Agentes de IA
Editar vídeos con IA: tu agente corta muletillas y silencios por ti
Instalas video-use como skill en Claude Code, dejas los vídeos en bruto en una carpeta y le pides el montaje. El agente transcribe con ElevenLabs, propone una estrategia de cortes, espera tu OK y genera final.mp4 con ffmpeg. Caso curado, sin prueba propia.
| Herramientas | Claude Code (principal) |
|---|---|
| Qué necesitas |
|
| Coste aprox. | video-use es de código abierto (MIT). Necesitas un plan de Claude Code u otro agente con terminal y una clave de API de ElevenLabs para la transcripción, que se paga según su tarifa. No hemos comprobado el coste por minuto de vídeo. |
| Tiempo de montaje | 40 min (primera vez) |
| Nivel | Media |
| Plan gratis | Suele requerir plan de pago |
Prompt listo para usar
En esta carpeta tienes las tomas en bruto de [TIPO DE VÍDEO]. 1. Haz inventario de los archivos y transcribe el audio con la skill video-use. 2. Antes de cortar nada, propónme una estrategia: qué tomas usar, qué muletillas y silencios quitar y la duración final, que debe rondar [DURACIÓN]. 3. Espera mi OK. No toques el montaje sin mi aprobación. 4. Cuando apruebe, monta el vídeo con subtítulos en estilo [ESTILO DE SUBTÍTULOS] y guarda el resultado en edit/. 5. Revisa cada punto de corte del vídeo renderizado y dime si ves saltos de imagen o cortes de audio. 6. Apunta en project.md lo que decidimos para la próxima sesión. El vídeo es para [PLATAFORMA].
| Variable | Qué poner | Ejemplo |
|---|---|---|
[TIPO DE VÍDEO] | Qué has grabado | un tutorial de 10 minutos hablando a cámara |
[DURACIÓN] | Cuánto quieres que dure el montaje final | 3 minutos |
[ESTILO DE SUBTÍTULOS] | Cómo quieres los subtítulos quemados | frases cortas en blanco, abajo y centradas |
[PLATAFORMA] | Dónde se va a publicar, para el formato y el ritmo | YouTube en horizontal |
Pégalo en: Claude Code
Prompt propio basado en el flujo que describe el README de video-use (preguntar, confirmar, ejecutar, revisar). No es el texto del repositorio y no se ha ejecutado aquí.
Cómo funciona
- Instala video-use como skill. Clona el repositorio browser-use/video-use y enlázalo en la carpeta de skills de tu agente (en Claude Code, ~/.claude/skills/video-use). Instala las dependencias con uv sync o pip install -e . y asegúrate de tener ffmpeg.
- Añade la clave de transcripción. Copia .env.example a .env y pon tu clave de ElevenLabs. La transcripción da marcas de tiempo por palabra, y es lo que permite cortar justo en el límite de cada frase.
- Abre el agente en la carpeta de tomas. Entra con la terminal en la carpeta donde están los vídeos en bruto y arranca Claude Code. Todo lo que genere irá a una subcarpeta edit/, sin tocar tus originales.
- Aprueba la estrategia antes del corte. Pide el montaje con el prompt de esta ficha. El agente lee la transcripción, propone qué quitar y espera tu OK. Corrige aquí lo que no te convenza: es más barato que repetir un render.
- Revisa el render y guarda la memoria. El agente revisa los puntos de corte del vídeo final y lo vuelve a renderizar si encuentra fallos. Mira tú también el resultado y deja que apunte las decisiones en project.md para la próxima vez.
Qué resultado esperar
Un final.mp4 sin muletillas ni silencios largos, con subtítulos y fundidos de audio en cada corte, montado a partir de tus tomas en bruto y con tu aprobación antes de cada decisión importante.
- Qué se hizo
- Browser Use publicó video-use, una skill de código abierto para que un agente de código edite vídeos a partir de una carpeta de tomas en bruto.
