לתת ל-Claude Code לצפות בסרטונים - סקיל /watch

מה הסקיל עושה

כשאתה נותן ל-Claude קישור לסרטון או קובץ מקומי, הסקיל עושה שרשרת פעולות מקומית על המחשב שלך, ומחזיר ל-Claude שני דברים: פריימים (תמונות מרגעים שונים בסרטון) ו-תמלול עם חותמות זמן. אחרי זה Claudeבאמת "ראה" את הסרטון ו"שמע" את האודיו, והוא יכול לענות על שאלות עליו.

מה שקורה מאחורי הקלעים:

• •הורדה: yt-dlp מוריד את הסרטון (או מזהה קובץ מקומי). עובד עם YouTube, TikTok, Instagram, X, Loom, ועוד מאות אתרים.
• •פריימים: ffmpeg מחלץ תמונות לפי שינויי סצנה, בגודל שמתכוונן אוטומטית לפי אורך הסרטון.
• •תמלול: קודם כתוביות מהמקור (חינם), ואם אין - Whisper דרך Groq או OpenAI.
• •קריאה: Claude קורא כל פריים כתמונה, מיישר אותו לתמלול לפי הזמן, ועונה לך.

התקנה בשתי שורות

הסקיל הוא פלאגין קוד פתוח (MIT) של bradautomates. ב-Claude Code, הדרך המומלצת היא דרך ה-marketplace - ככה הוא גם מתעדכן אוטומטית. תריץ את שתי הפקודות האלה בתוך Claude Code:

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

עובד עם Codex או מערכת סקילים גנרית? אפשר לשכפל את הריפו לתיקיית הסקילים:

git clone https://github.com/bradautomates/claude-video.git ~/.codex/skills/watch

ההתקנה הזאת מתאימה ל-Codex. במערכות אחרות צריך לבחור את תיקיית הסקילים שלהן.

ההרצה הראשונה - הכל מתקין את עצמו

אין קונפיגורציה ידנית. בפעם הראשונה שאתה מריץ /watch, הסקיל בודק אם yt-dlp ו-ffmpeg מותקנים. אם לא - במק הוא מריץ בשבילך:

brew install ffmpeg yt-dlp

(ב-Linux ו-Windows הוא מדפיס את הפקודות המדויקות שתריץ בעצמך.) אחרי זה הבדיקה שקטה וההרצות הבאות פשוט עובדות - זו בדיקה של פחות מ-100ms, לא מאיטה כלום.

כתוביות מכסות את רוב הסרטונים הציבוריים בחינם. מפתח Whisper נדרש רק כשלסרטון אין כתוביות בכלל. על זה בדיוק מדברים החלקים הבאים.

שימוש בסיסי - מדביקים ושואלים

המבנה פשוט: /watch <קישור-או-נתיב> <שאלה>. אפשר קישור או קובץ מקומי, ואפשר לצרף שאלה בסוף:

/watch https://youtu.be/abc123 what happens at the 30 second mark?

/watch ./screen-recording.mov what's going wrong here?

/watch https://tiktok.com/@user/video/123 summarize this

אם לא תצרף שאלה, Claude פשוט יסכם לך מה קורה בסרטון - המבנה, הרגעים המרכזיים, מה נאמר ומה נראה על המסך.

טיפ: לסרטונים מתחת ל-10 דקות מקבלים את הכיסוי הכי טוב. לסרטון ארוך, כדאי למקד לקטע ספציפי עם --start ו---end(למשל --start 2:15 --end 2:45) במקום סריקה דלילה של הכל.

איך מגיע התמלול

התמלול מגיע מאחד משני מקומות, לפי הסדר הזה:

רק קליפ האודיו נשלח לשירות התמלול, לא קובץ הווידאו. אם לא רוצים לשלוח אודיו, אפשר להריץ עם --no-whisper: במקרה שאין כתוביות מקבלים פריימים בלבד.

מה קורה כשאין כתוביות

הסקיל המקורי תומך בשני שירותי Whisper: ברירת המחדל המומלצת היא Groq עם whisper-large-v3, והחלופה היא OpenAI whisper-1. מוסיפים את המפתח המתאים לקובץ ~/.config/watch/.env:

# ~/.config/watch/.env
GROQ_API_KEY=...
# או
OPENAI_API_KEY=...

אפשר לכפות ספק עם --whisper groq או --whisper openai. בלי מפתח עדיין אפשר לנתח סרטון שיש לו כתוביות מקוריות, או לבחור --no-whisper ולקבל פריימים בלבד.

למה זה טוב - מקרי שימוש

• ניתוח תוכן של מתחרים

  /watch <סרטון-ויראלי> באיזה הוק הם פתחו? - Claude מסתכל על הפריימים הראשונים, קורא את תחילת התמלול, ומפרק את המבנה. אותו דבר לקריאייטיב של מודעות, השקות של מתחרים, או פתיחות של פודקאסטים.

• שחזור באג מתוך הקלטת מסך

  מישהו שולח לך הקלטה של משהו שבור. /watch bug.mov מה משתבש כאן? - Claude צופה בהקלטה, מוצא את הפריים שבו הבעיה מופיעה, ולעיתים קרובות תופס את הסיבה בלי שפתחת את הקובץ בכלל.

• לסנן את ההייפ מסרטון עדכון

  /watch <סרטון-השקה> מה באמת חדש כאן - דלג על ההייפ - מקבלים את המהות בלי עשר דקות של אינטרו ומכירה.

• להפוך סרטון להערות

  /watch <סרטון> סכם את זה לפתק - מריצים על סדרה, ומקבלים סיכום פר-סרטון. קורס שלם הופך לאוסף הערות שאפשר לחפש בו, במקום שעות שצריך לשבת מולן.

שליטה בפריימים, טווח ועלות

רוב עלות הקונטקסט מגיעה מהפריימים. במקום מצב detail אחד, הסקיל נותן פקדים מפורשים:

• •--max-frames N - מוריד את תקרת הפריימים.
• •--resolution 1024 - מגדיל פריימים כשטקסט קטן על המסך חשוב.
• •--start ו---end - מנתחים רק קטע קצר.
• •--fps F - עוקף את קצב הדגימה האוטומטי, עד התקרה של 2 fps.

למשל, כדי לנתח חצי דקה ברזולוציה גבוהה ועם מעט פריימים:

/watch https://youtu.be/abc --start 2:15 --end 2:45 --max-frames 30 --resolution 1024

כלל אצבע: בסרטון ארוך, ממקדים קודם בטווח זמן. מעלים רזולוציה רק כשצריך לקרוא קוד, מצגת או ממשק קטן.