claude-video的诞生故事：创作者为什么需要一个“看视频“技能
发布时间：2026/8/29 14:01:28 作者：尧图编辑部 阅读量：1,286
claude-video的诞生故事创作者为什么需要一个看视频技能【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-videoclaude-video 是一个让 Claude 获得看视频能力的开源技能项目粘贴一个视频链接或本地文件路径执行一条 /watch 命令它会自动下载视频、按自适应频率抽取画面帧、转写出带时间戳的字幕然后交给 Claude 逐帧查看并回答问题。本文将讲清它的诞生背景、安装方法与核心工作原理帮助新手快速上手这个 Claude 看视频技能。一个真实的创作者痛点 作者 bradautomates 是重度视频内容消费者。他跟踪热点时会追问三个问题开场 3 秒画面上有什么Hook 是怎么设计的创作者说了什么为什么有效这个 20 分钟的视频我值得花 20 分钟看完吗过去的答案是自己拿笔记本盯着看。但 Claude 擅长阅读和综合信息偏偏视频这个输入它接收不了——粘贴一个 YouTube 链接AI 只能靠标题瞎猜或者拿到一份缺失 90% 画面信息的文字稿。claude-video 就是来补上这块拼图的让 AI 真正看过视频、听过音频再像人一样回答你的问题。三种安装方式一键装好 Claude 看视频技能 项目对不同平台都做了打包全部零配置启动使用环境安装方式Claude Code插件市场添加 claude-video再安装 watch 插件claude.ai网页版下载 watch.skill 文件拖入 设置 → 能力 → 技能Codex / 通用技能执行 clone 命令即可见下方如果走 Codex 或手动安装路线把仓库克隆到对应技能目录git clone https://gitcode.com/GitHub_Trending/cl/claude-video ~/.claude/skills/watch首次运行自动装环境第一次调用 /watch 时内置的自检脚本scripts/setup.py会检查ffmpeg和yt-dlp是否就位——macOS 上自动通过 brew 安装Linux/Windows 则打印精确的安装命令。之后每次检查都在 100 毫秒内完成无感通过。/watch 是怎么看懂视频的5 步流水线 核心逻辑集中在入口脚本scripts/watch.py它把整条流水线串起来下载scripts/download.py封装 yt-dlp支持 YouTube、TikTok、Loom、Vimeo 等数百个平台本地文件.mp4 / .mov / .mkv则直接原地探测不下载。抽帧scripts/frames.py调用 ffmpeg 按时长感知的预算抽帧默认输出 512px 宽的 JPEG需要读屏幕文字时可加参数提到 1024px。转写scripts/transcribe.py优先拉取平台原生字幕免费且即时没有字幕时scripts/whisper.py会把 16kHz 单声道音频发给 Groq 或 OpenAI 的 Whisper 接口兜底。交给 Claude脚本打印带tMM:SS时间戳的帧路径列表Claude 用 Read 工具并行读取每一帧图片与字幕对齐。自动清理工作目录打印在结尾无需追问时 Claude 会自行删除临时文件。帧预算为什么 10 分钟是最佳长度图片是 token 消耗的大头所以项目设计了时长自适应的抽帧预算硬上限 2 fps、100 帧视频时长默认帧数效果≤30 秒约 30 帧密集几乎每个关键瞬间都有30 秒–1 分钟约 40 帧依然密集1–3 分钟约 60 帧舒适区间3–10 分钟约 80 帧稀疏但可用10 分钟100 帧触发稀疏扫描警告 小技巧当你问的是某个具体时刻2:30 左右发生了什么用--start/--end聚焦该片段帧密度会显著提高token 成本反而更低——比稀疏扫完整个长视频有效得多。创作者们真实在用它的三件事 ✍️① 拆解别人的爆款内容/watch 爆款视频链接 它的开场钩子是什么—— Claude 看完前几帧和开场字幕后直接拆解结构。广告创意、竞品发布、播客开场一切怎么做到的都值得这样拆。② 从录屏里诊断 Bug同事发来一段出问题了的屏幕录像/watch bug-repro.mov 哪里出错了—— Claude 定位到问题出现的那一帧描述屏幕内容常常不用你打开文件就能找到原因。③ 快速总结长视频/watch 长视频链接 summarize this—— 结构、关键节点、讲了什么、画面展示了什么比 2 倍速看完还快。播客、口播类视频光靠转写就足够。成本清单大多数场景全免费 能力需要什么成本下载 原生字幕仅 ffmpeg yt-dlp免费Whisper 兜底推荐 Groq一个 API Keywhisper-large-v3便宜、快Whisper 兜底备选 OpenAI一个 API Keywhisper-1标准价完全禁用 Whisper--no-whisper参数纯免费无字幕时仅返回画面多数公开视频都带字幕走免费通道即可Whisper 只在本地文件、无字幕的 TikTok/YouTube 视频上才登场。写在最后 claude-video 的诞生故事其实是一句很朴素的判断AI 已经会读、会写、会执行唯独看视频一直缺位。作者没有造一个庞大的新框架而是用 yt-dlp、ffmpeg 和 Claude 自带的多模态 Read 工具搭了一条 5 步流水线把视频变成 AI 能吃下的帧 字幕。它遵循 MIT 协议开源从 README.md 到各平台安装说明都写得清清楚楚。如果你天天用 AI 处理内容、追热点、拆竞品这个看视频技能值得今天就装好试试。【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
尧图网站开发 