Claude Video: skill miễn phí 7.800 sao giúp Claude "xem" được YouTube

Claude đọc được code của bạn, duyệt được web, viết được tài liệu — nhưng đến giờ, dán một link YouTube vào thì nó chỉ có thể đoán mò từ tiêu đề. Claude Video thay đổi điều đó. Đây là một skill mã nguồn mở miễn phí (giấy phép MIT, hơn 7.800 sao trên GitHub) cho phép Claude thực sự xem video: trích xuất frame, lấy transcript, và trả lời câu hỏi dựa trên những gì thật sự hiện trên màn hình và trong âm thanh.

Hỏi "Chuyện gì xảy ra ở giây thứ 30?" hay "Vì sao video này viral?" — Claude trả lời từ hình ảnh và âm thanh, không phải từ metadata.

Cách hoạt động

Skill này làm hai việc bên dưới:

1. Trích xuất frame. Dùng ffmpeg để lấy các frame từ video và đưa cho Claude dưới dạng ảnh. Bốn chế độ chi tiết để bạn đánh đổi giữa tốc độ và độ sâu:

Chế độ	Cách hoạt động	Tốc độ
`transcript`	Chỉ text (phụ đề)	~4,5s
`efficient`	Chỉ keyframe, tối đa 50 frame	~0,5s
`balanced`	Phát hiện chuyển cảnh, tối đa 100 frame	~21s
`token-burner`	Phát hiện chuyển cảnh, không giới hạn	Phủ toàn bộ

Một bước khử trùng lặp thông minh loại bỏ các frame gần giống nhau (slide giữ nguyên, màn hình tĩnh), nên "ngân sách frame" chỉ dành cho nội dung khác biệt — ngưỡng so sánh còn được tinh chỉnh riêng cho code diff và terminal đang cuộn.

2. Phiên âm. Ưu tiên lấy phụ đề gốc qua yt-dlp — miễn phí và tức thì. Chỉ khi không có phụ đề (file local, một số video TikTok) mới chuyển sang Whisper API, ưu tiên whisper-large-v3 của Groq thay vì OpenAI vì rẻ và nhanh hơn. Với phần lớn video YouTube, bạn không cần API key nào.

Cách dùng

/watch https://youtu.be/dQw4w9WgXcQ what happens at the 30 second mark?
/watch ~/Movies/screen-recording.mp4 when does the UI break?
/watch https://vimeo.com/123 --start 2:15 --end 2:45

Cặp flag --start/--end là "chiêu" đáng giá nhất: tập trung vào một khoảng thời gian cho mật độ frame dày hơn với chi phí token thấp hơn. Các flag hữu ích khác: --resolution (tăng lên 1024px để đọc chữ trên màn hình), --max-frames, và --timestamps.

Cài đặt

Với Claude Code:

/plugin marketplace add bradautomates/claude-video
/plugin install watch@claude-video

Skill cũng chạy được trên Codex, Cursor, Copilot, Gemini CLI và hơn 50 agent khác qua npx skills add bradautomates/claude-video -g, và trên claude.ai web qua file .skill tải về. Các dependency (ffmpeg, yt-dlp) tự cài trong lần chạy đầu.

Dùng vào việc gì

•Tóm tắt video dài — lấy ý chính của một bài nói 40 phút mà không cần xem
•Nghiên cứu nội dung viral — phân tích nhịp độ, hook và hình ảnh của video đang trending
•Debug bản ghi màn hình — hỏi "UI hỏng ở đoạn nào?" trên file .mp4 local
•Phân tích tutorial — trích xuất chính xác các bước và câu lệnh mà không phải tua đi tua lại

Hỗ trợ YouTube, TikTok, Instagram, Loom, X, Vimeo và hơn 100 nguồn khác, cộng thêm file local .mp4/.mov/.mkv/.webm.

Giới hạn cần biết

Các chế độ có giới hạn frame sẽ trải đều frame trên toàn bộ thời lượng, nên độ phủ trở nên thưa với video dài quá ~10 phút — hãy dùng token-burner hoặc khoanh vùng bằng --start/--end. Tăng độ phân giải hay bỏ giới hạn frame cũng đồng nghĩa tốn nhiều token ảnh hơn, nên hãy chọn chế độ khớp với câu hỏi của bạn.

Điều đọng lại

Video là "điểm mù" lớn cuối cùng của các AI coding assistant. Một skill mã nguồn mở duy nhất — do Brad Bonanno của Solaris Automation xây dựng — đã lấp nó bằng một thiết kế thực dụng: ưu tiên phụ đề, khử trùng lặp frame, chỉ tiêu token vào chỗ đáng tiêu. Nếu workflow của bạn có dính đến link YouTube hay bản ghi màn hình, đây là một lệnh cài đặt hoàn vốn ngay lần đầu bạn khỏi phải xem một video 30 phút.

Nguồn tham khảo: github.com/bradautomates/claude-video

#ClaudeCode #AITools #VideoAnalysis #OpenSource #ClaudeSkills #Automation

✍️ Tác giả: Do Ngoc Hoan Founder of CookConnects.ca & Wizy.ca. Kết nối khoảng cách giữa thuật toán tiên tiến và thực thi kinh doanh. Tôi viết cho những founder kỹ thuật muốn mở rộng tầm ảnh hưởng bằng AI và kỹ thuật vững chắc.