursor и Codex: сценарий, озвучка, картинки, стоковые кадры, музыка, субтитры и рендер
Коротко о README
README начинается с готового промпта для установки: его вставляют в Claude Code, Codex, Hermes или OpenClaw, и агент сам ставит репозиторий, ffmpeg и ключ ElevenLabs. Для ручной установки даны команды клонирования, символической ссылки, uv sync и brew install ffmpeg. Дальше авторы описывают два слоя, через которые модель понимает ролик: расшифровку с таймкодами слов и раскадровку с волной звука по запросу. Конвейер идет от расшифровки к списку склеек, рендеру и самопроверке, которая повторяется до трех раз. Подробные правила монтажа вынесены в SKILL.md, шаги установки для агента в install.md.
Бейдж для README
Вы автор проекта? Покажите в README, что он проверен в каталоге SkillFoxx. Уровень на бейдже обновляется сам.
[](https://skillfoxx.ru/skills/video-use?utm_source=github&utm_medium=badge&utm_campaign=readme)SKILL.md
---
name: video-use
description: Edit any video by conversation. Transcribe, cut, color grade, generate overlay animations, burn subtitles — for talking heads, montages, tutorials, travel, interviews. No presets, no menus. Ask questions, confirm the plan, execute, iterate, persist. Production-correctness rules are hard; everything else is artistic freedom.
---
# Video Use
## Principle
1. **LLM reasons from raw transcript + on-demand visuals.** The only derived artifact that earns its keep is a packed phrase-level transcript (`takes_packed.md`). Everything else — filler tagging, retake detection, shot classification, emphasis scoring — you derive at decision time.
2. **Audio is primary, visuals follow.** Cut candidates come from speech boundaries and silence gaps. Drill into visuals only at decision points.
3. **Ask → confirm → execute → iterate → persist.** Never touch the cut until the user has confirmed the strategy in plain English.
4. **Generalize.** Do not assume what kind of video this is. Look at the material, ask the user, then edit.
5. **Artistic freedom is the default.** Every specific value, preset, font, color, duration, pitch structure, and technique in this document is a *worked example* from one proven video — not a mandate. Read them to understand what's possible and why each worked. Then make your own taste calls based on what the material actually is and what the user actually wants. **The only things you MUST do are in the Hard Rules section below.** Everything else is yours.
6. **Invent freely.** If the material calls for a technique not described here — split-screen, picture-in-picture, lower-third identity cards, reaction cuts, speed ramps, freeze frames, crossfades, match cuts, L-cuts, J-cuts, speed ramps over breath, whatever — build it. The helpers are ffmpeg and PIL. They can do anything the format supports. Do not wait for permission.
7. **Verify your own output before showing it to the user.** If you wouldn't ship it, don't present it.
## Hard Rules (production correctness — non-negotiable)
These are the things where deviation produces silent failures or broken output. They are not taste, they are correctness. Memorize them.
1. **Subtitles are applied LAST in the filter chain**, after every overlay. Otherwise overlays hide captions. Silent failure.
2. **Per-segment extract → lossless `-c copy` concat**, not single-pass filtergraph. Otherwise you double-encode every segment when overlays are added.
3. **30ms audio fades at every segment boundary** (`afade=t=in:st=0:d=0.03,afade=t=out:st={dur-0.03}:d=0.03`). Otherwise audible pops at every cut.
4. **Overlays use `setpts=PTS-STARTPTS+T/TB`** to shift the overlay's frame 0 to its window start. Otherwise you see the middle of the animation during the overlay window.
5. **Master SRT uses output-timeline offsets**: `output_time = word.start - segment_start + segment_offset`. Otherwise captions misalign after segment concat.
6. **Never cut inside a word.** Snap every cut edge to a word boundary from the Scribe transcript.
7. **Pad every cut edge.** Working window: 30–200ms. Scribe timestamps drift 50–100ms — padding absorbs the drift. Tighter for fast-paced, looser for cinematic.
8. **Word-level verbatim ASR only.** Never SRT/phrase mode (loses sub-second gap data). Never normalized fillers (loses editorial signal).
9. **Cache transcripts per source.** Never re-transcribe unless the source file itself changed.
10. **Parallel sub-agents for multiple animations.** Never sequential. Spawn N at once via the `Agent` tool; total wall time ≈ slowest one.
11. **Strategy confirmation before execution.** Never touch the cut until the user has approved the plain-English plan.
12. **All session outputs in `<videos_dir>/edit/`.** Never write inside the `video-use/` project directory.
Everything else in this document is a worked example. Deviate whenever the material calls for it.
## Directory layout
The skill lives in `video-use/`. User footage lives wherever they put it. All session outputs go into `<videos_dir>/edit/`.