不用寫程式！讓 Claude 幫你「看完」YouTube 影片：爆紅免費外掛 claude-video 安裝教學＋真實成本解析

最近在 X（Twitter）上有一則貼文瘋傳，號稱有個外掛可以讓你的 AI「免費看完任何影片、秒出精華」，只要貼上 YouTube、Loom 或 TikTok 的網址，AI 就能逐幀看畫面、聽懂每一句話，而且「全程幾乎零成本」。聽起來是不是好到有點不真實？

阿正老師實際查證了一下，這個叫做 claude-video 的開源專案確實存在，在 GitHub 上已經衝破 13,000 顆星，是近期最紅的 Claude 外掛之一。更棒的是，它不是工程師的專利：一般用戶只要在 Claude Desktop 桌面版（或 claude.ai 網頁版）上傳一個 Skill 檔案，完全不用碰終端機、不用寫任何程式，就能讓 Claude 幫你「看」影片、整理重點、回答問題。

不過，那則爆紅貼文裡也有幾個明顯的行銷式誇大：「逐幀」其實是抽樣、「零成本」其實會吃你的 Claude 額度。這篇文章阿正老師會以 Claude Desktop 為主角，帶大家完整走一遍安裝教學（習慣用 Claude Code 的朋友文中也有對應方式），同時把這些容易被忽略的成本與限制講清楚，讓你自己判斷值不值得裝！

一、claude-video 是什麼？AI 是怎麼「看」影片的

claude-video 是由國外開發者 Brad Bonanno 開發的開源專案（MIT 授權），它替 Claude 加上「看影片」的能力。你只要貼上影片網址或提供影片檔，它就會在背景把影片「拆解」成 AI 看得懂的素材。支援的來源包括 YouTube、Loom、TikTok、X、Instagram 等數百個平台，本地檔案則支援 MP4、MOV、MKV、WebM 等常見格式。

它的原理其實不神秘，是把幾個老牌開源工具串起來的聰明組合：

1. 抓字幕：先用 yt-dlp（知名的影片下載工具）檢查影片有沒有現成字幕，有的話直接抓下來，完全免費。
2. 抽畫面：用 ffmpeg 從影片中抽取「關鍵幀」（畫面變化較大的瞬間），存成一張張圖片。
3. 轉逐字稿：如果影片沒有字幕，才會呼叫 Whisper 語音辨識 API（需要自備 Groq 或 OpenAI 的金鑰）把聲音轉成文字。
4. 交給 Claude 分析：最後 Claude 用內建的多模態能力把這些圖片和文字全部「讀」過一遍，綜合視覺和聲音內容回答你的問題。

二、真的免費嗎？成本真相一次講清楚

這是阿正老師最想幫大家釐清的部分。爆紅貼文說「全程幾乎零成本」，這句話只對了一半。我們把整個流程的成本拆開來看：

關鍵在第三列：抽出來的每一幀都是一張圖片，會一張張餵給 Claude。官方 README 自己就寫明「token 成本主要來自幀圖」（Token cost is dominated by frames）。也就是說，如果你是 Claude Pro / Max 訂閱用戶，看一支影片會實實在在吃掉你的使用額度；如果是走 API 計費，那就是直接花錢。

三、安裝教學：Claude Desktop 上傳 Skill 就搞定

claude-video 提供了好幾種安裝方式。對一般用戶來說，最簡單的就是在 Claude Desktop（或 claude.ai 網頁版）上傳 Skill 檔案，全程用滑鼠點一點就完成，不需要碰任何指令。以下阿正老師以 Claude Desktop 為主示範，最後再附上給開發者的 Claude Code 安裝方式。

方法一：Claude Desktop / claude.ai 上傳 Skill（推薦，免寫程式）

步驟 1：下載 watch.skill 檔案

到 GitHub 專案的 Releases 頁面，下載最新版的 watch.skill 檔案（這是一個打包好的技能檔）。

步驟 2：開啟「程式碼執行」功能

在 Claude Desktop 點選左下角個人頭像進入「Settings（設定）」→「Capabilities（功能）」，先確認「Code execution and file creation（程式碼執行與檔案建立）」已開啟。這一步很重要，因為 claude-video 需要在背景呼叫 ffmpeg 和 yt-dlp 來處理影片，官方 README 特別註明要先開啟這個功能。

