原始链接在： 最简单粗暴的让 Claude Code 理解视频｜Claude Code Video Vision - 小众软件
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/
