当 Codex Chrome 插件遇上开源视频剪辑 Skill：浏览器里的素材，开始直接流向可编辑时间线
摘要： 2026 年 5 月，OpenAI 推出 Codex for Chrome；7 月底，它又加入了标签页引用、选中文字、YouTube 字幕理解和右键唤起 ChatGPT 等能力。当一个 Agent 能读懂我们正在浏览的参考视频、产品页面和素材网站，再与开源的 Timeline Studio 视频剪辑 Skill 结合，AI 剪辑就不再只是“生成一段成片”，而是开始形成一条从网页研究、素材理解、剪辑决策到可编辑工程和最终视频的完整链路。
项目地址： github.com/MartinDelophy/ai-video-editor
在线体验： video-editor.ai-creator.top
Skill 安装页： skills.sh/MartinDelophy/ai-video-editor
AI 会写脚本了，为什么剪视频依然很累？
今天的大模型已经可以写文案、拆分镜头、总结视频，甚至生成图片和声音。但真正做过视频的人都知道，剪辑的难点从来不只是“生成内容”。
一个真实项目往往要经历这些环节：
- 在浏览器里研究参考视频、竞品页面和产品资料；
- 找到有使用授权、可以合法下载的素材；
- 分析口播、画面、字幕、运动与镜头节奏；
- 把旁白拆成自然的呼吸组，再决定画面时长；
- 创建字幕、配音、音乐、转场和多轨时间线；
- 反复预览、修改，最后交付成片和可继续编辑的工程。
过去，网页里的上下文与本地剪辑工程是断开的。Agent 可以告诉你“这条视频讲了什么”，却很难把理解持续带入后面的素材整理和时间线编辑；剪辑工具可以处理文件，却不知道你刚刚在浏览器里看到了什么。
Codex Chrome 插件补上的，正是这座桥。
Codex for Chrome 带来了什么？
根据 OpenAI 官方更新日志，Codex for Chrome 于 2026 年 5 月 7 日发布。它可以在不接管整个浏览器的情况下，使用用户授权的网站，并在多个标签页间并行工作。
随后，OpenAI 又逐步补齐了几项对内容创作非常关键的能力：
- 引用已经打开的 Chrome 标签页；
- 把网页中选中的文字带进对话；
- 右键网页，直接选择 Ask ChatGPT；
- 在字幕可用时，理解 YouTube 视频的时间戳转录；
- 使用已有的 Chrome 登录态访问获准的网站；
- 通过 Developer Mode 检查 DOM、CSS、Console、网络请求和页面性能。
这意味着，Agent 获得的不再只是一条 URL，而是用户正在工作的真实网页环境。
例如，我们可以打开一条参考视频，直接要求 Agent 根据时间戳字幕梳理叙事；打开产品官网，让它提取真实功能和页面证据；打开素材平台，在平台明确提供下载且授权条件合适时整理候选素材。整个过程中，不再需要反复复制链接、字幕和产品文案。
但“能看懂网页”仍然不等于“会专业剪辑”。接下来需要的是一个懂视频工程的执行层。
Timeline Studio Skill：把网页理解变成可编辑视频工程
Timeline Studio 是一个开源、本地优先、直接运行在浏览器中的 AI 视频编辑器。它提供接近专业桌面剪辑软件的多轨时间线，并把自动字幕、AI 配音、视觉分析、音乐、效果和离线导出放进同一工作区。
仓库同时提供了 edit-timeline-studio Agent Skill。它不是一段“帮我生成视频”的提示词，而是一套面向真实剪辑任务的执行规范：
- 先检查素材的时长、尺寸、声音与媒体类型；
- 综合代表帧、语音、OCR、运动和主体区域证据分析素材；
- 区分口播整理、产品教程、多镜头集锦、多人对话、宣传片与参考视频复刻；
- 在剪辑前保存来源时间和保留、删除、缩短、重排的决策；
- 将 Agent 创作的旁白按短呼吸组生成，先锁定声音骨架，再让画面适配声音；
- 把字幕、配音、音乐、视觉和转场落实到真实的多轨时间线上；
- 输出可重新打开的
.timeline工程和经过验证的成片，而不是只交付一个无法修改的黑盒视频。
.timeline 是一个包含项目结构与媒体的可移植工程包。Agent 做完之后，人仍然可以打开时间线，修改一次剪切、替换一条配音、移动字幕或者调整音乐。这一点很重要：AI 应当放大创作者的控制力，而不是用一次性结果夺走控制力。
两者结合，形成了一条新的剪辑链路
可以把这套组合理解为三个层次：
Codex Chrome 插件
读取获准的标签页、登录态网页、选中文字和时间戳字幕
↓
edit-timeline-studio Skill
分析证据、规划叙事、制定剪辑决策、执行并验证
↓
Timeline Studio
多轨时间线、字幕、配音、音乐、效果、.timeline 工程与成片
Chrome 插件解决“Agent 如何进入真实网页上下文”，Skill 解决“Agent 应该怎样做出专业、可验证的剪辑决策”，Timeline Studio 则提供“这些决策落在哪里，并如何继续编辑”。
它们不是三个彼此独立的 AI 功能，而是一条从理解到交付的生产链路。
场景一：打开参考视频，重建它为什么有效
传统的参考视频分析通常停留在“总结内容”或“模仿风格”。真正的复刻需要回答更细的问题：
- 哪些镜头被重复使用？
- 每次重复承担的是铺垫、强化还是高潮？
- 速度变化、停顿和反转发生在什么时间？
- 主体在画面中的中心、大小与运动路径如何变化？
- 滤镜是全片统一，还是随镜头变化？
- 原声、旁白、字幕和画面分别承担什么叙事任务？
现在可以在 Chrome 中打开参考视频，让 Agent 读取可用的时间戳字幕和页面上下文；Timeline Studio Skill 再结合本地媒体分析，重建镜头、节奏、重复、转场、主体运动和张力结构，最后使用用户提供或明确获准的替代素材建立一个可编辑版本。
