把视频链接交给 Claude 到底能干什么?claude-watch 的 6 个高价值使用场景

原创2026-10-19 23:39:231,415 阅读

把视频链接交给 Claude 到底能干什么?claude-watch 的 6 个高价值使用场景

claude-watch 是一个让 Claude 真正"看懂视频"的开源技能(Skill):粘贴一个视频链接或本地文件,它会自动下载视频、按镜头切换抽取画面帧、提取带时间戳的字幕或 Whisper 转写文本,最后基于它"亲眼看到、亲耳听到"的内容回答你的问题,还能生成结构化报告并自动存进 Obsidian。对于新手来说,这是目前把视频链接交给 Claude 后能产出最多价值的几个场景之一。

先搞懂:claude-watch 是如何"看"视频的?

平时把 YouTube 链接丢给 Claude,它只能靠标题猜测。而 claude-watch 的 scripts/watch.py 会走一套完整流水线:

  1. 下载:用 yt-dlp 下载视频(支持 YouTube、TikTok、X、Instagram 等几百个平台),本地文件则直接探测,无需下载
  2. 抽帧:scripts/frames.py 用 ffmpeg 的镜头变化检测(select=gt(scene,...))在每次剪切点抽一帧,而不是机械地每隔 N 秒抽一帧——长视频也能把画面预算花在刀刃上
  3. 转写:优先用平台原生字幕(免费),没有字幕时回退到 Groq / OpenAI 的 Whisper API
  4. 交还 Claude:Claude 逐帧"看图"+ 对照时间戳字幕作答,答案里每个结论都能定位到具体时间

整个过程由技能合约 SKILL.md 驱动,依赖检查脚本 scripts/setup.py 会在首次运行时自动引导安装 ffmpeg 和 yt-dlp,基本零配置上手。

场景一:30 秒生成视频摘要,比 2 倍速还快

长视频摘要是最高频的用法。很多 20 分钟的播客或教程其实不值得你花 20 分钟看完整集:

/watch https://youtu.be/xxx summarize this

Claude 会提炼出视频的结构、关键节点和实际讲到的内容。对纯口播类视频(播客、访谈),字幕转写就足够了,画面帧只是补充。配合 --intent 参数还能告诉它"你为什么看",摘要的侧重点会随之不同——同一支视频,意图写"定价策略"和"剪辑风格"会得到完全不同的摘要。

场景二:解剖爆款视频的"黄金 10 秒"钩子

做内容创作的人最该试这个场景。前 10 秒决定一支视频能否留住观众,claude-watch 专门为此设计了 hook microscope(钩子显微镜):

  • scripts/hook.py 对开头 10 秒做 2 fps 高密度抽帧 + 词级 Whisper 转写
  • 报告里能逐帧还原"每句话落下时屏幕上是什么"
  • scripts/pacing.py 还会给出编辑级节奏指标:每分钟剪切数(cuts/min)、平均镜头时长
/watch https://youtu.be/某爆款视频 what hook did they open with?

Claude 会把钩子的结构拆给你看:是提问式开场、反常识断言、还是直接上演示。广告素材、竞品发布视频、播客开场同理——不只是"讲了什么",更是"怎么讲的"。

场景三:从录屏视频里直接定位 Bug

团队里有人发来一段"哪里坏了"的屏幕录制?不用你自己打开文件逐帧扒:

/watch bug-repro.mov what's going wrong?

Claude 会找到问题出现的那一帧,描述屏幕上的状态,很多时候能直接指出原因。对前端/后端工程师和客服来说,这是"视频 → 问题定位"的最短路径。本地文件(.mp4、.mov、.mkv、.webm)都可以直接喂给它。

场景四:聚焦分析视频的某一段(省 token 的关键技巧)

问的是"第 30 秒发生了什么",就没必要扫描整支视频。用 --start / --end 进入聚焦模式,画面预算会自动加密:

/watch https://youtu.be/abc --start 2:15 --end 2:45

聚焦模式的帧率比全片扫描密得多(上限 2 fps),回答质量远高于对长视频做稀疏扫描。超过 10 分钟的视频建议养成这个习惯:先粗扫定位,再聚焦精查。完整的帧预算规则(≤30 秒约 30 帧、1-3 分钟约 60 帧、最长 100 帧封顶)见 README.md。

场景五:视频分析结果自动存进 Obsidian 第二大脑

看完一支视频,最有价值的部分——关键金句、实体、概念——往往过目就忘。claude-watch 的 scripts/report.py 会为每次观看生成固定结构的 report.md:TL;DR、关键时刻、钩子拆解、编辑画像、可引用金句、实体与概念清单、完整字幕。

如果你在 Obsidian 用户目录下(或设置了 WATCH_VAULT_DIR 环境变量),Claude 会在回答完你的问题后主动询问:"要不要把这份分析摄入你的 Obsidian vault?" 确认后报告会被自动归档到 raw/watched/ 目录并通过 obsidian:// 协议直接打开,还能按 vault 里定义的 Ingest 流程生成实体页和概念页——看过的视频从此变成知识库里可链接的条目,零复制粘贴。没有 Obsidian ?该步骤会安静跳过,完全不影响核心功能。

场景六:对视频"提问"——任何你能想到的具体答案

前面的场景都是固定套路,但 claude-watch 的本质是视频问答,问题可以任意自定义:

/watch https://youtu.be/dQw4w9WgXcQ what happens at the 30 second mark?
/watch https://vimeo.com/123 what tools does she mention?
/watch https://www.tiktok.com/@user/video/123 summarize this

"她提到了哪些工具?""UI 什么时候开始崩的?""3 分钟处讲了什么?"——Claude 的回答全部基于画面和字幕,而不是标题或简介。需要读到屏幕上的文字(幻灯片、代码、终端)时,加上 --resolution 1024 把帧宽提到 1024px 即可。

安装与上手:三分钟搞定

以 Claude Code 为例,两条命令:

/plugin marketplace add taoufik123-collab/claude-watch
/plugin install watch@claude-watch

其他入口(Codex、手动安装、claude.ai 网页版上传 watch.skill)的完整方式见 README.md 的 Install 部分,也可通过 git clone https://gitcode.com/gh_mirrors/cla/claude-watch.git 克隆仓库自行查看。首次调用 /watch 时,scripts/setup.py 会自动检查环境:macOS 直接 brew 装好依赖,Linux/Windows 打印对应安装命令;Whisper API key 只在视频没有原生字幕时才需要(大多数公开视频有免费字幕)。

几个实用小贴士

  • 最佳时长:10 分钟以内精度最高;更长视频建议用 --start/--end 分段
  • 成本控制:token 开销主要来自画面帧(100 帧封顶、2 fps 硬上限),追问时 Claude 会复用已读入的帧,不会重新跑脚本
  • 隐私边界:它不登录任何平台账号、不上传视频本体(只在上送音频转写时发出提取的音频片段),详见 SKILL.md 的 Security 一节
  • 更新日志:0.2.0 版本新增的镜头抽帧、hook 显微镜、节奏指标等特性记录在 CHANGELOG.md

总结

claude-watch 把 Claude 从"只能读链接"升级成了"真的看过视频"。摘要、钩子拆解、录屏排障、片段聚焦、Obsidian 归档、自由问答——这 6 个场景覆盖了创作者、工程师和知识管理者的核心痛点。如果你的工作流里经常和视频打交道,这个开源小项目值得花三分钟装上试试。

登录后查看全文
claude-watch