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 starsGitHub 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-dlpLinux/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 /plugininstallwatchclaude-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-dlpffmpeg 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。