video-use : éditer des vidéos avec Claude Code
video-use donne aux agents de codage des commandes pour couper, organiser, sous-titrer et rendre des projets vidéo.
En bref
- De quoi s’agit-il ?
- L'approche du dépôt pour éditer des vidéos sans préréglages ni menus, et ce que le README dit et ne dit pas.
- À qui s’adresse-t-il ?
- Le README décrit un flux complet du métrage brut à final.mp4, mais laisse non vérifiés les coûts d'API, les exigences système et les versions des dépendances.
- Puis-je l’utiliser commercialement ?
- Oui. MIT est une licence permissive : vous pouvez utiliser, modifier et vendre un logiciel qui en dépend, à condition de conserver les mentions de droit d’auteur et de licence.
- Est-il encore maintenu ?
- Oui. Les derniers commits datent d’il y a 17 jours.
- En quel langage est-il écrit ?
- Principalement Python, d’après les statistiques de langage de GitHub.
Ces réponses reposent sur les données GitHub du projet (dernière synchronisation le 15 septembre 2026) et sur notre analyse. Elles ne constituent pas un avis juridique.
ANALYSE OPEN SOURCE APPROFONDIE
Éditer des vidéos sans préréglages ni menus
video-use est un projet Python qui ajoute une compétence d'édition vidéo à Claude Code. Le README décrit un flux où des images brutes sont placées dans un dossier, vous discutez avec Claude Code et recevez un final.mp4. Il vise les talking heads, les montages, les tutoriels, les voyages et les interviews, et est conçu pour fonctionner sans préréglages ni menus. Le README qualifie le projet de 100% open source et suggère de l'essayer dans Browser Use Cloud, un service distinct. Les métadonnées du dépôt listent 19 543 étoiles, 2 421 forks et 61 problèmes ouverts sur la branche principale.
Le dépôt prend une position nette : l’agent édite la vidéo à partir d’un prompt et d’outils, sans imposer une interface de préréglages. L’absence de vision directe de la vidéo limite cependant les garanties : le modèle raisonne sur les fichiers, les métadonnées et les rendus produits, plutôt que sur une compréhension visuelle native de chaque image.
Ce que comprend le passage d'édition
Le README énumère sept capacités concrètes. Il coupe les mots de remplissage comme euh, les faux départs et les temps morts. Il applique un étalonnage automatique avec un style cinématographique chaleureux, un punch neutre ou une chaîne ffmpeg personnalisée. Il ajoute des fondus audio de 30ms à chaque coupe pour éviter les pops. Il grave des sous-titres, par défaut en blocs majuscules de deux mots, entièrement personnalisables. Il génère des superpositions d'animations avec HyperFrames, Remotion, Manim ou PIL, chacune lancée dans un sous-agent parallèle. Il auto-évalue la sortie rendue à chaque limite de coupe et persiste la mémoire de session dans project.md afin qu'une session ultérieure reprenne là où la précédente s'est arrêtée. Toutes les sorties sont écrites dans un dossier edit/ à côté des vidéos sources, ce qui garde le répertoire de compétences propre.
Une évaluation concrète doit utiliser une copie courte du média, examiner les scripts et comparer le fichier final avec la demande. La boucle d’auto-évaluation décrite dans le README peut aider à corriger un résultat, mais elle ne remplace pas une inspection humaine du montage, du son et des coupes. Les commandes exactes et les conventions de sortie doivent être confirmées dans le dépôt avant un traitement en volume.
Configuration via un prompt d'agent ou à la main
Le README propose un prompt de configuration à coller dans Claude Code, Codex, Hermes, Openclaw ou tout agent avec accès shell. Le prompt demande à l'agent de lire install.md, de configurer ffmpeg, d'enregistrer la compétence et de demander une clé API ElevenLabs, puis de lire SKILL.md et helpers/. Après l'installation, l'agent est invité à ne pas transcrire lui-même et à attendre que des images soient déposées dans un dossier. Un chemin d'installation manuelle est également documenté : cloner le dépôt, créer un lien symbolique vers le répertoire skills de l'agent, exécuter uv sync ou pip install -e ., installer ffmpeg avec brew, installer optionnellement yt-dlp, et copier .env.example vers .env pour ajouter la clé ElevenLabs. Le README note que le répertoire de compétences reste propre car les sorties se trouvent dans <videos_dir>/edit/.
