---
title: 最简单粗暴的让 Claude Code 理解视频｜Claude Code Video Vision
date: 2026-05-07T09:26:43Z
modified: 2026-05-07T09:27:08Z
permalink: "https://www.appinn.com/claude-code-video-vision/"
type: post
status: publish
excerpt: ""
categories:
  - AI
tags:
  - AI
  - Claude
  - FFmpeg
featured_image: "https://www.appinn.com/wp-content/uploads/2026/05/Copy-of-appinn-homework-2026-05-07T171726.208.jpg"
author: 青小蛙
timestamp: 2026-05-07T09:27:08Z
---

我们能看懂视频，是因为我们生活在现实世界中，而视频只是现实世界的一种数字化呈现方式。
AI 则不同，它只读的懂数字、向量，最后猜一个结果给你。@[Appinn](https://www.appinn.com/claude-code-video-vision.md)

## 如果想要让 AI 理解视频怎么办？

有开发者用最简单粗暴的方式创建了一个 Claude Code 插件，让它能够理解视频（包括声音）。

通过 [ffmpeg](https://www.appinn.com/tag/ffmpeg/?output_format=md) 提取视频帧，然后使用另外的后端模型（Gemini API、本地 Whisper 或 OpenAI API）处理音频。

最终 Claude Code 接收到图像帧，和带有时间戳的音频转文本，理解了视频。

是不是很粗暴 😂

![](https://www.appinn.com/wp-content/uploads/2026/05/Copy-of-appinn-homework-2026-05-07T171726.208.jpg)

项目地址：[https://github.com/jordanrendric/claude-video-vision](https://github.com/jordanrendric/claude-video-vision)

开发者给了一个简单的例子：


/watch-video tutorial.mp4 "本教程中使用的是什么语言?"
"看一下 ~/videos/bug-report.mov 的第一秒"
"为我分析这段视频：~/Downloads/demo.mp4"


Claude Code 会自动调整参数：

- “第一秒”→从 00:00:00 到 00:00:01 以原始帧速率进行提取
- “总结这 1 小时的讲座”→ 低帧频，完整持续时间
- “1:30 时屏幕上有什么文字？→ 高分辨率，窄时间窗口

支持 MCP、可使用第三方 API。

流程大概是这样的：

![](https://www.appinn.com/wp-content/uploads/2026/05/ChatGPT-Image-2026年5月7日-17_13_49.avif)

## 在 Claude Code 中使用 DeepSeek V4

是的，虽然不一定能用到 Claude 模型，但可以在 Claude Code 中使用 DeepSeek V4 呀，现在官方的价格，量大管饱嘛。

---

原文：https://www.appinn.com/claude-code-video-vision/

## Topics

**分类目录:** [AI](https://www.appinn.com/category/ai/?output_format=md)

**标签:** [Claude](https://www.appinn.com/tag/claude/?output_format=md), [FFmpeg](https://www.appinn.com/tag/ffmpeg/?output_format=md)