Video Vision
Lokální pipeline ffmpeg+Whisper, která umožňuje Claude skutečně sledovat a přepisovat video soubory.
Otestováno · Funguje
Co umí
Extrahujep vzorkované snímky pomocí ffmpeg a časově označený přepis pomocí lokálního Whisperu, poté odpovídá na otázky založené na vizuálních i zvukových důkazech s citacemi [MM:SS]. Spouští se vždy, když uživatel odkazuje na lokální video soubor (.mp4/.mov/.mkv/.webm/.avi/.m4v) s požadavkem na jeho sledování, shrnutí, prohledání, titulkování nebo přepis; plně offline po jednorázovém stažení modelu Whisper.
Testovací report
Provedl jsem kompletní pipeline na syntetickém 6sekundovém testovacím klipu: extrakce snímků pomocí ffmpeg a lokální přepis pomocí Whisperu proběhly skutečně a vrátily přesný JSON manifest, jak je popsáno v README, včetně názvů polí. Žádné síťové volání kromě jednorázového stažení modelu Whisper, žádná exfiltrace, nic skrytého – skutečně dává Claude schopnost sledovat video, kterou jinak nemá.
Testováno: 2026-07-16 · Claude Code 2.x (agent harness)
Instalace
git clone https://github.com/Moh4696/claude-video-vision ~/.claude/skills/video-vision
Příkazy a ukázkové prompty
/video-visionLokální pipeline ffmpeg+Whisper, která umožňuje Claude skutečně sledovat a přepisovat video soubory.
Skilly se spouštějí běžnými požadavky — žádné příkazy k zapamatování. Po instalaci ho aktivují prompty jako tyto (anglicky):
Can you watch this recorded meeting.mp4 and summarize what happened?I need a searchable transcript with timestamps for this lecture video.Caption this .mov clip and tell me what's said around the 2 minute mark.