claude-video Token消耗指南如何用最少的Token看最多的视频【免费下载链接】claude-videoGive Claude the ability to watch any video. /watch downloads, extracts frames, transcribes, hands it all to Claude.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-videoclaude-video 是一个让 Claude 拥有看视频能力的开源技能一条/watch命令即可下载视频、自动抽帧、提取字幕转写然后把画面和文字一起交给 Claude 回答你的问题。由于视频帧是 Token 消耗的大头掌握本文的省 Token 技巧你能用更少的 Token 看懂更多的视频。为什么看视频费 Token帧就是 Token Claude 原生不支持视频输入。claude-video 的解法是用 ffmpeg 把视频抽成一张张 JPEG 帧让 Claude 逐张读图。于是每一帧都是一次图像 Token 消费。官方估算80 帧、512px 宽 ≈ 5~8 万图像 Token字幕转写非常便宜10 分钟视频的转写文本通常只有几千 Token分辨率越高越贵把帧宽从 512px 升到 1024px单帧图像 Token 大约翻 4 倍结论很简单帧数 × 分辨率 你的 Token 账单。所有省 Token 技巧都围绕这两个变量展开。转写成本的细节见 scripts/whisper.py。claude-video 默认帧预算表按时长自动分配 ⏱️好消息是脚本不会无脑抽帧。scripts/frames.py 里的 auto-fps 逻辑会按视频时长分配帧预算时长越长抽帧越稀疏硬上限为 2 fps、100 帧。视频时长默认帧预算效果≤ 30 秒约 30 帧密集几乎不遗漏关键时刻30 秒 ~ 1 分钟约 40 帧依然密集1 ~ 3 分钟约 60 帧舒适区间3 ~ 10 分钟约 80 帧稀疏但够用 10 分钟100 帧触发稀疏扫描警告也就是说短视频自动密集、长视频自动封顶这本身就是一层免费的 Token 保护。6 个实操技巧用最少的 Token 看最多的视频 技巧 1聚焦片段--start/--end最省 Token 的用法只关心某一段时2:30 左右发生了什么加上起止时间进入聚焦模式。聚焦模式有独立的密集预算比全片稀疏扫一遍信息量大得多帧数却更少。示例/watch video.mp4 --start 2:15 --end 2:45 这段界面哪里出问题了这是长视频问题的首选姿势。技巧 2压低帧数--max-frames收紧预算默认帧上限为 80硬顶 100。如果只是想粗略了解内容直接压低/watch 视频 --max-frames 40 总结这个视频帧数减半图像 Token 就近乎减半——这是最直接的省钱开关。技巧 3分辨率保持默认 512px只在读屏时升 1024只有当 Claude 需要辨认画面上的文字幻灯片、终端、代码截图时才加--resolution 1024。日常问答一律用默认 512px避免单帧成本翻 4 倍。技巧 4优先免费字幕Whisper 选 Groq转写分两层成本原生字幕免费。yt-dlp 会优先抓取平台自带字幕覆盖大部分公开视频零 API 费用Whisper 兜底仅在无字幕时触发。两个后端中SKILL.md 推荐Groq 的 whisper-large-v3——更便宜、更快OpenAI 的 whisper-1 作为备选如果问题只关心画面还可以加--no-whisper彻底跳过转写只出帧不出文本。技巧 5追问不重跑白嫖上下文同一会话里看过一个视频后继续追问时 Claude 直接复用已有的帧和转写不会重新抽帧。所以别自己再敲一次/watch——那才是真正烧钱的行为。技巧 6长视频策略——先问再聚焦超过 10 分钟的完整扫描只能给你稀疏的 100 帧脚本还会打印警告。更省的做法是先问一句这视频大概讲了什么拿到大致结构后再用--start/--end聚焦到真正关心的 30 秒窗口密集看细节。场景速查表按视频类型选参数 ⚡场景推荐参数说明短视频10 分钟求细节默认即可自动密集抽帧长视频问某一段--start/--end聚焦模式性价比最高只要大概内容--max-frames 40减半成本画面里有关键文字--resolution 1024仅此时升分辨率纯口播 / 播客默认字幕足够转写免费或极便宜只看画面不听声音--no-whisper跳过转写省 Token 常见误区 ⚠️误区一整片扫描长视频。10 分钟以上的稀疏扫描信息密度低聚焦 30 秒窗口往往更好更省误区二习惯性升到 1024px。不读屏就别升4 倍成本换来的多数是浪费误区三每个问题都重跑一遍。同一视频追问直接复用上下文成本为零结语claude-video 把看视频变成了可量化、可调控的 Token 问题帧数定预算、分辨率定单价、聚焦定范围。记住这条主线——默认参数起步、聚焦代替全扫、分辨率按需升、追问不重跑——你就能用尽可能少的 Token看懂尽可能多的视频 。更多参数说明见 README.md 的 Usage 章节完整技能契约见 SKILL.md入口脚本为 scripts/watch.py。【免费下载链接】claude-videoGive Claude the ability to watch any video. /watch downloads, extracts frames, transcribes, hands it all to Claude.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-video创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 claude-video Token消耗指南：如何用最少的Token看最多的视频
