claude-video是什么：让Claude看懂任何视频的终极神器
【免费下载链接】claude-videoGive Claude the ability to watch any video. /watch downloads, extracts frames, transcribes, hands it all to Claude.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-video
claude-video 是一个给 Claude 装上"眼睛和耳朵"的开源视频理解插件——一条/watch命令，就能让 Claude 自动下载视频、逐帧抽画面、提取字幕或语音转写，然后像一个真正看过视频的人一样回答你的问题。无论你是想总结 YouTube 长视频、拆解爆款内容的开头钩子，还是从一段屏幕录屏里定位 Bug，这个免费的 Claude 视频插件都能帮你省下亲眼看一遍的时间。
为什么需要 claude-video？
平时让 Claude 读网页、跑脚本、浏览代码仓库都没问题，但视频一直是它的短板：你丢一个 YouTube 链接过去，它只能靠标题瞎猜，或者抓一份残缺的转写文本。
claude-video 补齐了这块缺口。安装后，粘贴 URL 或本地视频路径 + 一个问题，Claude 就会：
- 用 yt-dlp 下载视频（支持 YouTube、Loom、TikTok、X、Instagram 等数百个平台，也支持本地
.mp4、.mov、.mkv文件） - 用 ffmpeg 按自动计算的帧率抽取画面
- 优先抓取平台原生字幕（免费），没有字幕时自动调用 Whisper API 转写
- 把每一帧当作图片"读"进上下文，再结合带时间戳的转写文本回答问题
回答不再是"根据标题推测"，而是"我亲眼看到了第 30 秒的画面"。
快速安装：3 种方式一键上手
方式一：Claude Code 插件（推荐）
在 Claude Code 中执行两行命令即可：
/plugin marketplace add bradautomates/claude-video /plugin install watch@claude-video后续用/plugin update watch@claude-video即可升级。
方式二：claude.ai 网页版
- 从 Release 下载
watch.skill文件 - 进入 Settings → Capabilities → Skills，点
+上传 - 记得先开启 "Code execution and file creation"，因为技能需要调用 ffmpeg 和 yt-dlp
方式三：Codex 或手动克隆
git clone https://gitcode.com/GitHub_Trending/cl/claude-video ~/.codex/skills/watch手动开发者也可以克隆到~/.claude/skills/watch目录。
第一次运行：零配置自动装依赖
首次调用/watch时，技能会运行 scripts/setup.py 做预检：
- macOS：自动通过 brew 安装 ffmpeg 和 yt-dlp
- Linux：打印对应的 apt / dnf / pipx 安装命令
- Windows：打印 winget / pip 命令
- Whisper API 密钥：自动在
~/.config/watch/.env中生成占位配置（0600 权限），填入 Groq 或 OpenAI 密钥即可
关键点：大部分公开视频有免费字幕，完全不用花钱。只有当视频没有字幕轨道时（本地文件、TikTok、部分 Vimeo），才需要 Whisper API 密钥。设置完成后，预检静默通过，后续运行几乎零开销。
核心用法：一条命令看懂视频
基本格式就是/watch <视频地址> <你的问题>：
/watch https://youtu.be/xxx 第30秒发生了什么？ /watch ~/Movies/screen-recording.mp4 界面什么时候出问题的？聚焦某个时间段是省 Token 的利器——加上--start/--end后，帧预算会变得更密：
/watch 视频链接 --start 2:15 --end 2:45其他常用参数（传入 scripts/watch.py）：
| 参数 | 作用 |
|---|---|
--max-frames N | 压低帧数上限，更省 Token |
--resolution 1024 | 加宽帧宽，用于读屏幕上的文字 |
--fps F | 手动指定抽帧频率（最高 2 fps） |
--no-whisper | 完全禁用转写，只看画面 |
它是怎么"看懂"视频的？
整个流程由 scripts/watch.py 编排，核心模块各司其职：
- scripts/download.py：yt-dlp 下载 + 抓取原生字幕
- scripts/frames.py：ffmpeg 抽帧，含"按时长自动缩放帧率"的逻辑
- scripts/transcribe.py：VTT 字幕解析、去重，以及 Whisper 回退调度
- scripts/whisper.py：Groq（优先，更便宜更快）/ OpenAI 转写客户端
抽出的帧带t=MM:SS时间戳，转写文本同样带时间戳，Claude 会把两者对齐——看到"第 45 秒屏幕报错"，就能对应到"第 45 秒他说的那个按钮"。
帧预算：为什么视频长短决定回答质量
图片是最烧 Token 的部分，所以 claude-video 采用"按时长分配帧预算"的策略：
| 视频时长 | 默认帧数 | 覆盖效果 |
|---|---|---|
| ≤30 秒 | 约 30 帧 | 密集，基本覆盖每个关键时刻 |
| 30 秒–1 分钟 | 约 40 帧 | 依然密集 |
| 1–3 分钟 | 约 60 帧 | 舒适 |
| 3–10 分钟 | 约 80 帧 | 稀疏但可用 |
| >10 分钟 | 100 帧 | 稀疏扫描，建议聚焦重跑 |
硬性上限是2 fps、100 帧。超过 10 分钟的视频脚本会打印"稀疏扫描"警告，此时用--start/--end聚焦你真正关心的片段，效果远好于硬扫全片。
典型使用场景
- 📈拆解别人的内容：
/watch <爆款视频> 他开头用了什么钩子？Claude 看前几帧画面 + 开场转写，直接帮你分析结构 - 🐛从录屏诊断 Bug：
/watch bug-repro.mov 哪里出问题了？它常能定位到出错的帧并描述屏幕内容 - 📝快速总结长视频：
/watch <链接> summarize this，比 2 倍速看完还快 - 🔍回答细节问题：
/watch <链接> 她提到了哪些工具？
使用限制与常见问题
- 最佳精度：10 分钟以内的视频；更长请用聚焦模式
- Whisper 上传上限 25 MB：约等于 50 分钟音频（16 kHz 单声道）
- 不支持需要登录的平台：技能不会登录任何账号，yt-dlp 拿不到的
/watch也拿不到 - 安全设计：视频本身绝不上传到任何 API，只有无字幕时才上传提取出的音频片段；不访问平台账号、不缓存密钥
项目结构与版本
项目结构非常清晰，技能契约定义在 SKILL.md：
- SKILL.md：技能主契约，三种安装面共用
- scripts/：全部核心脚本（watch、download、frames、transcribe、whisper、setup）
- hooks/hooks.json：Claude Code 的会话启动状态钩子
- CHANGELOG.md：版本历史（当前 0.1.3，2026-05）
项目采用 MIT 开源协议，构建在 yt-dlp、ffmpeg 和 Claude 多模态 Read 工具之上。装好之后，"视频"这个 Claude 此前看不懂的输入源，从此可以像文档一样直接交给它。
【免费下载链接】claude-videoGive Claude the ability to watch any video. /watch downloads, extracts frames, transcribes, hands it all to Claude.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-video
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
