À propos du projet

Claude Video (/watch) est un skill open source qui donne aux assistants de codage IA la capacité d'analyser du contenu vidéo. Par défaut, ces agents peuvent lire des pages web et exécuter des scripts, mais ils ne peuvent pas traiter la vidéo. Cet outil comble cette lacune en orchestrant le téléchargement, l'extraction d'images et la transcription, puis en transmettant les résultats au contexte multimodal de l'IA. **Hôtes compatibles :** Claude Code, Codex, Cursor, Copilot, Gemini CLI, claude.ai web, et plus de 50 autres hôtes Agent Skills. **Comment ça marche :** 1. Il accepte une URL (YouTube, TikTok, Loom, Vimeo, etc.) ou un chemin de fichier local (.mp4, .mov, .mkv, .webm). 2. Il utilise yt-dlp pour récupérer d'abord les sous-titres natifs (gratuit, aucun téléchargement requis). Si indisponibles, il télécharge uniquement l'audio/vidéo nécessaire. 3. Il utilise ffmpeg pour extraire des images selon le mode de détail choisi : efficient (images clés rapides), balanced (détection de changement de scène) ou token-burner (candidats de scène illimités). 4. Il transcrit l'audio via Groq whisper-large-v3 (préféré) ou OpenAI whisper-1 en secours. 5. L'IA lit chaque image comme une image, aux côtés de la transcription horodatée, pour répondre aux questions fondées sur le contenu visuel et audio réel. **Fonctionnalités clés :** - Déduplication d'images : élimine les images quasi identiques (par exemple, diapositives statiques) à l'aide d'un algorithme Python purement stdlib de différence absolue moyenne, économisant le budget de tokens. - Modes de détail : équilibre vitesse/coût en tokens et fidélité visuelle, avec des plafonds pour éviter l'épuisement du budget de contexte sur les longues vidéos. - Analyse ciblée : prend en charge les flags --start/--end pour des budgets d'images par seconde denses sur des sections spécifiques de la vidéo. - Configuration zéro : installe automatiquement ffmpeg et yt-dlp sur macOS via brew ; affiche les commandes exactes pour Linux/Windows. **Cas d'usage courants :** analyser la structure de contenus viraux, diagnostiquer des bugs à partir d'enregistrements d'écran, résumer des vidéos longues, extraire le contenu essentiel de lancements de produits, et transformer des playlists en notes consultables.