- Cómo fue
- El agente no mira el vídeo entero. Lee una transcripción con marcas de tiempo por palabra, propone cortes, espera aprobación, renderiza con ffmpeg y revisa cada corte antes de enseñarte el resultado.
- A tener en cuenta
- Es un proyecto joven y la parte de transcripción es de pago. Sin prueba propia todavía.
Límites y precauciones
- La ficha resume el README del repositorio y un post nuestro en X que lo enlazaba. Sin prueba propia todavía.
- El agente no ve el vídeo fotograma a fotograma: trabaja sobre la transcripción y pide imágenes solo en los puntos dudosos. Para vídeos sin voz sirve menos.
- Depende de una API de pago para transcribir. No hemos verificado cuánto cuesta por minuto.
- Trabaja sobre copias de tus tomas, aunque la herramienta guarde todo en edit/.
- Si grabas a clientes o a otras personas, el audio pasa por un servicio externo de transcripción. Pide permiso antes.
Variantes
- claude-code: El README indica que también funciona con Codex u otros agentes con terminal, enlazando la skill en su carpeta correspondiente.
Fuente: el repositorio de video-use en GitHub, de Browser Use, con más de 29.000 estrellas y licencia MIT el 20 oct 2026. Lo compartimos antes en un post de X. Sin prueba propia todavía.
«The LLM never watches the video. It reads it.» (El modelo nunca ve el vídeo: lo lee.) Equipo de Browser Use, en el README de video-use.
Editar un vídeo hablado se va casi siempre en lo mismo: quitar muletillas, silencios y tomas falsas. Es trabajo mecánico y largo. video-use lo pasa a tu agente de código. Dejas las tomas en bruto en una carpeta, abres Claude Code dentro y le pides el montaje. Te devuelve un final.mp4 con los cortes hechos, subtítulos y fundidos de audio.
La idea clave es que el modelo no ve el vídeo, lo lee. Una transcripción con marcas de tiempo por palabra le dice dónde empieza y acaba cada frase, y solo pide una imagen del momento cuando hay dudas, por ejemplo entre dos tomas parecidas. Así cabe en contexto un vídeo largo sin gastar millones de tokens en fotogramas.
Lo que más nos gusta para un negocio es el orden de trabajo: preguntar, confirmar, ejecutar y revisar. El agente propone una estrategia de cortes y espera tu OK antes de tocar nada. Después revisa los puntos de corte del vídeo ya renderizado y lo rehace si ve saltos o ruidos, hasta tres veces. Y guarda lo decidido en project.md, para que la siguiente sesión empiece con tu estilo.
Para quien graba tutoriales, demos de producto o vídeos para redes, esto puede ahorrar la parte más aburrida de la edición. Lo que no hace es pensar el mensaje por ti: si te falta el guion, empieza por vídeos de producto con IA o por textos de marketing con IA. Si es tu primera vez con un agente en la terminal, mira programar con un agente de código y la ficha de Claude Code.
Preguntas frecuentes
¿Lo habéis probado?
No. Sin prueba propia todavía. La ficha se basa en el README público de video-use y el prompt es propio, sin ejecutar aquí.
¿Sirve para cualquier vídeo?
Funciona mejor con vídeos donde se habla: tutoriales, entrevistas o vídeos a cámara. Como corta a partir de la voz, en montajes sin diálogo aporta menos.
¿Necesito saber editar vídeo?
No para los cortes básicos, pero sí tener criterio: tú apruebas la estrategia y revisas el resultado. El agente propone y ejecuta, no decide por ti.
¿Cuánto cuesta?
video-use es gratis y de código abierto. Pagas tu agente de código y la transcripción de ElevenLabs según su tarifa, que no hemos comprobado.
¿Toca mis archivos originales?
Según el README, todo lo que genera va a una subcarpeta edit/ junto a tus vídeos. Aun así, conviene trabajar con copias.
Telegram. Suscríbete al canal de Telegram para no perderte nada y estar al loro de todo lo nuevo en automatización y agentes de IA.Unirme al canal