一支影片拆開來看只有兩層:畫面(Frames)——螢幕上的圖表、數據、標題、字卡;聲音(Transcript)——講者說出來的話。
大多數「影片摘要工具」只抓第二層逐字稿。問題是,很多影片一半的重點根本不在嘴巴裡,而在畫面上——一張趨勢圖、一個數字、一句螢幕字卡,逐字稿全部漏掉。
所以 Claude 看到的是完整的影片——它可以告訴你「第 3 分 20 秒那張圖顯示什麼」「講者在哪個時間點放了哪個數據」。
你需要:Claude Code(terminal / 桌面版都可)、兩個免費老工具 yt-dlp(下載影片)+ ffmpeg(處理畫面與音訊),以及選用的一組 Groq API Key(只有影片完全沒字幕時才用到)。
brew install yt-dlp ffmpeg
winget install yt-dlp.yt-dlp winget install Gyan.FFmpeg
這個技能叫 claude-video(開源,作者 bradautomates),透過「外掛市集(marketplace)」安裝,兩行指令:
# 第一行:把市集加進來 /plugin marketplace add bradautomates/claude-video # 第二行:安裝技能 /plugin install watch@claude-video
裝好後 Claude Code 會顯示「Ready to use」,接著就能用 /watch 了。
這步只有處理沒字幕的影片時才需要。
export GROQ_API_KEY="你的_key"/watch https://www.youtube.com/watch?v=影片IDClaude 會下載、截圖、抓逐字稿,然後你就能直接問它影片內容。
/watch https://www.youtube.com/watch?v=影片ID --start 00:35 --end 01:30只想分析「開頭鉤子」或某個關鍵段落時超好用,也不浪費 token。
/watch <影片連結或本機檔案路徑>這些通常沒內建字幕,技能會自動改用 Whisper(透過你設定的 Groq key)把聲音轉成文字,你不用多做什麼。
多數 YouTube 影片本來就有免費字幕,技能直接抓,轉錄成本趨近於零。真的沒字幕才用 Groq 轉:
| 項目 | 費用 |
|---|---|
| Groq Whisper Large v3 Turbo | 每小時音訊約 $0.04 |
| OpenAI Whisper(同類對照) | 每小時約 $0.36 |
| Groq 免費層 | 一般人用不完 |
真正會花的不是轉錄,是截圖餵給 Claude 時吃掉的 token——影片越長、抓越多張,Claude 讀圖就越花。好在技能會依影片長度自動控制張數,不會真的每幾秒截一張塞爆:
| 影片長度 | 自動抓幾張 |
|---|---|
| 30 秒以內 | 約 30 張 |
| 1–3 分鐘 | 約 60 張 |
| 3–10 分鐘 | 約 80 張 |
| 10 分鐘以上 | 封頂約 100 張 |
下面 6 組 Prompt 是把影片變成你自己內容的關鍵。想把整條產線接起來、真正變現——我在 Skool 帶你做、每週更新。
加入 奇點研究所 × D11 →以下 6 組是我實際在跑內容時用的。處理完影片後直接貼給 Claude,把 【】 換成你的需求。
你已經看完這支影片。請專注分析「開頭前 5 秒」的鉤子設計,回答以下: 1. 逐字列出開頭講者說的每一句話(含時間戳) 2. 畫面上同時出現了什麼(字卡、畫面、動作、表情) 3. 這個鉤子用了哪些心理機制?請從這幾個角度判斷: - 權威感(他憑什麼讓你聽) - 模式中斷(哪裡打破了你的預期) - 資訊落差(他埋了什麼你想知道的懸念) - 視聽落差(畫面和聲音有沒有製造衝突感) 4. 如果我要模仿這個鉤子做自己的內容,可以怎麼改寫?給我 3 個變體。
你已經看完這支影片。請幫我整理成一份可以收藏的重點筆記: 1. 用一句話總結整支影片的核心論點 2. 列出 5-8 個關鍵重點,每個重點: - 一句話標題 - 兩到三句說明 - 附上出現的時間戳,方便我回去看 3. 如果影片畫面上有出現重要的圖表或數據,請單獨列出來並說明 4. 最後給我 3 個「值得深入思考的問題」 用條列式,繁體中文。
你已經看完這支影片。我要把它的內容改造成我自己的 Instagram 輪播貼文。 請幫我: 1. 從影片中找出 3 個「可以獨立成篇」的選題角度 2. 每個角度給我一個「會讓人停下來滑」的封面標題(用數字或具體結果,不要問句) 3. 選出你覺得最有潛力的那一個,幫我拆成 8 張輪播的大綱: - 每張一句話標題 - 標註哪張是痛點、哪張是解法、哪張是 CTA 4. 提醒我:影片裡有沒有哪個「反直覺的觀點」特別適合當鉤子? 繁體中文,語氣直接、不說教。
你已經看完這支影片,這是我正在研究的對標內容。請幫我做一份拆解: 1. 內容結構:他把影片分成哪幾個段落?各段的作用是什麼?(附時間戳) 2. 留人設計:他在哪些時間點做了「防止觀眾離開」的動作?(例如:預告後面、丟問題、換場景) 3. 記憶點:整支影片最讓人記得住的一句話或一個畫面是什麼? 4. 可複製的部分:如果我要做同主題內容,有哪 3 個他的做法我可以直接借用? 5. 他沒做好的地方:有沒有哪裡其實可以更好? 繁體中文,講重點就好。
你已經看完這支教學影片。請幫我把它整理成一份清楚的操作 SOP: 1. 這支影片教的是「怎麼做到什麼」?用一句話說明目標 2. 把操作拆成編號步驟,每一步: - 具體動作 - 如果畫面上有出現按鈕、選單、指令,請照抄下來 - 附上對應的時間戳 3. 列出過程中他有提到的「注意事項」或「常見錯誤」 4. 我照做需要準備什麼工具或前置條件? 繁體中文,步驟要細到我可以直接照做。
你已經看完這支影片。請從裡面挑出「最適合做成短影音」的一個片段, 幫我改寫成一支 45 秒的短影音腳本: 1. 先告訴我你選了哪一段、為什麼(哪裡最有梗或最有價值) 2. 寫出腳本,包含: - 前 3 秒鉤子(一句話,要夠猛) - 中段內容(分鏡+口播逐字稿) - 結尾 CTA 3. 標註哪些地方適合放字卡、哪些地方畫面要換 4. 給我一個適合的貼文標題 繁體中文,口語、有節奏感。