claude-video 是一个面向 Claude Code 及其他兼容 Agent 的视频分析 Skill，主要解决 AI Agent 难以直接理解完整视频内容的问题。用户可以提供在线视频链接或本地视频文件，工具会先获取视频和可用字幕，再通过 ffmpeg 提取关键画面，最终将带时间戳的文字稿与视频帧组合成 Claude 可以处理的上下文。它并不是让 Claude 像人一样连续播放整段视频，而是将视频拆解为文字、时间信息和代表性画面，再交给模型进行分析。这种处理方式更适合技术讲座总结、广告内容拆解、竞品视频研究、用户测试录屏分析等任务。对于需要把视频素材纳入 AI 工作流的开发者和内容创作者来说，claude-video 提供了一种相对清晰的视频到 Agent 上下文转换方案。
claude-video是什么？
claude-video 是一个用于 Claude Code 的视频分析 Skill，也可以服务于其他支持相应 Agent Skill 工作方式的环境。它通过 yt-dlp 获取在线视频内容及字幕，再利用 ffmpeg 从视频中提取关键帧，并将视频转录文本与画面信息交给 Claude 分析。当平台存在字幕时，工具会优先利用已有字幕；没有字幕时，则可以使用 Groq 或 OpenAI 的 Whisper 服务完成语音转录。整个过程的重点并不是让模型直接处理连续视频流，而是把视频转换为文字稿和带时间位置的视觉素材，从而降低模型直接分析长视频的处理难度。
核心功能
claude-video 将视频分析拆分为获取素材、转录音频、提取画面和交给模型分析几个步骤，适合需要在 AI 编程环境中快速研究视频内容的用户。不同模式可以针对完整度、速度和 Token 消耗进行调整，让用户根据视频长度和任务目标选择处理方式。
- 在线视频分析——输入在线视频链接后自动获取视频内容及字幕，为后续 Agent 分析准备素材。
- 本地视频处理——支持提供本地视频路径，可以分析录屏、课程文件、会议视频等本地素材。
- 自动获取字幕——优先读取视频平台已有字幕，减少重复进行语音转录的需要。
- Whisper 语音转录——视频没有可用字幕时，可以通过 Groq 或 OpenAI 的 Whisper 服务生成文字稿。
- 关键帧提取——利用 ffmpeg 从视频中提取具有代表性的画面，并与文字稿一起提供给 Claude。
- 时间戳上下文——文字稿和画面信息保留时间位置，方便定位视频中的具体内容和时间段。
- 多种分析模式——提供 transcript、efficient、balanced 和 token-burner 等模式，在分析完整度、速度和视觉 Token 消耗之间进行选择。
- Agent 工作流集成——可以作为 Claude Code 的 Skill 使用，让视频研究成为 AI 编程和内容分析工作流的一部分。
使用场景
claude-video 更适合需要从视频中提取信息、理解内容结构或针对特定片段进行研究的用户。它尤其适用于长视频初步筛选和重点内容定位，但受到视频帧数量、上下文窗口以及视觉 Token 预算等因素影响，复杂长视频通常需要分阶段处理。
| 人群/角色 | 场景描述 | 推荐指数 |
|---|---|---|
| 内容创作者 | 总结教程、拆解广告和研究同类视频内容 | ★★★★★ |
| AI Agent 开发者 | 将视频分析能力加入 Claude Code 工作流 | ★★★★★ |
| 产品经理 | 分析用户测试录屏和产品演示视频 | ★★★★☆ |
| 视频研究人员 | 从长视频中提取观点、时间点和关键画面 | ★★★★☆ |
| 技术学习者 | 总结技术演讲、课程和开发者会议内容 | ★★★★☆ |
| 市场分析人员 | 研究竞品视频的内容结构和广告表现 | ★★★★☆ |
| 普通视频观看者 | 只需要观看视频而不需要结构化分析 | ★★☆☆☆ |
操作指南
新手可以先使用一个较短的视频进行测试，熟悉从视频获取到 Agent 分析的完整流程。核心步骤是安装 Skill、准备视频、选择分析模式并让 Claude 根据生成的上下文完成任务。
- 打开 claude-video，查看项目安装方式和使用要求。
- 按照项目说明将 Skill 安装到 Claude Code 对应目录。
- 准备在线视频链接或本地视频文件，并确认当前环境可以正常访问视频资源。
- 向 Claude Code 提供视频链接或本地视频路径，并说明希望分析的目标。
- 根据任务选择
transcript、efficient、balanced或token-burner等处理模式。 - 等待工具获取视频、字幕并提取关键帧，必要时调用 Whisper 完成语音转录。
- 让 Claude 根据带时间戳的文字稿和关键画面进行总结、拆解或定位具体内容。
- 对长视频进一步指定时间区间重新分析，以获得更加集中的结果。
（注意：没有字幕的视频可能需要调用第三方语音转录服务；处理长视频时应注意视觉帧数量和模型上下文预算。）
支持平台
claude-video 本身并不是独立的 Web、iOS、Android 或桌面视频播放器，而是面向 Claude Code 及兼容 Agent 环境的 Skill。因此实际使用主要依赖命令行开发环境以及 yt-dlp、ffmpeg 等视频处理组件。在线视频和本地视频均可以作为输入来源，具体可处理的平台还会受到 yt-dlp 支持范围以及视频访问权限影响。
对于没有字幕的视频，工具可以结合 Groq 或 OpenAI 的 Whisper 服务进行语音转录，因此这部分能力还取决于相应第三方服务的配置和可用性。
产品定价
claude-video 本身属于开源项目，可以免费获取和使用，不采用传统在线软件的订阅模式。不过，免费使用 Skill 并不意味着整个视频分析流程没有成本。如果视频缺少字幕，需要调用 Groq 或 OpenAI 的 Whisper 服务进行转录，相关服务可能按照 API 调用量或 Token 使用情况产生费用。同时，最终的视频分析还会消耗 Claude 等模型服务的使用额度。
因此，实际成本主要取决于视频长度、转录方式、分析模式、关键帧数量以及所使用的 AI 模型服务。
常见问题
claude-video 能让 Claude 直接观看完整视频吗？
它并不是让 Claude 持续观看完整视频，而是先将视频转换为文字稿、时间戳和关键画面，再交给模型分析。这样可以让 Agent 更容易处理视频内容，但视觉信息仍然受到关键帧数量和上下文预算限制。
使用 claude-video 是否收费？
Skill 本身可以免费使用，但视频转录和 AI 分析可能产生第三方服务费用。如果视频已经提供字幕，可以减少语音转录服务的调用，但 Claude 分析本身仍然会消耗对应模型的使用额度。
长视频适合直接一次分析吗？
长视频可以处理，但并不建议盲目一次性分析全部内容。视频越长，需要处理的文字、画面和 Token 越多，更适合先进行低成本的整体分析，再针对重要时间段重新提取素材进行深入研究。
开发者小结
claude-video 的价值在于建立了一条较明确的视频到 Agent 上下文处理链路：先获取视频和字幕，再完成转录与关键帧提取，最后交给 Claude 进行理解。它适合技术教程、产品录屏、广告素材、竞品视频以及课程内容等需要结构化分析的场景。对于开发者和内容创作者来说，这种方式能够减少手动观看和整理视频的工作量，但它仍然不是完整的视频理解系统，关键帧选择、字幕质量和上下文容量都会影响最终结果。较短视频可以直接分析，长视频则更适合先概览、后定位，再针对具体时间段深入处理。对于只需要正常观看视频的用户，这类 Agent Skill 的实际必要性相对较低。
相关文章