claude-video Token消耗指南如何用最少的Token看最多的视频【免费下载链接】claude-videoGive Claude the ability to watch any video. /watch downloads, extracts frames, transcribes, hands it all to Claude.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-videoclaude-video 是一个让 Claude 拥有看视频能力的开源技能一条/watch命令即可下载视频、自动抽帧、提取字幕转写然后把画面和文字一起交给 Claude 回答你的问题。由于视频帧是 Token 消耗的大头掌握本文的省 Token 技巧你能用更少的 Token 看懂更多的视频。为什么看视频费 Token帧就是 Token Claude 原生不支持视频输入。claude-video 的解法是用 ffmpeg 把视频抽成一张张 JPEG 帧让 Claude 逐张读图。于是每一帧都是一次图像 Token 消费。官方估算80 帧、512px 宽 ≈ 5~8 万图像 Token字幕转写非常便宜10 分钟视频的转写文本通常只有几千 Token分辨率越高越贵把帧宽从 512px 升到 1024px单帧图像 Token 大约翻 4 倍结论很简单帧数 × 分辨率 你的 Token 账单。所有省 Token 技巧都围绕这两个变量展开。转写成本的细节见 scripts/whisper.py。claude-video 默认帧预算表按时长自动分配 ⏱️好消息是脚本不会无脑抽帧。scripts/frames.py 里的 auto-fps 逻辑会按视频时长分配帧预算时长越长抽帧越稀疏硬上限为 2 fps、100 帧。视频时长默认帧预算效果≤ 30 秒约 30 帧密集几乎不遗漏关键时刻30 秒 ~ 1 分钟约 40 帧依然密集1 ~ 3 分钟约 60 帧舒适区间3 ~ 10 分钟约 80 帧稀疏但够用 10 分钟100 帧触发稀疏扫描警告也就是说短视频自动密集、长视频自动封顶这本身就是一层免费的 Token 保护。6 个实操技巧用最少的 Token 看最多的视频 技巧 1聚焦片段--start/--end最省 Token 的用法只关心某一段时2:30 左右发生了什么加上起止时间进入聚焦模式。聚焦模式有独立的密集预算比全片稀疏扫一遍信息量大得多帧数却更少。示例/watch video.mp4 --start 2:15 --end 2:45 这段界面哪里出问题了这是长视频问题的首选姿势。技巧 2压低帧数--max-frames收紧预算默认帧上限为 80硬顶 100。如果只是想粗略了解内容直接压低/watch 视频 --max-frames 40 总结这个视频帧数减半图像 Token 就近乎减半——这是最直接的省钱开关。技巧 3分辨率保持默认 512px只在读屏时升 1024只有当 Claude 需要辨认画面上的文字幻灯片、终端、代码截图时才加--resolution 1024。日常问答一律用默认 512px避免单帧成本翻 4 倍。技巧 4优先免费字幕Whisper 选 Groq转写分两层成本原生字幕免费。yt-dlp 会优先抓取平台自带字幕覆盖大部分公开视频零 API 费用Whisper 兜底仅在无字幕时触发。两个后端中SKILL.md 推荐Groq 的 whisper-large-v3——更便宜、更快OpenAI 的 whisper-1 作为备选如果问题只关心画面还可以加--no-whisper彻底跳过转写只出帧不出文本。技巧 5追问不重跑白嫖上下文同一会话里看过一个视频后继续追问时 Claude 直接复用已有的帧和转写不会重新抽帧。所以别自己再敲一次/watch——那才是真正烧钱的行为。技巧 6长视频策略——先问再聚焦超过 10 分钟的完整扫描只能给你稀疏的 100 帧脚本还会打印警告。更省的做法是先问一句这视频大概讲了什么拿到大致结构后再用--start/--end聚焦到真正关心的 30 秒窗口密集看细节。场景速查表按视频类型选参数 ⚡场景推荐参数说明短视频10 分钟求细节默认即可自动密集抽帧长视频问某一段--start/--end聚焦模式性价比最高只要大概内容--max-frames 40减半成本画面里有关键文字--resolution 1024仅此时升分辨率纯口播 / 播客默认字幕足够转写免费或极便宜只看画面不听声音--no-whisper跳过转写省 Token 常见误区 ⚠️误区一整片扫描长视频。10 分钟以上的稀疏扫描信息密度低聚焦 30 秒窗口往往更好更省误区二习惯性升到 1024px。不读屏就别升4 倍成本换来的多数是浪费误区三每个问题都重跑一遍。同一视频追问直接复用上下文成本为零结语claude-video 把看视频变成了可量化、可调控的 Token 问题帧数定预算、分辨率定单价、聚焦定范围。记住这条主线——默认参数起步、聚焦代替全扫、分辨率按需升、追问不重跑——你就能用尽可能少的 Token看懂尽可能多的视频 。更多参数说明见 README.md 的 Usage 章节完整技能契约见 SKILL.md入口脚本为 scripts/watch.py。【免费下载链接】claude-videoGive Claude the ability to watch any video. /watch downloads, extracts frames, transcribes, hands it all to Claude.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-video创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考