你有没有遇到过这种情况，看到一个视频教程，标题说"1小时搞懂XXX"，结果点进去，半个小时过去了，听的一头雾水。或者屯了一堆视频教程，但没有时间去看，视频在哪里吃灰...

我一直希望有个工具帮我去批量看视频，然后总结成笔记给我。

终于，发现这个工具，claude-video。

用了一段时间，我觉得他就是我需要的视频助手。

claude-video 是什么

你丢给它一个视频链接或者本地视频，它会自动处理，然后回答你关于这个视频的问题，或者把视频总结成笔记给你。

claude-video 本质上是画面和声音的组合，能看懂图片，又能读懂文字。

它的运行逻辑大致步骤如下：第一步，借助ffmpeg，把视频拆成一张张图片（帧），把视频每秒抽几帧出来，变成图片文件。

第二步，把声音转成文字。有字幕的视频直接拿字幕，没字幕的视频用 Whisper把声音转成文字。

第三步，把图片和文字打包发给 Claude。图片作为图片文件发给它，文字作为字幕发给它。

第四步，Claude 看这些内容，然后总结。它看到的是一张张截图和对应的字幕，相当于用文字描述了一个视频的内容。

安装和优化调整

打开 Claude Code，输入这两行命令：

/plugin marketplace add bradautomates/claude-video/plugin install watch@claude-video

或者直接把项目地址发给cc，让他来解决。

项目地址：github.com/bradautomates/claude-video

在使用前，你需要准备好两个东西：fmpeg 用来转写音频，yt-dlp 用来下载视频。

但是，原版的skill有两个坑：1、对没字幕的视频，需要用 Whisper 转文字，原版skill是让用户去使用付费的whisper api2、输出的总结内容，只按时间戳进行简单的要点总结，不够详细、缺少深度。

为此，我重新修改了这个skill，2个关键的改动：1、对于没有字幕的视频，改为启用本地部署的whisper模型。2、调整输出总结要求和排版要求，让总结内容趋近于一篇文章，而不是零碎的要点。

优化后的skill，整体工作流程多了，我只需要提供视频，它一键总结成规范化的深度笔记。

具体使用场景

使用claude-video，让cc帮我们提高看视频的效率，有很多场景，具体看个人需求。

最简单的用法：/watch 视频连接url + 你的问题

比如，B站有个长视频，我没耐心看，我让他给我把一个视频总结成笔记

当然，对于单个视频，你当时可以用gemini in chrome 去总结，这个在之前文章《gemini侧边栏让chrome开挂》介绍过。

但如果是几十个视频，你不可能一个个去点击，这时候，通过claude-video 来解决。

/watch 视频文件地址 总结笔记

对原版skill的改良过程中，我增加了总结格式的强约束，现在，任意视频，它都能按下面的格式帮我沉淀为笔记。

核心目标是：结合视频画面+音频+LLM，去除视频中的口误或口水，让笔记读起来更像一篇文章。

对于超长的视频，如果你想只看某段时间视频的内容，你可以明确说出时间戳。

/watch 视频连接url 开始时间-结束时间 你的问题

如果是本地视频，只需要把视频url换成本地视频链接即可

/watch 本地视频路径+你的需求

比如，我这个目录下有一堆培训视频，55G，但我没有时间逐一去看，我可以让cc去看，然后总结给我。

总结完之后，我再去快速看笔记，对于有疑问的点，我再看回视频。

你有没有发现，当信息获取成本越来越低的时候，如何快速从信息中萃取自己需要的内容，就显得格外重要了。

市面上的很多工具，本质上都是拿效率和资源（现在其实就是token）换时间，这个skill，本质也是。

以上，如有裨益，随时交流。

温馨提示：一键三连是获取资源的基本习惯~