video-use: عدّل الفيديوهات بمحادثة مع Claude Code — من فريق browser-use (24 ألف نجمة)

فريق browser-use (اللي عمل واحدة من أشهر أدوات الـ AI browser automation) طلع مشروع جديد اسمه video-use — أداة بتخليك تعدّل فيديوهاتك بمحادثة مع Claude Code (أو أي agent شغّال بـ shell). بترمي ملفات المصدر في فولدر، بتكتب “اعمل video launch من ده”، وبتلاقي final.mp4 جاهز.

الريبو وصل 24.2 ألف نجمة على GitHub و2.9 ألف fork، ومرخّص MIT — رقم جنوني لريبو عمره أسابيع بس.

الفكرة الذكية: الـ LLM بيقرأ الفيديو، مش بيتفرج عليه

لو حاولت تعدّي فيديو كامل على GPT-4 Vision، هتلاقي المشكلة: فيديو 20 دقيقة = 30 ألف فريم × 1500 token لكل واحد = 45 مليون token من الضوضاء. video-use بيحل ده بذكاء:

• Layer 1 — Transcript دايماً محمّل: ElevenLabs Scribe بيديك word-level timestamps + speaker diarization + audio events (ضحك، تصفيق، تنهيدة). كل الـ takes بتتحزم في ملف takes_packed.md واحد بحجم ~12 كيلوبايت — ده اللي الـ LLM بيقراه
• Layer 2 — Visual composite عند الحاجة: أداة timeline_view بتنتج PNG (filmstrip + waveform + word labels) لأي مدى زمني. بس عند نقاط القرار — pause غامض، مقارنة بين takes، تأكيد نقطة قطع

النتيجة: 12 كيلوبايت نص + كام PNG بدل 45 مليون token. نفس فلسفة browser-use اللي بيدي الـ LLM DOM منظم بدل screenshot.

بيعمل ايه فعلاً؟

• حذف كلمات الملء — “أم”، “آه”، false starts، والصمت بين الـ takes
• Color grading أوتوماتيك لكل segment — warm cinematic أو neutral punch أو أي ffmpeg chain مخصص
• Audio fades بـ 30ms عند كل cut عشان مفيش pop في الصوت
• حرق subtitles بستايلك — الافتراضي: كلمتين UPPERCASE في كل chunk، لكن قابل للتخصيص بالكامل
• Animation overlays عن طريق HyperFrames أو Remotion أو Manim أو PIL — كل animation بتشتغل في sub-agent موازي
• Self-evaluation — بيراجع الـ output نفسه عند كل cut boundary قبل ما يوريك حاجة
• ذاكرة الجلسة في project.md — لما ترجع بعد أسبوع، بيكمل من فين وقف

الـ Pipeline كامل

Transcribe → Pack → LLM Reasons → EDL → Render → Self-Eval
                                                      │
                                                      └─ issue? fix + re-render (3 marraat max)

الـ self-eval loop بيشغّل timeline_view على الـ output المرندر عند كل cut boundary — بيمسك الـ visual jumps والـ audio pops والـ subtitles المخفية. Preview بيوصلك بعد ما يعدي الفحص.

التثبيت — أسهل طريقة

ألصق ده لـ Claude Code (أو Codex أو Hermes أو أي agent بـ shell):

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.

الـ agent هيتولّى الـ clone والـ dependencies وتسجيل الـ skill، وهيطلب منك ElevenLabs API key مرة واحدة (تجيبه من elevenlabs.io).

الاستخدام اليومي

cd /path/to/your/videos
claude    # أو codex, hermes

# في الجلسة، اكتب:
> edit these into a launch video

بيعمل inventory للـ sources، بيقترح استراتيجية، بيستنى موافقتك، وبعدين ينتج edit/final.mp4 جنب مصادرك. كل الـ outputs في <videos_dir>/edit/ — فولدر الـ skill يفضل نضيف.

المبادئ التصميمية

• Text + visuals عند الطلب — مفيش frame dumping
• الصوت هو الأساس، الصورة تتبعه — القطع بيجي من حدود الكلام والصمت
• Ask → confirm → execute → self-eval → persist — مفيش قطع بدون موافقتك على الاستراتيجية
• مفيش افتراضات عن نوع المحتوى — talking head, montage, tutorial, travel, interview كلهم نفس الحاجة
• 12 قاعدة صارمة، حرية فنية في اللي متبقي — الجودة الإنتاجية غير قابلة للتفاوض، الذوق قابل

لمين ده؟

• YouTubers بينتجوا محتوى تعليمي أو talking head أسبوعياً
• صنّاع محتوى Short-form (Reels, TikTok, Shorts) عايزين speed
• وكالات إنتاج فيديو بتخدم كذا عميل — automation للـ rough cuts
• مدرّبون بيصوّروا محاضرات ومحتاجين final cut نظيف من غير رفع Premiere
• Podcasters بيصوّروا فيديو + صوت وعايزين final بسرعة

ليه ده مهم؟

معظم أدوات الـ AI video editing حالياً بتشتغل بطريقة “خد الفيديو، أعطيني نتيجة” بدون شفافية أو تحكم. video-use مختلف: بيوريك الاستراتيجية قبل التنفيذ، بيسمح لك تعدّل، بيشغّل self-eval بعد كل render، وبيحفظ ذاكرة الجلسة. ده أقرب لـ workflow محرر بشري محترف مدعوم بـ AI، بدل ما يبقى black box.

إضافة كونه open source بترخيص MIT، ومدعوم من فريق ذو سمعة قوية (browser-use)، ده يبقى الاختيار الأول للـ developers اللي عايزين يبنوا pipelines فيديو حقيقية بدل الاعتماد على SaaS بأسعار عالية.