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
- 把一切接入 Dot:达人分享突破 ChatGPT 订阅额度限制的用法 — teortaxesTex · 2026-10-27
- UCSB 教授王骁连获三笔超 18 万美元资助，推进实用高效主动式 AI Agent — xwang_lk · 2026-10-27
- 开发者观点：生成式游戏不必实时渲染，回合制交互同样可行 — djcows · 2026-10-27
- 用 Claude 三周重制《街霸2》HD，token 花了 3000 美元 — Fantastic-Jeweler781 · 2026-10-27
- 求职作品集反向工程法：先用 Agent 调研面试官，再定作品要传达的一两个亮点 — brandon_galang · 2026-10-27
- 给 AI 一台无隐私裸机 24/7 放养：比任何 agent 课程学得都多 — EXM7777 · 2026-10-27