一文读懂claude-video：从粘贴URL到Claude'看完'视频的完整旅程
【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是一个开源技能（Skill），让 Claude 拥有"看视频"的能力：粘贴一个视频 URL 或本地文件，/watch命令会自动完成下载、抽帧、字幕/语音转写，并把每一帧画面和逐句字幕交给 Claude——等它回答时，它是真的"看过"这个视频的。
一、它解决什么问题？
🤔 以前你给 Claude 一个 YouTube 链接，它只能靠标题猜测，或者拿到一份缺少画面信息的文字稿。画面里发生了什么（界面长什么样、某一刻弹出了什么错误），它一概不知。
claude-video补上了这个缺口，把"视频"变成 Claude 能直接消费的输入。典型用法有三个：
- 📊拆解别人的内容：粘贴一个爆款视频，问它"开场用了什么钩子？"——Claude 会看前几帧画面、读开头字幕，帮你分析结构；
- 🐛从录屏中定位 bug：把同事发来的报错录屏丢给它，问"哪里出了问题？"，它能找到问题出现的那一帧并描述画面；
- ✂️快速总结视频：20 分钟的长视频不值得看完，
/watch一句话让它给出结构、重点时刻和实际讲到的内容，比 2 倍速快得多。
二、三种安装方式，总有一款适合你
| 使用环境 | 安装方式 |
|---|---|
| Claude Code | /plugin marketplace add bradautomates/claude-video，然后/plugin install watch@claude-video |
| claude.ai（网页版） | 下载watch.skill文件，在 设置 → Capabilities → Skills 中导入 |
| 手动安装 / Codex | git clone https://gitcode.com/GitHub_Trending/cl/claude-video ~/.claude/skills/watch |
💡 零配置起步：首次运行时会自动通过 brew 安装yt-dlp和ffmpeg（macOS 自动执行，Linux/Windows 会打印精确命令）。只要视频平台本身有字幕，全程免费，连 API Key 都不用配。
三、上手体验：一条命令开始"看视频"
装好后，在对话里直接输入：
/watch https://youtu.be/dQw4w9WgXcQ what happens at the 30 second mark?还支持本地文件和"聚焦片段"：
/watch ~/Movies/screen-recording.mp4 when does the UI break? /watch https://youtu.be/abc --start 2:15 --end 2:45支持 YouTube、Vimeo、TikTok、X、Instagram 等 yt-dlp 能下载的任何公开视频，以及.mp4、.mov、.mkv、.webm等本地格式。
四、幕后流程：从 URL 到"看完"的 5 步流水线
🔍 整个流程由 watch 技能契约 定义，入口是scripts/watch.py，各步骤分工明确：
- 预检环境：
scripts/setup.py做一次不到 100 毫秒的检查，确认ffmpeg/yt-dlp就绪，缺失时引导安装； - 下载视频：
scripts/download.py调用 yt-dlp 把视频拉到临时工作目录，同时顺手抓取原生字幕（VTT 格式）； - 自动抽帧：
scripts/frames.py用 ffmpeg 按"时长自适应帧率"把视频切成 JPEG 帧，每帧带t=MM:SS时间戳标记； - 获取逐句字幕：
scripts/transcribe.py优先使用平台原生字幕（免费、快）；没有字幕时，scripts/whisper.py把音频发给 Whisper API（Groq 优先，OpenAI 兜底）做语音转写； - 逐帧阅读并回答：Claude 并行读取每一帧图片，配合带时间戳的字幕回答你的问题——答案基于它"真正看到"的画面和"听到"的台词，而非标题猜测。用完之后临时目录会被清理。
五、帧预算策略：为什么长视频不建议"一口气看完"
🎞️ 图片是最耗 token 的部分，所以脚本按视频时长自动分配帧数，而不是固定抽帧率：
| 视频时长 | 默认帧预算 | 体验 |
|---|---|---|
| ≤ 30 秒 | 约 30 帧 | 密集，几乎覆盖每个关键时刻 |
| 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（上限） | 触发"sparse scan"提醒 |
当问题指向某个片段（"2:30 左右发生了什么"、"最后 30 秒"）时，加上--start/--end进入聚焦模式——单位时间帧数更密（上限 2 fps），比全片稀疏扫一遍有用得多，token 消耗也更低。
六、成本与费用控制
💰 费用结构非常友好：
- 下载 + 原生字幕：只要
yt-dlp+ffmpeg，完全免费，覆盖大多数公开视频； - Whisper 兜底：仅当视频没有字幕轨道时才触发（本地文件、部分 TikTok/Vimeo 等），推荐 Groq 的
whisper-large-v3（更便宜更快），Key 存放在~/.config/watch/.env； - 彻底关闭转写：加
--no-whisper，无字幕的视频只返回画面帧，零 API 费用。
其他实用参数：--max-frames N收紧帧数上限、--resolution 1024提升分辨率以便读屏上文字（PPT、代码截图场景）、--fps F手动覆盖抽帧率。
七、实用技巧与已知限制
⚡ 几条帮你少走弯路：
- 10 分钟以内效果最佳；更长的视频建议直接用
--start/--end聚焦你关心的片段； - 硬性上限：2 fps、100 帧，脚本强制生效，不用担心上下文被撑爆；
- Whisper 上传上限 25 MB（约 50 分钟音频），超长视频请靠字幕或聚焦区间；
- 不支持需要登录的平台：技能不持有任何账号凭据，yt-dlp 下载不了的，它也看不了；
- Windows 用户注意：脚本要用
python而不是python3调用（后者是商店占位程序）。
八、快速开始清单 ✅
- 选一种方式安装（推荐 Claude Code 插件，两条命令搞定）；
- 首次运行
/watch自动完成依赖预检与安装； - 粘贴 URL 或本地路径 + 你的问题，坐等 Claude"看完"作答；
- 长视频记得用
--start/--end聚焦片段，省 token 又精准。
claude-video的代码结构非常清晰：scripts/watch.py是编排入口，download.py/frames.py/transcribe.py/whisper.py各司其职，setup.py负责环境预检，项目采用 MIT 协议开源，欢迎阅读源码深入理解这套"让 AI 看视频"的流水线。
【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
