Claude 可以讀網頁、程式碼和文件，但預設不會真的「看影片」。你貼一個 YouTube 連結時，它通常只能依賴標題、網頁描述或字幕。如果重點在畫面上，例如螢幕錄製、產品展示、廣告開頭、程式錯誤，單靠字幕就不夠。
bradautomates/claude-video 做的事很直接：給 Claude 增加 /watch 能力。你提供影片連結或本地檔案，再提出問題，它會下載必要內容、提取字幕、抽取畫面幀，然後把材料交給 Claude 分析。
適合做什麼
它不是單純影片下載器，也不是一般字幕總結工具。價值在於讓 AI 同時看到畫面和文字。
適合這些場景：
- 分析 YouTube、TikTok、Loom、Vimeo、X、Instagram 等公開影片；
- 總結長影片或課程；
- 把影片教學整理成筆記；
- 看發布會、廣告、競品影片裡真正展示了什麼；
- 診斷 bug 復現錄影；
- 問某個時間點畫面裡發生了什麼；
- 從螢幕錄製裡找 UI 問題、錯誤提示或操作步驟。
|
|
本地錄影也可以：
|
|
工作流程
1. 接收影片和問題
輸入可以是 URL，也可以是本地檔案路徑。底層依賴 yt-dlp，因此支援 YouTube、Loom、TikTok、X、Instagram 等許多網站。本地檔案支援 .mp4、.mov、.mkv、.webm。
2. 優先讀取字幕
工具會先檢查影片是否有原生字幕或自動字幕。如果只需要文字總結，而且影片有字幕，transcript 模式可以不下載完整影片，速度和成本都更低。
3. 用 ffmpeg 抽取畫面幀
需要看畫面時，工具會用 ffmpeg 抽幀。detail 模式控制速度和品質：
efficient：快速讀取關鍵幀；balanced：預設模式，偏向場景變化幀；token-burner：保留更多場景變化；transcript：只取字幕，不抽幀。
預設圖片寬度是 512px，適合 Claude 讀取。需要看清程式碼、終端或投影片小字時，可以提高解析度。
4. 沒字幕時用 Whisper
如果影片沒有字幕，claude-video 會提取音訊，再用 Whisper 轉寫。專案優先支援 Groq 的 whisper-large-v3，也支援 OpenAI 的 whisper-1。
多數公開影片可以靠字幕免費處理；只有沒有字幕又需要音訊轉寫時，才需要 API key。
5. 交給 Claude 分析
最後，工具會輸出帶時間戳的字幕和圖片幀路徑。Claude 讀取這些圖片，再結合字幕回答問題。
為什麼要控制幀預算
影片分析的成本主要來自圖片幀。每一幀都是圖片，token 會很快累積。30 秒影片可以密集抽幀，但 30 分鐘影片如果全程細看，成本會很高。
如果只關心某段，最好指定時間範圍：
|
|
這通常比粗略掃完整段長影片更準，也更省。
去重機制
螢幕錄製、課程和投影片常常長時間停在同一畫面。claude-video 預設會做近似幀去重，用 ffmpeg 縮成 16x16 灰階圖，再比較亮度差異。變化很小的幀會被丟掉，把預算留給真正不同的畫面。
安裝方式
Claude Code：
|
|
Codex、Cursor、Copilot、Gemini CLI 等支援 Agent Skills 的環境：
|
|
-g 表示全域安裝；去掉則安裝到目前專案。
第一次執行
第一次呼叫 /watch 時，技能會檢查 ffmpeg、yt-dlp 和可選的 Whisper 設定。
- macOS 可以用
brew install ffmpeg yt-dlp； - Linux 會提示
apt、dnf或pipx； - Windows 會提示
winget或pip； - Whisper 兜底使用
~/.config/watch/.env裡的GROQ_API_KEY或OPENAI_API_KEY。
如果影片本身有字幕，通常不需要 Whisper key。
使用建議
長影片先用 transcript 或 efficient，不要一開始就 token-burner。知道時間點時用 --start 和 --end。影片裡有小字、程式碼或表格時再提高解析度。私密影片要注意清理工作目錄。
適合誰
它適合經常看技術影片、課程、發布會、廣告、競品展示或 bug 錄影的人。若只是想下載影片、不想安裝命令列工具、需要專業逐幀分析，或不能把影片內容交給 AI，則不太適合。
總結
claude-video 不是影片播放器，而是把影片拆成 Claude 能理解的材料：字幕負責聽見內容，抽幀負責看見畫面，時間戳負責定位片段。如果影片是你的資訊來源，/watch 可以省下很多手動拖進度條的時間。
參考來源：