claude-video 是一款让 Claude 看懂任意视频的 AI 技能，支持 YouTube/Loom/TikTok 等1000+平台及本地文件。内置场景感知帧提取、智能去重和 Whisper 转录，可同时分析画面与字幕，像真人一样回答视频内容问题，零配置开箱即用，MIT 协议完全免费。

🎤 引言

你有没有遇到这种情况——想问问 AI 某段视频里到底发生了什么，结果丢给它一个 YouTube 链接，它只能根据标题瞎猜？传统的字幕工具只能读文字，90% 的画面信息全部丢失。

claude-video 这个开源项目彻底解决了这个痛点。它给 Claude 装上了一双"眼睛"，能同时看到视频的每一帧画面 + 时间戳字幕，然后像个真正看过视频的人一样回答你的问题。

⭐ 核心功能

多源视频下载
支持 YouTube、Loom、TikTok、X、Instagram、Vimeo 等 1000+ 平台，本地 .mp4/.mov/.mkv/.webm 文件也没问题。yt-dlp 负责处理下载逻辑。

智能帧提取
内置 4 种 detail 模式自由切换：

  • transcript — 只读字幕，0 帧，最快（~4.5 秒），免费
  • efficient — 快进关键帧，~50 帧 cap，~0.5 秒提取
  • balanced（默认）— 场景切换感知，~100 帧 cap，约 21 秒
  • token-burner — 不设上限，全部场景帧，适合长视频深度分析

帧去重节省 Token
同一个幻灯片撑了 90 秒？去重算法会自动过滤近重复帧，避免把 Token 浪费在两张几乎一样的截图上。每丢弃一张都会在日志里标注 6 selected from 14 candidates (… 8 near-duplicates dropped …)，明明白白。

语音转文字
优先用平台原生字幕（YouTube 自动字幕等），免费且准确；无字幕时自动切换 Whisper 转录——推荐用 Groq 的 whisper-large-v3，便宜且速度快到你怀疑人生。

多画面分辨率
默认 512px 宽，碰到代码演示或 PPT 直接 --resolution 1024 拉满，让 Claude 看清屏幕上的每一个字符。

📥 安装与使用

Claude Code（推荐方式）

/plugin marketplace add bradautomates/claude-video
/plugin install watch@claude-video

Codex / Cursor / Copilot / Gemini CLI 等 50+ 平台

npx skills add bradautomates/claude-video -g

claude.ai 网页端

  1. 从 Releases 页面 下载 watch.skill
  2. Settings → Capabilities → Skills → 点击 + 导入

零配置启动
首次运行会自动检测 ffmpeg / yt-dlp 是否安装，macOS 自动走 brew install，Linux/Windows 打印精确命令跟着敲就行。Whisper API key（可选，Groq 免费额度基本够用）首次也会引导配置。

使用方式

# 问 YouTube 视频里 30 秒时发生了什么
/watch https://youtu.be/dQw4w9WgXcQ what happens at the 30 second mark?

# 总结播客内容
/watch https://youtu.be/abc summarize this

# 分析本地录屏的问题
/watch ~/Downloads/bug-repro.mov what's going wrong?

# 指定时间段（更密集的帧采样）
/watch https://youtu.be/abc --start 2:15 --end 2:45

🎯 适用场景

分析竞争对手内容
丢一个病毒视频链接，问 Claude "他们的开场钩子是什么？"，它会同时看画面 + 读字幕，拆解结构和叙事手法。

从屏幕录像里诊断 Bug
同事发来一段录屏说"这里坏了"。直接 /watch bug.mov what's going wrong?，Claude 能定位到出问题的那一帧，甚至能分析出原因。

把视频变成可搜索笔记
45 分钟的课程讲座，丢给 /watch 总结要点，比 2 倍速刷完还要回头定位关键段落高效得多。一个系列课程跑一轮，每期视频都能变成一条 Obsidian 笔记。

扒更新视频的干货
新品发布会视频往往 10 分钟 intro + 5 分钟 hype，直接 --start 5:00 --end 15:00 切到正片，让 Claude 告诉你"到底更新了什么"。

⚠️ 注意事项

长视频建议分段
超过 10 分钟的视频，balanced 模式的 100 帧 cap 会变得稀疏，更准确的做法是用 --start / --end 聚焦到你关心的段落重新跑一次。

Whisper API 费用
有原生字幕的视频（YouTube、Loom 等）完全免费。只有无字幕的本地文件才需要调用 Whisper——Groq 有免费额度，正常用量基本不花钱。

Claude Code 权限别忘开
claude.ai 网页端使用前需要在 Settings → Capabilities 里开启 "Code execution and file creation"，否则脚本无法调用 ffmpeg 和 yt-dlp。

✅ 总结

claude-video 解决了一个非常具体但极其普遍的问题：AI 看不见视频。传统方案要么只要字幕丢画面，要么只要截图丢声音，而它把两个维度合在一起交给 Claude 理解，输出质量完全不在一个层次。

技术实现上也可圈可点——场景感知采样、帧去重、auto-fps 计算——这些细节直接决定了 Token 消耗是否可控。MIT 协议开源，50+ 平台无缝接入，安装不到 5 分钟，推荐指数：⭐⭐⭐⭐⭐

GitHub 地址：bradautomates/claude-video