步驟 3：上傳 Skill

同樣在「Capabilities」頁面找到「Skills（技能）」區塊，點選「Add」再選擇 ，把剛剛下載的 watch.skill 檔案拖進去就完成了！之後 Claude 在對話中偵測到你想分析影片時，就會自動啟用這個技能。

方法二：Claude Code（給開發者的輔助方式）

如果你本來就是 Claude Code 的用戶，安裝反而更快，兩行指令搞定：

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

裝完重啟 Claude Code，就多了一個 /watch 指令。因為是直接在你自己的電腦上執行，沒有雲端沙盒的網路限制，功能最完整——電腦需要 yt-dlp 和 ffmpeg，第一次執行時會自動偵測，macOS 會透過 Homebrew 自動安裝，Linux 和 Windows 則會顯示確切的安裝指令讓你照著貼。

方法三：Codex、Cursor、Gemini CLI 等其他工具

用其他 AI Agent 的朋友，可以用通用的 skills 安裝方式：

npx skills add bradautomates/claude-video -g

四、實際怎麼用？在 Claude Desktop 讓 AI 看影片

在 Claude Desktop 裡不需要背任何指令，直接用中文對話就行。把影片網址貼上，講清楚你要什麼，Claude 就會自動啟用 watch 技能開始處理，例如：

幫我看這支影片，整理重點並附上時間戳：
https://www.youtube.com/watch?v=xxxxxxx

它會依照影片長度自動決定要抽多少幀：30 秒以內的短片約抽 30 幀（密集掃描），1～3 分鐘約 60 幀，3～10 分鐘約 80 幀，超過 10 分鐘就固定 100 幀上限（等於稀疏掃描）。想控制成本或精細度，用自然語言指定即可：

• 只分析特定段落：「只看 3:00 到 5:00 這一段就好」——長影片想細看某一段時特別好用，幀數預算會集中在這段時間，畫面解析更密集。
• 限制幀數：「最多抽 30 幀就好」——直接控制額度消耗。
• 提高解析度：「畫面用高解析度抽取」——預設幀圖是 512px 寬，如果需要辨識畫面裡的小字（例如程式碼、錯誤訊息），可以要求提高到 1024px。
• 純逐字稿模式：「不要抽畫面，只用字幕幫我摘要」——最省額度的用法。

在 Claude Code 裡則是用 /watch 指令搭配參數達到同樣效果，例如 --start/--end（時間區段）、--max-frames（幀數上限）、--resolution（解析度）、--no-whisper（停用付費語音辨識）。

五、四大實用場景

網路貼文列的幾個使用場景其實都成立，阿正老師換成台灣讀者比較有感的說法：

• 競品影片拆解：做自媒體或行銷的朋友，可以丟競品的宣傳片或爆紅影片進去，請 Claude 分析開頭鉤子、節奏安排和敘事結構。
• 螢幕錄影除錯：收到同事或使用者回報的錯誤錄影，直接上傳影片檔讓 Claude 找出報錯的那一刻和畫面上的錯誤訊息（記得要求高解析度抽幀）。
• 長片演講摘要：幾十分鐘的研討會或教學影片，用逐字稿模式快速產出帶時間戳的重點整理，再決定哪一段值得自己看。
• 教學影片抽步驟：把 YouTube 上的軟體教學影片轉成文字版步驟清單，方便日後查閱，也很適合拿來做筆記。

六、限制與注意事項（貼文沒告訴你的部分）

最後幫大家整理這個工具的完整優缺點，包括那則爆紅貼文沒提到的幾個重點：

七、阿正老師的總結

整體來說，claude-video 是一個「真材實料、但被貼文講得太神」的工具。它把 yt-dlp、ffmpeg、Whisper 和 Claude 的多模態能力串成一條流暢的工作流程，這個工程本身做得很漂亮，9,000 多顆星不是浪得虛名。而且透過 Skill 上傳的方式，連完全不碰程式的 Claude Desktop 用戶都能享受到，這是它比許多開發者工具更值得介紹的原因。只要你理解「免費的是外掛，付費的是額度」這個前提，它確實能幫你省下大量看影片的時間。