Browser Use cria editor de vídeo por código e chega a 20.327 estrelas
Ferramenta usa agentes, transcrição por palavra e imagens sob demanda para entregar um `final.mp4`.
Quem grava horas de material precisa cortar pausas, erros e trechos repetidos sem montar tudo manualmente. O Browser Use criou o video-use, uma ferramenta de código aberto que recebe vídeos brutos e devolve um arquivo editado por conversa com agentes de código. Criado em 2026-04-12, o projeto alcançou 20.327 estrelas em 119 dias. Serve para talking heads, tutoriais, entrevistas, viagens e montagens.
O agente lê o vídeo antes de decidir o corte
O Claude Code recebe o pedido, inventaria os arquivos e propõe uma estratégia antes de editar. O usuário aprova o plano; só então o agente executa os cortes, cria edit/final.mp4 e mantém os resultados na pasta edit/. A ferramenta também registra o estado em project.md, para retomar o trabalho na semana seguinte.
O modelo não assiste ao vídeo quadro a quadro. Ele lê uma transcrição produzida pelo ElevenLabs Scribe, com marcação de cada palavra, identificação de falantes e eventos como (laughter), (applause) e (sigh). Uma chamada por arquivo reúne tudo em um takes_packed.md de cerca de 12KB. É a camada principal.
A segunda camada aparece apenas quando o agente precisa conferir um trecho. A função timeline_view gera uma imagem com filmstrip, forma de onda e rótulos das palavras para um intervalo específico. Assim, o sistema troca a análise de 30.000 frames e 45 milhões de tokens por texto curto e algumas imagens.
O agente usa pausas e limites da fala para decidir os cortes. Depois, o ciclo de avaliação chama timeline_view sobre o vídeo renderizado em cada limite, procurando saltos visuais, estalos no áudio e legendas escondidas. O usuário só recebe a prévia depois dessa checagem.
O fluxo exige agente com terminal e uma chave externa
Para começar, o usuário cola o prompt de configuração no Claude Code, Codex, Hermes, Openclaw ou outro agente com acesso ao shell. O agente cuida do clone, das dependências e do registro da skill. Na primeira execução, ele pede uma chave da API do ElevenLabs.
Depois, basta apontar o agente para uma pasta com as gravações e escrever algo como “edit these into a launch video”. A edição remove umm, uh, falsos começos e espaços mortos, aplica correção de cor por segmento e insere fades de áudio de 30ms em cada corte. O resultado chega como arquivo MP4.
As legendas usam blocos de duas palavras em maiúsculas por padrão, mas o usuário pode mudar o estilo. Animações podem sair de HyperFrames, Remotion, Manim ou PIL; o agente cria subagentes em paralelo, um para cada animação. O README não detalha comandos da instalação manual.
O projeto depende de serviço externo para transcrever o áudio. Isso impede seu uso por equipes que não podem enviar gravações ao ElevenLabs. Também não serve para quem busca uma interface gráfica com menus e presets: o fluxo exige um agente, acesso ao shell e aprovação por conversa.
O repositório usa Python e licença MIT, que permite usar, modificar e redistribuir o código conforme os termos da licença. O GitHub registra 2.517 forks, 66 issues abertas e último commit em 2026-07-01. Não há versão mais recente informada. O número de estrelas impressiona, mas 119 dias de vida ainda deixam a ferramenta em fase inicial.
Fontes
Como fazemos: nossa equipe monitora diariamente os repositórios de código aberto em maior alta e produz esta cobertura com apoio de modelos de linguagem, sempre a partir de dados verificados na fonte primária — repositório, documentação oficial e ranking público. Os números de estrelas e a posição no ranking refletem o momento da coleta. Entenda o método.