claude-video：让 Claude 真正「看懂」视频的神器，GitHub 单日暴涨近千星-无双技术网

你有没有遇到过这种场景：同事发来一段 5 分钟的 bug 复现录屏，你只能一边拖进度条一边揣测哪里出了问题？或者看到一篇爆款视频，想分析它的开场钩子，但只能凭记忆总结？

今天要介绍的 claude-video，正是解决这些痛点的开源利器。它在 GitHub 上架仅 3 个月就收获 12,000+ Star，今日单日暴涨 988 Stars，热度可见一斑。

什么是 claude-video？

claude-video 是一个让 Claude（以及其他 50+ AI 编程助手）真正”看懂”视频的开源工具。你只需输入一条 /watch 命令加上视频链接和问题，它就会自动下载视频、提取关键帧、获取字幕/音频转录，然后 Claude 基于画面内容给出精准回答——就像它真的看完了整个视频一样。

支持 Claude Code、Codex、Cursor、Copilot、Gemini CLI 等 50+ 开发环境，也支持 claude.ai 网页版。MIT 开源协议，完全免费。

核心功能一览

📹 全平台视频支持：YouTube、TikTok、Loom、Vimeo、Instagram、X（Twitter）等数百个平台，也支持本地视频文件（mp4/mov/mkv/webm）
🎯 智能帧提取：根据视频时长自动计算最优帧预算（30 秒视频 ~30 帧，10 分钟视频 ~80 帧），场景切换检测 + 帧去重，避免重复消耗 token
🎙️ 双轨转录：优先使用免费原生字幕（大部分公开视频自带），无字幕时自动降级到 Whisper API（Groq 或 OpenAI）
⚡ 四种细节模式：transcript（仅字幕，最快）、efficient（关键帧，50 帧上限）、balanced（场景感知，100 帧上限）、token-burner（无上限全量帧）
🔧 零配置开箱即用：首次运行自动检测并提示安装 ffmpeg / yt-dlp / API Key
💰 多数场景免费：公开视频的字幕提取完全免费，Whisper API 仅在无字幕视频时才需要

技术架构亮点

这个项目虽然体量不大（76KB），但设计思路非常精巧：

帧去重算法：将每帧缩放到 16×16 灰度图，计算与前一个保留帧的平均绝对差异，阈值 2.0 以下判定为近似重复并丢弃。与「上一保留帧」而非「前一帧」比较，能有效捕获慢速渐变场景。
场景切换检测：balanced / token-burner 模式下使用 ffmpeg 的 scene 滤镜检测切换点，确保帧预算花在内容变化最大的时刻。
智能帧数分配：根据视频时长自动计算 fps（≤2fps），首尾帧始终保留，确保覆盖完整时间线。
多 Agent 兼容：基于 Agent Skills 标准协议，一套 SKILL.md + scripts 目录即可在 50+ AI Agent 平台通用。
Token 经济：默认 512px 帧宽，720p 视频每帧约 197 image tokens。50 帧的 efficient 模式仅耗 ~9.8k tokens，比直接分析全视频节省数百倍。

详细使用步骤

1. 安装

根据你使用的 AI 工具选择安装方式：

# Claude Code（推荐，自动更新）
/plugin marketplace add bradautomates/claude-video
/plugin install watch@claude-video

# Codex / Cursor / Copilot / Gemini CLI 等
npx skills add bradautomates/claude-video -g

# claude.ai 网页版
# 从 Releases 下载 watch.skill → 设置 → 能力 → Skills → 添加

首次运行时会自动检测环境依赖，macOS 自动通过 brew 安装 ffmpeg 和 yt-dlp，Linux/Windows 会打印对应的安装命令。

2. 基本用法

# 分析视频内容
/watch https://youtu.be/dQw4w9WgXcQ 这个视频在讲什么？

# 定位具体时间点
/watch https://youtu.be/xxx --start 2:15 --end 2:45 这段讲了什么？

# 分析本地录屏
/watch ~/Movies/screen-recording.mp4 这个 bug 在什么时候出现的？

3. 高级参数

# 仅字幕模式（零帧，最快）
/watch video.mp4 --detail transcript 总结这个视频

# 高分辨率模式（适合阅读屏幕文字/代码）
/watch video.mp4 --resolution 1024 这段代码的逻辑是什么？

# 指定帧数上限
/watch video.mp4 --max-frames 30 提取关键信息

# 禁用转录（仅看图分析）
/watch video.mp4 --no-whisper 描述视频中的场景

实际应用场景

场景	命令示例
Bug 诊断	`/watch bug-repro.mov 哪里出了问题？`
竞品分析	`/watch 竞品视频他们用了什么开场钩子？`
会议/讲座总结	`/watch 讲座链接 --detail efficient 总结核心观点`
视频笔记	`/watch 教程视频总结并生成笔记`
内容审核/理解	`/watch viral-video 实际讲了什么——去掉营销话术`
代码审查	`/watch code-review-recording --resolution 1024 有什么问题？`