最简单粗暴的让 Claude Code 理解视频｜Claude Code Video Vision

我们能看懂视频，是因为我们生活在现实世界中，而视频只是现实世界的一种数字化呈现方式。
AI 则不同，它只读的懂数字、向量，最后猜一个结果给你。@Appinn

如果想要让 AI 理解视频怎么办？

有开发者用最简单粗暴的方式创建了一个 Claude Code 插件，让它能够理解视频（包括声音）。

通过 ffmpeg 提取视频帧，然后使用另外的后端模型（Gemini API、本地 Whisper 或 OpenAI API）处理音频。

最终 Claude Code 接收到图像帧，和带有时间戳的音频转文本，理解了视频。

是不是很粗暴 😂

项目地址：https://github.com/jordanrendric/claude-video-vision

开发者给了一个简单的例子：

/watch-video tutorial.mp4 "本教程中使用的是什么语言?"
"看一下 ~/videos/bug-report.mov 的第一秒"
"为我分析这段视频：~/Downloads/demo.mp4"

Claude Code 会自动调整参数：

• “第一秒”→从 00:00:00 到 00:00:01 以原始帧速率进行提取
• “总结这 1 小时的讲座”→ 低帧频，完整持续时间
• “1:30 时屏幕上有什么文字？→ 高分辨率，窄时间窗口

支持 MCP、可使用第三方 API。

流程大概是这样的：

在 Claude Code 中使用 DeepSeek V4

是的，虽然不一定能用到 Claude 模型，但可以在 Claude Code 中使用 DeepSeek V4 呀，现在官方的价格，量大管饱嘛。

原文：https://www.appinn.com/claude-code-video-vision/