Claude умеет читать сайт, разобрать код, залезть в репозиторий. Чего он не умел из коробки: посмотреть видео. Кидаешь ему ссылку на ютуб, а он либо гадает по названию, либо тянет текстовую расшифровку, в которой нет ничего из того, что происходит на экране.
Для тех, кто работает с контентом, это дырка размером с день работы. Хочешь понять, почему чужой рилс собрал 300 тысяч просмотров, садишься и смотришь его двадцать раз: покадрово, с паузами, выписывая хук, монтажные склейки и порядок аргументов. Сорок минут на один ролик. Десять роликов конкурента, это уже вечер.
Скилл /watch закрывает эту дырку.
Что это такое
Открытый репозиторий github.com/bradautomates/claude-video. Автор Brad Bonanno. Лицензия MIT, 15 941 звезда на 21 августа 2026, 1562 форка. Скачивание бесплатное, автору платить не надо.
Как это работает внутри, без магии:
- Ты даёшь ссылку на видео или путь к файлу на компьютере, плюс вопрос.
yt-dlpсначала проверяет, есть ли у ролика готовые субтитры. Если есть, видео вообще не скачивается.ffmpegнарезает кадры. По умолчанию скилл ловит смену сцены, а не просто каждую секунду подряд.- Транскрипт берётся из субтитров источника. Если субтитров нет, аудио уходит в Whisper.
- Кадры и транскрипт с таймкодами уходят в Claude. Он читает кадры как обычные картинки.
Честная формулировка: модель не «смотрит видео глазами». Она получает набор кадров плюс текст с таймкодами. Для разбора структуры, хука, монтажа и того, что написано на экране, этого хватает. Для «оцени плавность движения камеры» уже нет.
Поддерживается всё, что тянет yt-dlp: YouTube, TikTok, Instagram, Loom, X, Vimeo и ещё несколько сотен площадок. Локальные файлы тоже: .mp4, .mov, .mkv, .webm.
Что с этим реально делать
Разобрать чужой ролик. Вопрос вида «какой хук они дали в первые три секунды и как построена середина» отрабатывается за один запуск. Работает и на рекламных креативах, и на запусках конкурентов, и на подкастах.
Понять баг по видеозаписи экрана. Клиент прислал скринкаст, где что-то отвалилось. Claude находит кадр, на котором ломается, и описывает, что там на экране.
Снять конспект с длинного видео. Часовой урок или вебинар превращается в структуру и ключевые моменты быстрее, чем ты посмотришь его на двойной скорости.
Вытащить суть из анонса. Все эти двадцатиминутные «мы выкатили обновление» сжимаются до списка того, что реально изменилось.
Собрать заметки по плейлисту. Прогоняешь скилл по серии роликов и получаешь папку конспектов вместо десяти часов просмотра.
Установка
Claude Code, рекомендуемый способ, обновляется сам:
/plugin marketplace add bradautomates/claude-video /plugin install watch@claude-video
Codex, Cursor, Copilot, Gemini CLI и ещё полсотни агентов:
npx skills add bradautomates/claude-video -g
Флаг -g ставит скилл глобально для пользователя. Без него скилл ставится только в текущий проект.
claude.ai в браузере: скачать файл watch.skill из последнего релиза, дальше Settings, Capabilities, Skills, кнопка +. Перед этим включи в Capabilities пункт «Code execution and file creation», иначе скилл не запустится: ему нужно вызывать ffmpeg и yt-dlp.
Первый запуск. Скилл сам проверяет, стоят ли yt-dlp и ffmpeg. На macOS он ставит их через brew install ffmpeg yt-dlp без твоего участия. На Linux и Windows печатает точные команды под твой пакетный менеджер. Дальше проверка занимает миллисекунды и не мешает.
Сколько это стоит
| Что | Что нужно | Цена |
|---|---|---|
| Сам скилл | git, ничего больше | 0 |
| Видео с субтитрами | yt-dlp + ffmpeg | 0, платишь только токенами Claude |
| Видео без субтитров | ключ Groq, модель whisper-large-v3 | по тарифу Groq, у автора помечено как дешёвый и быстрый вариант |
| Он же, альтернатива | ключ OpenAI, модель whisper-1 | по прайсу OpenAI |
| Совсем без расшифровки | флаг --no-whisper | 0, останутся только кадры |
Точные цифры по расшифровке смотри на страницах Groq и OpenAI, они меняются, и я не буду называть числа, которых не проверил сегодня.
