- 形态
- MCP
- 传输协议
- stdio
- 是否开源
- 是
- GitHub Stars
- ★ 1.0k
- 收录来源
- mcp-github
能力说明
Claude Video Vision 是一个 Claude Code 插件，通过 ffmpeg 提取视频帧并通过多种后端（Gemini API、本地 Whisper 或 OpenAI API）处理音频。Claude 可以直接看到视频帧并读取带有时间戳的音频转录。该插件是一个感知层，而不是解释层。用户可以通过配置向导进行设置，并使用 `/watch-video` 命令来分析视频。适合需要 AI 理解视频内容的开发者。
能力点
- ▪多模态感知：观看视频帧并读取音频转录
- ▪支持 YouTube URL 直接输入
- ▪灵活选择云 API 或本地处理
- ▪自适应提取参数调整
- ▪自动安装 Whisper 模型
- ▪交互式配置向导
适用场景
分析教程视频中的语言总结长视频内容检测视频中的特定文本从 YouTube 视频中提取信息
接入方式
依赖：Node.js 20+ffmpegyt-dlp (可选)API Key (根据后端)
在 Claude Code 中运行以下命令："/plugin marketplace add https://github.com/jordanrendric/claude-video-vision" 和 "/plugin install claude-video-vision"
以上信息由 AI 基于公开资料整理，可能存在偏差，以来源为准。
常见问题
如何配置后端？
运行 "/setup-video-vision" 向导进行配置。
支持哪些后端？
支持 Gemini API、本地 Whisper 和 OpenAI API。
是否需要 API Key？
根据所选后端，可能需要 API Key。
相关 Skill
gemini-cli
Gemini CLI 是一个开源的 AI 代理，将 Gemini 的强大功能直接带入终端。
MCP
sast-skills
将你的AI编码助手转变为SAST扫描器，自动检测代码中的漏洞。
Agent Skill
planning-with-files
基于文件的持久化规划技能，适用于AI编码代理和长时间运行的任务。
Agent Skill
scientific-agent-skills
将任何AI代理转变为科学助手，提供147种即用型科研技能。
Agent Skill
susi_alexa_skill
通过 Alexa 与 Susi AI 进行问答交互的技能。
Agent Skill
claude-context
为 Claude Code 提供代码搜索能力，使整个代码库成为上下文。
MCP