Pourquoi le LLM ne regarde jamais la vidéo
L'idée centrale est que le modèle de langage lit une transcription plutôt que des images. Chaque source reçoit un appel ElevenLabs Scribe qui produit des horodatages au niveau du mot, la diarisation des locuteurs et des événements audio comme des rires ou des applaudissements. Toutes les prises sont regroupées dans un fichier takes_packed.md d'environ 12 Ko, que le README appelle la vue de lecture principale du LLM. Lorsqu'un point de décision nécessite un contexte visuel, timeline_view génère un PNG composite avec filmstrip, forme d'onde et étiquettes de mots. Le README oppose cela à une approche naïve qui déverserait 30 000 images à 1 500 jetons chacune, soit 45M jetons de bruit, contre 12 Ko de texte plus quelques PNG pour video-use. Il fait une analogie avec browser-use donnant à un LLM un DOM structuré plutôt qu'une capture d'écran.
Le pipeline et la boucle d'auto-évaluation
Le pipeline documenté est Transcribe, Pack, LLM Reasons, EDL, Render et Self-Eval. L'étape d'auto-évaluation exécute timeline_view sur la sortie rendue à chaque limite de coupe pour détecter les sauts visuels, les pops audio et les sous-titres cachés. Si un problème est trouvé, le pipeline corrige et rend à nouveau, jusqu'à trois fois. L'aperçu n'est affiché qu'après la réussite de l'auto-évaluation. Le README précise également que le LLM ne regarde jamais la vidéo ; il lit la transcription et les composites à la demande. Le fichier de sortie est edit/final.mp4 à côté des sources.
Principes de conception du README
Le README énumère cinq principes de conception. Le texte plus les visuels à la demande remplace le déversement d'images. L'audio est primaire, les visuels suivent, et les coupes sont basées sur les limites de parole et les silences. Le flux demande, confirme, exécute, auto-évalue et persiste. Il ne fait aucune hypothèse sur le type de contenu et impose 12 règles de production strictes tout en laissant la liberté artistique ailleurs. Le README renvoie à SKILL.md pour les règles de production complètes et le savoir-faire de montage, et déclare que l'exactitude de production n'est pas négociable, tandis que le goût l'est.
Licence et points de vérification ouverts
Le dépôt est sous licence MIT, qui accorde la permission d'utiliser, copier, modifier, fusionner, publier, distribuer, sous-licencier et vendre des copies, le logiciel étant fourni tel quel et sans garantie. Le README n'établit pas le coût ou les limites de taux d'ElevenLabs Scribe, ne dit pas si la clé API est requise pour chaque opération, ni quels matériels et systèmes d'exploitation sont pris en charge. Il ne contient pas non plus de numéros de version ni de journal des modifications. Ces points restent des questions de vérification pour quiconque adopte le projet. Le texte de licence lui-même ne dit rien sur la posture de sécurité, le support ou la responsabilité au-delà des termes MIT.
Contrôle propre au dépôt · browser use video use
Le contrôle doit rester attaché à video-use. Le dépôt prend une position nette : l’agent édite la vidéo à partir d’un prompt et d’outils, sans imposer une interface de préréglages. L’absence de vision directe de la vidéo limite cependant les garanties : le modèle raisonne sur les fichiers, les métadonnées et les rendus produits, plutôt que sur une compréhension visuelle native de chaque image.
Conclusion éditoriale
Le README décrit un flux complet du métrage brut à final.mp4, mais laisse non vérifiés les coûts d'API, les exigences système et les versions des dépendances.
Notes de la communauté