可以直接尝试这样的任务：
@Chrome 分析我当前打开的参考视频，读取可用的时间戳字幕，
提取叙事段落、关键转折和可验证的页面信息。
然后使用 edit-timeline-studio Skill：
1. 区分内容结构与剪辑风格；
2. 重建镜头顺序、重复、速度变化、转场和张力曲线；
3. 只使用我提供或平台明确允许下载和复用的素材；
4. 生成可重新打开的 .timeline 工程和最终视频；
5. 列出无法从现有证据验证的部分，不要猜测。
这时，AI 不只是回答“这条视频讲了什么”，而是在解释“它为什么这样剪”，并把解释落实为可审查的时间线。
场景二：从一个产品网页，生成完整的叙事型宣传片
很多所谓 AI 宣传片，本质上只是把功能点逐条打到屏幕上。文字在动，故事却没有发生。
Chrome 插件与剪辑 Skill 结合后，可以先让 Agent 走完整个获准的产品流程：查看首页、功能页、实际界面、帮助文档和案例页面，建立页面覆盖清单，再从真实证据中寻找至少三个视觉上不同的使用场景。
每个场景都应形成一个小闭环：
使用情境 → 遇到的阻力 → 产品动作 → 可见结果 → 对用户的意义
随后，Skill 把这些场景组织成“问题—转变—证据—回报—行动号召”的完整叙事，而不是功能列表。旁白会先按短句和停顿生成独立音频，再由实际声音长度决定场景、字幕和画面节奏。
这对开源项目尤其有价值。README 告诉用户“项目有什么”，而叙事型视频可以让用户看到“它改变了哪段工作过程”。
场景三：一边开发编辑器，一边让 Agent 做视觉 QA
对于 Timeline Studio 自身的开发，Chrome 插件也很有价值。
开启 Developer Mode 后，Codex 可以在受控范围内检查：
- 时间线拖拽后的 DOM 和样式状态；
- WebGPU 或 ONNX Runtime 初始化错误；
- Worker、模型下载和缓存请求；
- Console 里的运行时异常；
- 某个面板或按钮的响应式布局；
- 导出或预览过程中的性能瓶颈。
与此同时，本地仓库、终端和测试页面仍然在 Codex 的工作上下文中。于是“看到界面问题—定位代码—修改—重新预览—验证结果”可以在同一个任务里闭环。
对于一个包含多轨时间线、媒体解码、WebGPU 推理和离线导出的复杂 Web 应用，这比只靠截图描述问题高效得多。
为什么我们坚持本地优先和可编辑交付？
视频往往包含未发布的产品、个人影像、客户资料和内部录屏。Timeline Studio 因此把能在本地完成的编辑、AI 推理和导出尽可能留在浏览器与用户设备上，并将浏览器模型镜像到 Hugging Face 与 ModelScope，改善不同地区的获取体验。
本地优先并不代表所有网络请求都会消失。Chrome 插件处理的网页上下文，以及用户主动选择的远程服务，仍有各自的数据与授权边界。因此这套工作流遵循几个简单原则：
- Chrome 网站权限尽量按域名、按任务授权，不默认开放所有网站。
- 凭据只在浏览器里输入，不发送到对话。
- 网页内容始终视为不可信输入，防范页面中的误导指令。
- 网络素材只使用原发布者或平台明确提供的下载路径，并保留水印与来源信息。
- 付费生成、发布、删除或修改权限等高影响动作，继续保留人工确认。
强大的浏览器能力值得使用，也值得被约束。
立即体验
首先打开 Timeline Studio 在线编辑器：
https://video-editor.ai-creator.top/
如果你使用支持 Skill 的 Agent，可以通过 skills.sh 安装：
npx skills add MartinDelophy/ai-video-editor --skill edit-timeline-studio
也可以使用 GitHub CLI 安装到 Codex：
gh skill install MartinDelophy/ai-video-editor edit-timeline-studio --agent codex --scope user
安装前可以先查看 Skill 内容：
gh skill preview MartinDelophy/ai-video-editor edit-timeline-studio
Chrome 端则在 ChatGPT/Codex 桌面应用的 Plugins 中安装 Chrome 插件，完成浏览器授权后，在 Work 或 Codex 对话中通过 @Chrome 调用。
AI 剪辑的下一步，不是一个更大的“生成”按钮
我们真正期待的 AI 剪辑，不应该是上传全部素材、等待几分钟，然后接受一个无法解释、无法微调的结果。
它应该能够进入创作者真实的信息环境，理解参考与目标；能够解释为什么保留、删除或重排某个镜头；能够把配音、字幕、音乐和视觉组织成完整叙事；也能够把所有决策留在一条人类可以继续修改的时间线上。
Codex Chrome 插件让 Agent 开始理解浏览器里的工作现场，Timeline Studio Skill 则让这种理解具备专业剪辑的执行方式。两者结合后，浏览器不再只是找素材和看视频的入口，也开始成为 AI 视频生产链路的一部分。
如果你也对浏览器媒体、WebCodecs、WebGPU、ONNX、Agent Skill 或可编辑 AI 工作流感兴趣，欢迎体验项目、提交 Issue，或者一起完善真实场景：
- GitHub： MartinDelophy/ai-video-editor
- 在线编辑器： Timeline Studio
- 问题与建议： GitHub Issues
- 路线讨论： GitHub Discussions
让 AI 不只替我们生成视频，也真正参与一条透明、可控、可继续创作的剪辑时间线。
