Video Vision
Lokal ffmpeg+Whisper pipeline, der lader Claude se og transskribere videofiler
Testet · Virker
Hvad det gør
Uddrager samplede frames via ffmpeg og en tidsstemplet transskription via lokal Whisper, og besvarer derefter spørgsmål baseret på både visuelle og auditive beviser med [MM:SS] citationer. Udløses, når en bruger refererer til en lokal videofil (.mp4/.mov/.mkv/.webm/.avi/.m4v) og ønsker den set, opsummeret, søgt i, undertekstet eller transskriberet; fuldt offline efter en engangs-download af Whisper-modellen.
Testrapport
Kørte den rigtige pipeline ende-til-ende mod et syntetisk 6-sekunders testklip: ffmpeg frame-udtrækning og lokal Whisper-transskription blev begge udført i virkeligheden og returnerede den præcise JSON-manifestform, som README'en dokumenterer, helt ned til feltnavne. Ingen netværkskald ud over den oplyste engangs-Whisper model download, ingen eksfiltration, intet skjult - giver ægte Claude en video-seende evne, den ellers ikke har.
Testet: 2026-07-16 · Claude Code 2.x (agent harness)
Installation
git clone https://github.com/Moh4696/claude-video-vision ~/.claude/skills/video-vision
Kommandoer og eksempelprompter
/video-visionLokal ffmpeg+Whisper pipeline, der lader Claude se og transskribere videofiler
Skills udløses af almindelige forespørgsler — ingen kommandoer at huske. Efter installationen aktiverer prompter som disse skillen (på engelsk):
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.