让Claude看懂视频：claude-video给AI装上了眼睛

你在YouTube上看过一个很棒的教程，但想问Claude"他在第30秒做了什么"——Claude只能猜，因为它从来没法真正"看"视频。直到claude-video出现。

这个项目解决什么问题？

AI能读网页、能跑代码、能浏览仓库，但唯独看不了视频。
你把一个YouTube链接丢给Claude，它只能根据标题猜内容，或者抓一个不完整的文字摘要——屏幕上发生的事，它一无所知。
claude-video用一行命令解决这个问题：

/watch https://youtu.be/<url> 他在30秒时做了什么？

Claude会下载、提取帧、抓取字幕，然后真正看到并听到这个视频，再回答你的问题。
日涨 988 stars，GitHub Trending 热度第一，MIT开源，零配置开箱即用。

核心亮点

1. 场景感知帧提取
不是每隔1秒截一帧，而是用ffmpeg做场景变化检测，只在内容真正变化的时候提取帧。一个49分钟的屏幕录屏，它只需要100张帧就覆盖全程。
四种模式适应不同需求：

• transcript：只抓字幕，0帧，4.5秒搞定
• efficient：关键帧，50张，0.5秒提取
• balanced：场景变化帧，100张，21秒
• token-burner：不限量，全场景帧
  2. 智能字幕 + Whisper 兜底
  优先用yt-dlp抓原生字幕（免费、快速），没字幕时用 Whisper API 兜底。Groq 的whisper-large-v3被作为首选——更快更便宜。
  3. 帧去重机制
  屏幕录屏经常一帧停留90秒。claude-video 会自动检测近重复帧并跳过，避免同一个画面浪费 token。默认关闭可手动保留。
  4. 零配置安装
  macOS 首次运行时自动brew install ffmpeg yt-dlp，Linux/Windows 打印对应命令。Whisper API key 可选——有字幕的视频完全免费。

快速上手

# Claude Code（推荐）/plugin marketplaceaddbradautomates/claude-video /plugininstallwatch@claude-video# Codex / Cursor / Copilot / Gemini CLInpx skillsaddbradautomates/claude-video-g

安装后直接/watch <url> <问题>即可使用。

典型使用场景

• 分析竞品内容：看别人怎么开场、怎么包装产品
• 从视频里修bug：有人发屏幕录屏给你，你直接让Claude看
• 加速学习：把一整个YouTube频道变成可搜索的笔记
• 去hyping：发布视频里到底加了什么，去掉10分钟开场白

我的评价

claude-video 做对了一件事：它补上了AI能力拼图里最显眼的一块——视觉。
大多数AI编程工具都能处理文本和代码，但视频是一个巨大的盲区。这个项目用yt-dlp+ffmpeg+ Claude的Read工具，把视频变成了AI能消化的输入。
它的框架设计也很克制：不试图用AI识别画面内容（那是另外的模型），而是把每一帧当作图片让Claude自己看——这才是正确的抽象层级。
竞品对比：目前同类方案几乎都是基于专门的视觉模型（如 Video-LLaMA 等），但 claude-video 选择了一条更轻量的路——让已有的多模态大模型直接看截图。优势是无需额外部署模型，劣势是对画面内容的理解深度不如专门的视觉模型。
适用人群：经常需要和AI讨论视频内容的人、想要加速视频学习的人、做竞品分析的内容创作者。个人轻度使用也完全够。
一句话：如果你在用Claude Code或任何AI编程工具，/watch 应该在你的工具包里。