इस प्रोजेक्ट के बारे में

Claude Video (/watch) एक ओपन-सोर्स सkill है जो AI coding assistants को वीडियो कंटेंट विश्लेषण की क्षमता देता है। डिफ़ॉल्ट रूप से, ये agents webpages पढ़ और scripts चला सकते हैं, लेकिन वीडियो प्रोसेस नहीं कर सकते। यह टूल डाउनलोड, फ्रेम एक्सट्रैक्शन और ट्रांसक्रिप्शन को ऑर्केस्ट्रेट करके इस अंतर को पाटता है, और फिर नतीजों को AI के multimodal context में सौंपता है। **Supported Hosts:** Claude Code, Codex, Cursor, Copilot, Gemini CLI, claude.ai web, और 50+ अन्य Agent Skills hosts। **How it works:** 1. एक URL (YouTube, TikTok, Loom, Vimeo, आदि) या local file path (.mp4, .mov, .mkv, .webm) स्वीकार करता है। 2. yt-dlp का उपयोग करके पहले native captions लाता है (free, download की ज़रूरत नहीं)। अगर उपलब्ध न हों, तो केवल ज़रूरी audio/video डाउनलोड करता है। 3. ffmpeg का उपयोग करके चुने गए detail mode के आधार पर फ्रेम निकालता है: efficient (fast keyframes), balanced (scene-change detection), या token-burner (uncapped scene candidates)। 4. Audio को Groq के whisper-large-v3 (preferred) या fallback के रूप में OpenAI के whisper-1 से ट्रांसक्राइब करता है। 5. AI timestamped transcript के साथ हर फ्रेम को image के रूप में पढ़ता है, ताकि actual visual और audio content में आधारित सवालों के जवाब दे सके। **Key features:** - Frame deduplication: Pure-stdlib Python mean absolute difference algorithm से near-identical frames (जैसे static slides) हटाता है, जिससे token budget बचता है। - Detail modes: Speed/token cost को visual fidelity के लिए trade-off करता है, और long videos पर context budget exhaustion रोकने के लिए caps रखता है। - Focused analysis: --start/--end flags समर्थित हैं, ताकि specific video sections पर dense per-second frame budgets लगाए जा सकें। - Zero-config setup: macOS पर brew के ज़रिए ffmpeg और yt-dlp auto-install करता है; Linux/Windows के लिए exact commands print करता है। **Common use cases:** Viral content structure का विश्लेषण, screen recordings से bugs का diagnosis, long videos का summary, launch updates से substance निकालना, और playlists को searchable notes में बदलना।