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
- 受 OpenAI 万机群启发，开发者开源 agent 众包解题平台 — Benjaminsen · 2026-09-11
- 开源 Mac 应用 Lucid：只在跑 AI 时阻止笔记本休眠 — Pitiful_Hedgehog_600 · 2026-09-11
- 20kb 函数匹配达成,banteg 召集 AI 逆向 Snail Mail 剩余 20 个挑战 — banteg · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11