Субтитров нет обычно у локальных записей, у части TikTok и Vimeo и у редких загрузок на YouTube. То есть в большинстве случаев ты не платишь за расшифровку вообще.
Второй счёт, про который забывают: кадры это картинки, и они едят токены Claude. По формуле Anthropic картинка стоит (ширина × высота) / 750 токенов. При ширине 512 пикселей по умолчанию один кадр из 720p ролика выходит примерно в 197 токенов. Автор прогнал 49-минутное видео и замерил: режим balanced дал сто кадров и около 19,7 тысячи токенов на картинки.
И третье: при расшифровке через Whisper твоё аудио уходит на сервера Groq или OpenAI. Записи внутренних созвонов и клиентские материалы туда лучше не отправлять, для них есть --no-whisper.
Четыре режима, между которыми ты выбираешь
| Режим | Что делает | Кадров | Скорость по замеру автора |
|---|---|---|---|
transcript | только текст, видео не качается | 0 | около 4,5 секунды |
efficient | быстрые опорные кадры | до 50 | около 0,5 секунды |
balanced | кадры по смене сцены, стоит по умолчанию | до 100 | около 21 секунды |
token-burner | те же кадры по сменам сцены, но без потолка | сколько нашлось | около 21 секунды |
Замеры автора сделаны на 49-минутном ролике, скачивание в них не входит. У режима efficient название про скорость, а не про экономию: на спокойном видео он может отдать даже больше кадров, чем balanced.
Как этим пользоваться
Базовый вид команды:
/watch https://youtu.be/ССЫЛКА что происходит на тридцатой секунде?
Разбор чужого вирусного ролика:
/watch ССЫЛКА разбери первые 5 секунд покадрово: что на экране, что в звуке, что за хук. Дальше структура по блокам с таймкодами и почему это удерживает.
Отдельный кусок, чтобы не жечь токены на весь ролик:
/watch ССЫЛКА --start 2:15 --end 2:45 что он показывает на экране в этом куске?
Мелкий текст, слайды, терминал:
/watch ССЫЛКА --resolution 1024 выпиши всё, что написано на экране
Свой ролик до публикации:
/watch ~/Movies/reel.mp4 первые 3 секунды удерживают или нет, и что конкретно поправить в кадре и в первой фразе?
Полезные флаги: --detail переключает режим, --max-frames N жёстко режет число кадров под бюджет, --timestamps 12,45,90 добавляет кадры в конкретных секундах, --no-dedup оставляет похожие кадры, если тебе важны почти одинаковые сцены.
Где спотыкается
Длинные видео в обычных режимах. У efficient и balanced есть потолок по кадрам, и на ролике длиннее десяти минут кадры размазываются по всей длине. Скрипт сам печатает предупреждение про разреженный проход. Лечится либо --start и --end по нужному куску, либо режимом token-burner, который потолок снимает и платит за это токенами.
Мелкий текст. Кадры по умолчанию шириной 512 пикселей. Код в терминале и цифры на слайдах на такой ширине читаются плохо, поднимай --resolution 1024.
Репозиторий живой, но не стерильный. На 21 августа 2026 в нём 125 открытых issue. Последний коммит был 1 июля 2026.
Форки. У репозитория 1562 форка, часть из них с тем же описанием. Ставь строго bradautomates/claude-video, чужие копии могут отставать или содержать что угодно.
Что делать прямо сейчас
Поставь скилл, возьми ролик конкурента, который у тебя вызывает зависть, и задай один вопрос: почему он удерживает. Через минуту у тебя будет разбор хука, структуры и форматов, на который руками уходит полчаса. Дальше делаешь то же самое со своим последним роликом и сравниваешь два разбора между собой. Разница между ними и есть твой список правок на следующую съёмку.
Получи план AI под свои задачи. 30 сек.
Хочешь больше таких разборов?
В Telegram новые гайды и разборы каждую неделю. А если у тебя бизнес, такие системы я настраиваю под ключ: голосовые AI-агенты, боты в WhatsApp и Telegram, воронки, лидген, контент и автоматизация. Заявка 60 секунд, отвечаю с планом и ценой в течение дня.