claude-video: Claude смотрит видео

Claude умеет читать веб-страницы, код и документы, но видео из коробки для него — чёрный ящик: ссылка на YouTube даёт в лучшем случае неполный транскрипт без картинки. Скилл /watch закрывает этот разрыв — скачивает видео, режет его на кадры, достаёт транскрипт и отдаёт всё это Claude как изображения и текст с таймкодами. Ниже — как поставить, какими командами пользоваться и на какие лимиты не натыкаться.

1. Что делает /watch и зачем он нужен

• Проблема: без этого скилла ссылка на видео даёт Claude только заголовок или неполный пересказ — без того, что реально происходит на экране.
• Механика: скилл скачивает видео, извлекает кадры с адаптивной частотой, достаёт транскрипт с таймкодами и передаёт всё это Claude как изображения плюс текст.
• Итог: ответ строится на том, что видно на кадрах и слышно в транскрипте, а не на названии ролика или предположениях.

2. Установка

• Claude Code: /plugin marketplace add bradautomates/claude-video, затем /plugin install watch@claude-video
• claude.ai (веб): скачать watch.skill из последнего релиза репозитория и добавить через Settings → Capabilities → Skills.
• Codex: git clone https://github.com/bradautomates/claude-video.git ~/.codex/skills/watch
• Ручная установка: git clone https://github.com/bradautomates/claude-video.git ~/.claude/skills/watch
• Репозиторий: github.com/bradautomates/claude-video, лицензия MIT.

3. Что нужно на первом запуске

• Зависимости: yt-dlp и ffmpeg — на macOS ставятся автоматически через brew при первом вызове, на Linux и Windows скрипт печатает точные команды для установки.
• Транскрипт по умолчанию бесплатный: сначала берутся штатные субтитры источника через yt-dlp.
• Whisper — только как запасной вариант: нужен лишь если у видео нет субтитров вообще; предпочтительнее ключ Groq (whisper-large-v3), альтернатива — ключ OpenAI (whisper-1).
• Без транскрипции: флаг --no-whisper отключает распознавание речи полностью — остаётся разбор только по кадрам.

4. Как пользоваться

/watch https://youtu.be/dQw4w9WgXcQ what happens at the 30 second mark?

• Источники: подходит всё, что скачивает yt-dlp — YouTube, TikTok, Loom, X, Instagram, Vimeo, а также локальные файлы .mp4, .mov, .mkv, .webm.
• Разбор отрезка: флаги --start и --end, например /watch video.mp4 --start 2:15 --end 2:45 — плотнее по кадрам и дешевле по токенам, чем разбор всего ролика.
• Точная настройка: --max-frames — снизить лимит кадров, --resolution 1024 — если нужно читать текст на экране, --fps — переопределить частоту кадров, --whisper groq|openai — выбрать конкретный бэкенд транскрипции.

5. Ограничения

• Лучшая точность — на роликах короче 10 минут; на более длинных скрипт предупреждает о разреженном разборе кадров.
• Жёсткий потолок — 2 кадра в секунду и не более 100 кадров на один запуск, вне зависимости от длины видео.
• Лимит Whisper — 25 МБ на аудио, это около 50 минут при моно 16 кГц; для более длинных видео нужны субтитры или отрезок через --start / --end.
• Приватные платформы не поддерживаются — только публичные ссылки и локальные файлы, без авторизации на сторонних сервисах.