# Как дать Claude "глаза" для видео

Транскрипт — это не видео. Если Claude получает только текст, он не видит монтаж, графику, жесты, экран, тайминг и визуальные доказательства.

## Что решает /watch

По умолчанию Claude не «смотрит» видео как человек. Ему нужно разложить ролик на данные:

карточка 1 — значение «транскрипт с таймкодами»; карточка 2 — значение «стоп-кадры»; карточка 3 — значение «метаданные видео»; карточка 4 — значение ««что сказано» + «что показано» в 1 момент времени»

Skill /watch делает именно это: берёт видео по ссылке или локальному пути, достаёт captions / transcript, извлекает кадры через ffmpeg, сопоставляет всё с таймкодами и отдаёт Claude материал для анализа.

Источник: https://claudeskills.info/skills/bradautomates/claude-video/watch/

## Что понадобится и установка

- Claude Code или другой агент, который поддерживает skills.
- Python.
- ffmpeg и ffprobe.
- yt-dlp, если нужно работать с YouTube / Reels / ссылками.
- Whisper fallback, если у видео нет субтитров.
- Доступ к видео: локальный файл или публичная ссылка.

Для Claude Code:

```
npx skills add bradautomates/claude-video --skill watch --agent claude-code
```

После установки проверь, что команда /watch доступна в агенте.

Если ставишь вручную, логика такая:

- 01 «Установить skill bradautomates/claude-video.»
- 02 «Проверить зависимости: ffmpeg, ffprobe, yt-dlp, Python.»
- 03 «Запустить setup, если skill просит.»
- 04 «Настроить Whisper fallback, если нужны видео без captions.»

## Как использовать

Локальный файл

```
/watch /path/to/video.mp4
```

Видео по ссылке

```
/watch https://...
```

С конкретным вопросом

```
/watch /path/to/video.mp4 Проверь, где в ролике визуал не совпадает с текстом.
```

Фокус на фрагменте

```
/watch /path/to/video.mp4 --start 00:05 --end 00:20
```

## Что именно собирает skill

строки «Слой → Что делает и зачем»: yt-dlp → забирает видео, captions и метаданные — чтобы не работать вслепую; ffmpeg → извлекает кадры — чтобы Claude видел экран; transcript → даёт слова и таймкоды — чтобы связать речь с кадром; frames → показывают монтаж, жесты, графику — чтобы не терять визуальный смысл; report → объединяет всё в markdown — чтобы Claude мог анализировать ролик

## Когда /watch обязателен, а когда хватит транскрипта

врезка-пара: левый callout — метка `// Когда обязательно использовать /watch`, текст «Нужно проверить монтаж.. Нужно понять, что написано на экране.. В ролике есть интерфейс, презентация, графика или скринкаст.. Нужно найти кодовое слово.. Нужно проверить, не расходится ли голос с визуалом.. Нужно сделать описание, чек-лист»; правый callout — метка `// Когда одного транскрипта достаточно`, текст «В ролике только говорящая голова.. Нет важных надписей на экране.. Визуал не несёт смысла.. Нужно только переписать речь в текст.»

Но если на экране есть интерфейс, ссылки, репозиторий, кодовое слово или промпт — транскрипта мало.

## Промпт для анализа Reels через /watch

```
Посмотри ролик через /watch и разбери его как материал для Instagram. Нужно: 1. кратко описать суть ролика; 2. найти кодовое слово; 3. понять, что обещано зрителю в CTA; 4. выписать важные ссылки, репозитории, инструменты и названия с экрана; 5. отметить, где ASR мог ошибиться; 6. предложить, нужен ли чек-лист, инструкция, видео или ссылка; 7. сделать короткое описание для Reels без пересказа сценария. Не выдумывай ссылок. Если название не читается на кадре, напиши "проверить вручную".
```

## Проверка результата

- [ ] Транскрипт совпадает с тем, что говорится в ролике.
- [ ] Важные кадры попали в разбор.
- [ ] Названия инструментов сверены с экраном.
- [ ] Кодовое слово найдено по финальному CTA.
- [ ] Ссылки не придуманы, а прочитаны с кадра или проверены отдельно.
- [ ] В описании нет скринкаста вместо короткой выжимки.

## Частые ошибки

- Использовать только транскрипт и пропустить ссылку на экране.
- Доверять ASR в названиях: он часто ломает yt-dlp, ffmpeg, GitHub, названия skills.
- Брать кодовое слово в падеже из речи, а не как оно написано в описании.
- Делать выводы по названию файла, а не по видео.
- Не проверять финальные 3-5 секунд, где обычно звучит CTA.

---

Источник: https://localhost:3000/m/kak-dat-claude-glaza-dlya-video