claude-video：给Claude装上”眼睛”，让AI自动分析任何视频

让大模型”看”视频，不再只是读字幕

7月27日GitHub Trending上冒出一个现象级项目：claude-video，日增+412星。它的功能直击痛点：下载任意视频→逐帧提取→自动转写→把所有信息打包喂给Claude，让AI能”看懂”视频内容。

在此之前，大模型分析视频通常只靠两种方式：读字幕（丢掉了画面信息）或读截图（丢掉了时序信息）。claude-video把两者结合在了一起。

它是怎么工作的？

整个流程被封装成一个命令 `/watch`：

# 分析一个YouTube视频
claude-video /watch https://www.youtube.com/watch?v=xxxxx

背后发生了什么：

1. 下载：用yt-dlp下载视频文件

2. 抽取关键帧：按时间间隔抽取画面（默认每2秒一帧）

3. 转写音频：Whisper自动转写语音为文字

4. 打包上下文：把所有帧+时间戳+文字稿+元数据组织为一个结构化上下文

5. 交给Claude：把完整的上下文传给Claude进行分析

这样Claude得到的不再是一段文字描述，而是带时间轴的视频画面+对应时刻的语音内容。

能做什么？

这款工具的实际应用场景非常丰富：

| 场景 | 用法 |

|——|——|

| 会议记录 | 录一段产品演示→AI自动提取功能要点、待办事项 |

| 教程学习 | 一小时的编程教程→AI提取关键步骤并生成文字版教程 |

| 竞品分析 | 竞争对手产品发布视频→AI自动整理功能对比表 |

| 内容审核 | 批量检查视频是否包含违规画面或语言 |

| 会议纪要 | Zoom录制→AI自动生成结构化会议纪要+行动项 |

安装和上手

前置依赖很简单：

# 安装claude-video
pip install claude-video

# 还需要yt-dlp和ffmpeg
pip install yt-dlp
sudo apt install ffmpeg

# 设置Anthropic API Key
export ANTHROPIC_API_KEY="your-key-here"

# 开始分析
claude-video /watch "https://youtube.com/watch?v=xxxxx"

项目地址：`bradautomates/claude-video`（Python）。

与同类方案的对比

– Google Gemini视频分析：原生支持但需要上传到Google服务器，隐私和速度都不如本地方案

– GPT-4V直接分析：只能分析少量截图，无法处理长视频的时序信息

– 手工处理：人工截图+人工听写+人工分析，一小时视频要花三四个小时处理

– claude-video：本地处理+完整时序+自动转写+Claude深度分析，自动化程度最高

上手成本

– 小项目，文档简约但代码清晰

– 需要Anthropic API额度（分析长视频的token消耗不小）

– 依赖ffmpeg和yt-dlp，可能需要解决平台兼容性问题

– 视频下载速度取决于网络，长视频分析需要耐心

这个方向为什么会火？

视频是人类获取信息的主要方式，但AI理解视频一直是难题。 YouTube每分钟上传超过500小时的视频内容，企业每天产生海量的会议录制，在线教育平台积累了数以万计的课程视频——但这些内容对AI来说基本是”盲”的。claude-video的走红说明一个趋势正在加速：开发者正在用工程化手段弥补大模型”看不见”的短板，在大模型真正具备原生视频理解能力之前，这类”预处理+喂给AI”的中间件工具会越来越多，构成一个全新的工具生态层。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn