Claude Video: Cho Claude xem bất kỳ video nào với /watch

Vấn đề nó giải quyết

Một agent có thể đọc trang web, chạy script, hay duyệt một repo, nhưng mặc định nó không xem được video. Dán một link YouTube và nó hoặc đoán từ tiêu đề, hoặc lấy một transcript bỏ sót mọi thứ trên màn hình — cái UI bị lỗi, tấm slide, khung hình nơi bug xuất hiện. Claude Video sinh ra để lấp khoảng trống đó: nó biến một URL hay một file cục bộ thành các khung hình và transcript có mốc thời gian mà agent thực sự nhìn và đọc được.

Đây là gì?

Claude Video là một skill giúp Claude xem hiểu video, viết bằng Python (giấy phép MIT), gọi bằng `/watch <video> <câu hỏi>`. Nó nối ba công cụ: yt-dlp tải nguồn (bất kỳ URL yt-dlp hỗ trợ — YouTube, Loom, TikTok, X, Instagram, Vimeo — hoặc file .mp4/.mov/.mkv/.webm cục bộ), ffmpeg trích khung hình, và transcript đến từ caption gốc miễn phí trước, chỉ dùng Whisper khi video không có caption. Script in ra đường dẫn khung kèm mốc thời gian và transcript, rồi Claude Read từng JPEG như một hình ảnh.

Vì sao đang được chú ý

Trao cho agent một trình duyệt hay một shell giờ là chuyện thường; trao cho nó khả năng thấy video thì hiếm hơn, và cái này lấp đúng chỗ đó với gần như không cần thiết lập. Nó cài trên Claude Code, Codex, Cursor, Copilot, Gemini CLI và hơn 50 host Agent Skills từ cùng một thư mục skill, và caption phủ hầu hết video công khai miễn phí — nên trường hợp phổ biến không tốn API key. Sự ít ma sát đó, cộng một README công bố số đo thật thay vì lời hứa, là lý do nó đã vượt hơn 7.400 sao.

Tính năng chính

• ✓Tải bằng yt-dlp — bất kỳ URL yt-dlp hỗ trợ (YouTube, TikTok, Loom, X, Vimeo) hoặc file .mp4/.mov/.mkv/.webm cục bộ
• ✓Bốn chế độ chi tiết đánh đổi token lấy độ nét: `transcript` (không khung), `efficient` (keyframe, giới hạn 50), `balanced` (scene-change, giới hạn 100), `token-burner` (scene-change, không giới hạn)
• ✓Khử trùng lặp khung — một lượt so sánh chênh lệch tuyệt đối trung bình trên thumbnail 16×16 xám, để một slide giữ nguyên 90 giây không ngốn cả tá token hình ảnh
• ✓Transcript từ caption gốc miễn phí trước; Whisper (Groq `whisper-large-v3` hoặc OpenAI `whisper-1`) chỉ kích hoạt khi video không có caption
• ✓Ngân sách khung theo độ dài video, kèm chế độ tập trung `--start`/`--end` cho độ phủ dày hơn mỗi giây, giới hạn ở 2 fps
• ✓Một thư mục skill tự chứa, cài được trên Claude Code, Codex, Cursor, Copilot, Gemini CLI, 50+ host và claude.ai web

Trường hợp dùng tốt nhất

• •Mổ xẻ nội dung của người khác — hỏi một video viral mở đầu bằng cái hook gì, hay một mẫu quảng cáo được dựng thế nào
• •Chẩn đoán một bug từ đoạn quay màn hình đồng nghiệp gửi, tìm khung hình nơi UI hỏng
• •Tóm tắt một buổi nói hay video ra mắt nhanh hơn xem ở tốc độ 2x, hoặc lược một bản cập nhật xuống còn cái gì thực sự mới
• •Biến một playlist hay khóa học thành ghi chú theo từng video, để hàng giờ footage thành một tập tóm tắt tìm kiếm được

Cách cài đặt / dùng thử

Trong Claude Code, thêm marketplace và cài plugin: `/plugin marketplace add bradautomates/claude-video` rồi `/plugin install watch@claude-video`. Với Codex, Cursor, Copilot, Gemini CLI và 50+ host khác, chạy `npx skills add bradautomates/claude-video -g` (`-g` cài toàn cục; bỏ đi để chỉ cài cho project hiện tại). Với claude.ai web, tải `watch.skill` từ release mới nhất và thêm ở Settings → Capabilities → Skills. Ở lần chạy đầu, nó kiểm tra yt-dlp và ffmpeg — tự cài qua brew trên macOS, hoặc in ra đúng các lệnh apt/dnf/winget trên Linux và Windows.

Cách sử dụng

Gọi `/watch` với một video và một câu hỏi: `/watch https://youtu.be/dQw4w9WgXcQ what happens at the 30 second mark?` hoặc `/watch ~/Movies/screen-recording.mp4 when does the UI break?`. Thu hẹp vào một đoạn với `--start`/`--end` (ví dụ `--start 2:15 --end 2:45`) để có lượt quét dày và rẻ hơn. Tinh chỉnh bằng `--detail transcript|efficient|balanced|token-burner`, `--resolution 1024` để đọc chữ trên màn hình, `--max-frames N` cho ngân sách chặt hơn, `--whisper groq|openai`, hoặc `--no-whisper` để chỉ lấy khung hình.

Lựa chọn thay thế

Ai nên thử — và ai nên bỏ qua

Lập trình viên và người sáng tạo vốn đã làm việc trong Claude Code (hay Codex, Cursor, Copilot, Gemini CLI) và thường xuyên cần rút thông tin từ video — nội dung đối thủ, bug repro, các buổi nói dài. Nếu bạn ở trên một agent host đa phương thức và caption phủ nguồn của bạn, thêm nó gần như không tốn chi phí. Nếu bạn không dùng agent host, hay cần một app GUI chỉn chu, thì đây không phải thứ đó.

Câu hỏi thường gặp