claude-video-vision

收录理由

这个插件让Claude真正看得见、听得懂视频内容。它不自己造轮子做视觉识别，而是老老实实当感知层：用ffmpeg从本地文件或YouTube链接抽帧，音频部分交给Gemini、本地Whisper或OpenAI转成带时间戳的文字，Claude把画面和文字当证据来读。这种分工在实际场景里很管用，比如排查录屏里的bug、总结一小时讲座、或者确认某段视频特定时刻出现了什么文字。安装走市场命令，不用编译；提问方式不同，抽帧的帧率、时间范围、分辨率也会跟着调整；云端和本地后端都能选，想保密的话转录完全可以留在自己机器上。插件把推理留给底层模型，只喂证据不给结论。