Video Vision
Pipeline locale ffmpeg+Whisper che consente a Claude di guardare e trascrivere file video
Promosso
Cosa fa
Estrae frame campionati tramite ffmpeg e una trascrizione con timestamp tramite Whisper locale, quindi risponde a domande basate su prove visive e audio con citazioni [MM:SS]. Si attiva ogni volta che un utente fa riferimento a un file video locale (.mp4/.mov/.mkv/.webm/.avi/.m4v) desiderando che venga guardato, riassunto, cercato, sottotitolato o trascritto; completamente offline dopo un download del modello Whisper una tantum.
Rapporto di test
Ho eseguito la pipeline reale end-to-end su una clip di test sintetica di 6 secondi: l'estrazione dei frame ffmpeg e la trascrizione Whisper locale sono state eseguite entrambe realmente e hanno restituito la forma esatta del manifest JSON documentata nel README, fino ai nomi dei campi. Nessuna chiamata di rete oltre al download una tantum del modello Whisper, nessuna esfiltrazione, nulla di nascosto: conferisce genuinamente a Claude una capacità di visione video che non ha altri modi per ottenere.
Testato il: 2026-07-16 · Claude Code 2.x (agent harness)
Installazione
git clone https://github.com/Moh4696/claude-video-vision ~/.claude/skills/video-vision
Comandi e prompt di esempio
/video-visionPipeline locale ffmpeg+Whisper che consente a Claude di guardare e trascrivere file video
Gli skill si attivano con richieste in linguaggio naturale, senza comandi da ricordare. Dopo l'installazione, prompt come questi lo attivano (in inglese):
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.