Sobre o projeto

Claude Video (/watch) é uma skill de código aberto que dá aos assistentes de programação com IA a capacidade de analisar conteúdo de vídeo. Por padrão, esses agentes podem ler páginas da web e executar scripts, mas não conseguem processar vídeo. Esta ferramenta preenche essa lacuna ao orquestrar o download, a extração de frames e a transcrição, para depois entregar os resultados ao contexto multimodal da IA. **Hosts suportados:** Claude Code, Codex, Cursor, Copilot, Gemini CLI, claude.ai web e mais de 50 outros hosts de Agent Skills. **Como funciona:** 1. Aceita uma URL (YouTube, TikTok, Loom, Vimeo, etc.) ou caminho de arquivo local (.mp4, .mov, .mkv, .webm). 2. Usa o yt-dlp para buscar legendas nativas primeiro (gratuito, sem necessidade de download). Se indisponíveis, faz download apenas do áudio/vídeo necessário. 3. Usa o ffmpeg para extrair frames com base no modo de detalhe escolhido: efficient (keyframes rápidos), balanced (detecção de mudança de cena) ou token-burner (candidatos de cena ilimitados). 4. Transcreve o áudio via Groq whisper-large-v3 (preferencial) ou OpenAI whisper-1 como fallback. 5. A IA lê cada frame como uma imagem junto com a transcrição com timestamps para responder perguntas fundamentadas no conteúdo visual e sonoro real. **Principais recursos:** - Deduplicação de frames: descarta frames quase idênticos (por exemplo, slides estáticos) usando um algoritmo Python puro da stdlib de diferença absoluta média, economizando o orçamento de tokens. - Modos de detalhe: equilibra velocidade/custo de tokens e fidelidade visual, com limites para evitar esgotamento do orçamento de contexto em vídeos longos. - Análise focada: suporta as flags --start/--end para orçamentos densos de frames por segundo em seções específicas do vídeo. - Configuração zero: instala automaticamente o ffmpeg e o yt-dlp no macOS via brew; exibe os comandos exatos para Linux/Windows. **Casos de uso comuns:** analisar a estrutura de conteúdos virais, diagnosticar bugs a partir de gravações de tela, resumir vídeos longos, extrair substância de atualizações de lançamento e transformar playlists em notas pesquisáveis.