Claude Code монтирует видео по стенограмме: как работает video-use с 30 000 звёзд

Открытый проект video-use от команды browser-use превращает Claude Code в автоматического видеомонтажёра. Claude Code — это версия Claude, которая работает на вашем компьютере и сама открывает файлы, запускает программы и создаёт новые. Видео-навык (в терминологии агентов — «скилл», то есть пакет инструкций и скриптов под одну задачу) появился на GitHub весной 2026 года, лежит под лицензией MIT и за полгода собрал больше 30 000 звёзд. Вы кладёте исходник в папку, пишете, что убрать и что добавить, и через несколько минут рядом лежит готовый ролик. Работает скилл и с Codex от OpenAI, но инструкция по установке написана под Claude Code.

Почему текстовая модель справляется с видео

Claude не открывает видеофайл целиком. Он работает со стенограммой. Представьте распечатку интервью, где у каждого слова стоит время произнесения. Вы вычёркиваете «э-э», повторы и неудачные фразы, а помощник режет запись по вашим пометкам. Так устроен и конвейер:

• Запись расшифровывается в текст с точным временем каждого слова. Отмечены паузы, смех, аплодисменты и смена говорящего.
• Claude читает текст и решает, что оставить.
• Если место непонятное (долгая пауза, два похожих дубля), он смотрит несколько кадров из этого фрагмента.
• Решения записываются списком склеек: «с 0:12 по 0:47, затем с 1:03 по 1:30».
• FFmpeg, бесплатная программа для работы с видео, собирает ролик по этому списку.
• Claude проверяет стыки и при ошибках переделывает монтаж, до трёх попыток.

Экономика токенов: гигабайты превращаются в 12 килобайт

Главная инженерная идея в сжатии. Все дубли упаковываются в один файл takes_packed.md размером около 12 КБ. Это несколько тысяч токенов, которые легко помещаются в контекст модели. Для спорных мест скилл строит картинку timeline_view: раскадровка, волна звука и подписи слов. Решения хранятся в EDL (edit decision list, список монтажных решений), а состояние проекта лежит в project.md, поэтому работу можно продолжить в следующей сессии.

Тот же приём browser-use применил к управлению браузером: агенту дают не скриншот страницы, а её структурированное текстовое описание. Здесь вместо DOM выступает транскрипт с таймкодами.

Стоимость зависит от длины записи. Расшифровка тарифицируется по минутам, а Claude тратит больше токенов на длинный текст. Часовой проект заметно дороже десятиминутного, и на подписке Pro на нём легко упереться в лимит. Для Claude Code нужна подписка Pro (от $20 в месяц) или Max либо API-ключ с оплатой за токены. Для пользователей из России в статье предлагается вариант с оплатой в рублях через SpeShu.AI, где доступны модели Claude Opus 5.5 и Claude Sonnet 5.

Что умеет, где слабо и что уходит в облако

Сильная сторона монтажа — речь:

• вырезает слова-паразиты, оговорки и длинные паузы;
• режет между словами, а не посреди звука;
• при повторах оставляет лучший дубль;
• ставит аудиофейд 30 мс на каждой склейке, чтобы не было щелчков;
• делает цветокоррекцию, субтитры и заставки.

Анимации Claude программирует, а не рисует. Для этого есть три инструмента:

• Remotion: продуктовые ролики, интерфейсы, графики (видео описывается как React-компоненты);
• Manim: формулы, схемы, научные объяснения (сцены на Python);
• HyperFrames от HeyGen: анимированная графика, описанная как веб-страница (HTML и CSS, рендер через headless Chrome).

Перебивки с другими кадрами скилл не создаёт: их нужно положить в папку заранее.

Слабые места вытекают из архитектуры. Просьба «поставь кадр после того, как он улыбнулся» требует понимать изображение, а Claude видит только текст и отдельные кадры. Ошибки расшифровки переходят в монтаж, особенно в шумной записи, при сильном акценте и на русском языке. Звукорежиссёра модель не заменяет: шум убирает ограниченно, музыку и эффекты не сводит. Для запуска нужен терминал.

Само видео с компьютера не уходит, склейки делает локальный FFmpeg. В сеть попадают звуковая дорожка (если выбрана облачная расшифровка), стенограмма с вашими указаниями и несколько спорных кадров. Для записей под NDA есть форк freecut: он заменяет облачную расшифровку на Whisper, который работает на машине пользователя. По умолчанию это mlx-whisper на Apple Silicon и faster-whisper на остальных системах. У freecut около 250 звёзд против 30 000 у оригинала, обновления доходят с задержкой.

Кому это даёт выигрыш

Подходит всё, где главное — говорящий человек: интервью, подкасты, лекции, разборы, демо-ролики. Для демо продукта хватает скриншотов и Remotion. Промпты лучше писать по-английски, потому что инструкции скилла англоязычные. Хороший запрос отвечает на пять вопросов: какие файлы и в каком порядке, какой результат (длительность, формат, качество), что вырезать, как оформить, какие вставки и когда.

Перед публикацией ролик нужно посмотреть самому. Claude проверяет технику стыков, но смысл за ним остаётся за вами: обрезанные слова, неверно написанные имена в субтитрах, скачки громкости, вырезанные паузы, которые были частью подачи. Правки пишите с указанием времени.

Есть и лицензионная ловушка. Сам video-use под MIT, коммерческое использование разрешено. Но Remotion бесплатен только для частных лиц и команд до трёх человек.

Итог для инженеров и продуктовых команд: конвейер «транскрипт → LLM → EDL → FFmpeg» воспроизводим. Промпт, список решений и код анимаций лежат текстом, их можно хранить в git и использовать как шаблоны. Качество упирается в точность расшифровки и в то, как модель держит длинный контекст. Специализированных видеонейросетей Claude не заменяет: он решает другую задачу, зато быстро. Если вы регулярно выпускаете говорящие ролики, экономия измеряется часами в неделю. Если монтируете раз в полгода, привычный редактор пока удобнее.