claude-video:给Claude装上看视频能力
aigclink · x · 2026-07-07
claude-video 是一个 skill,用户给一个 YouTube/X/TikTok/本地链接加一个问题,它会自动用 yt-dlp 下载、ffmpeg 抽帧、优先取免费字幕(没有再用 Whisper 转录),再把带时间戳的帧和文字交给 Claude 多模态读取,让模型真正看过画面、听过声音再回答。核心工程难点是图像 token 昂贵,作者把它当成“帧预算”问题来做,提供四档 detail 实测对比。与 video-use “LLM 不看视频只读文本”的思路相反。
所属事件:开源工具claude-video让Claude学会看视频(2 条相关)→
「编程与Agent」频道最新
- NVIDIA 开源 Molt：面向 Agentic 强化学习的训练框架 — nvidia · 2026-07-27
- Skill Self-Play 用共进化技能提升 LLM 能力上限 — QwenBusinessUnit-Edu · 2026-07-27
- Discord 截图显示视频生成器卡在“thinking”状态 — beechinour · 2026-07-27
- 用 Claude Code 做的 LSAT 错题网站，支持题目讨论线程 — Isaiah-Burton · 2026-07-27
- Victor Taelin 给 agent 记忆系统加入树状展开与长程回忆 — AccBalanced · 2026-07-27
- 微软 ReOPD 复用教师前缀，让智能体蒸馏快 4 倍以上 — dair_ai · 2026-07-27