想讓 Claude 看懂影片?5 種方法比較
Claude 本身不能直接播放影片。這頁整理 5 種讓它真的看懂影片內容的做法:怎麼做、在哪裡跑、要不要錢、能不能直接貼 IG 和 TikTok 連結。
黃志弘 Leo
2026-11-20 發佈 · 18 人看過
要讓 Claude 真的看懂一支影片的內容,目前有兩條路:
1. 先把影片拆成「畫面加逐字稿」,再交給 Claude 看,在你自己電腦上做
2. 交給原生看得懂影片的模型(例如 Gemini、TwelveLabs)分析,再把文字結果交給 Claude
下面的資料以各專案的 GitHub 說明與官方文件 2026 年 11 月 20 日的內容為準。
5 種方法一次看
| 方法 | 怎麼做 | 在哪裡跑 | 價格 | 能直接貼的連結 |
|---|---|---|---|---|
| crv(claude-real-video) | 依畫面變化抽關鍵畫面、去掉重複,加上逐字稿 | 你的電腦 | 免費開源(MIT),另有付費 Pro 版 | YouTube、Instagram Reel、TikTok、本機檔 |
| Claude Video Vision | 固定間隔抽畫面(預設最多 100 張),加上語音轉文字 | 抽畫面在電腦,語音可選本機或雲端 | 免費開源(MIT) | YouTube、本機檔 |
| video-vision-mcp | 每秒抽一張畫面加逐字稿,有 Gemini 金鑰時改用 Gemini | 本機或雲端 | 免費開源(MIT),雲端用自己的金鑰付費 | 本機檔或可直接下載的影片網址 |
| Google Gemini | 原生影片模型,預設每秒看一張畫面加聲音 | Google 雲端 | 有免費額度,付費依用量計價 | 公開的 YouTube |
| TwelveLabs | 自家影片模型,做搜尋與分析 | 雲端 | 免費、US$29、US$99/月 | 不支援 YouTube 等平台連結 |
差在哪裡
抽畫面的方式
固定每秒抽一張,快的鏡頭可能剛好被跳過,慢的鏡頭會抽到一堆幾乎一樣的畫面。crv 改成看畫面有沒有變化才抽,再把相似的去掉,同樣的張數能涵蓋比較多不同的鏡頭。Gemini 的文件也寫到,預設每秒一張在動作快的影片可能漏掉細節,可以自己調高。
能不能直接貼 IG、TikTok 連結
拆解別人的 Reels、短影音最常遇到這個問題。上面幾種裡,只有 crv 的說明明寫可以直接貼 Instagram Reel 和 TikTok 連結;Gemini 只收公開的 YouTube,TwelveLabs 明寫不收影音平台的連結。
影片會不會上傳
crv、Claude Video Vision(本機語音模式)、video-vision-mcp(本機模式)都在你電腦上處理,影片本身不會上傳;之後你把畫面和文字貼給 Claude,才會送出那些內容。Gemini 和 TwelveLabs 要把影片交給雲端分析。
怎麼選
1. 想拆解 IG、TikTok 短影音,或不想把影片上傳:用 crv
2. 主要看 YouTube、已經在用 Claude Code 外掛:crv 或 Claude Video Vision 都可以
3. 影片很長(一小時以上)、要模型直接理解畫面前後關係:Gemini
4. 要在大量影片裡找特定片段、做影片資料庫:TwelveLabs
關於 crv
這篇是 crv 的作者寫的,所以把它的定位講清楚:crv 是免費開源工具,在 GitHub 上有兩千多人給星。它做的事是把影片拆成 Claude 看得懂的畫面和逐字稿,不是自己的影片模型。
另外有付費的 crv Pro,多了運鏡節奏、聲音情緒與事件、畫面文字辨識等功能,台灣可以用台幣 NT$890 一次買斷。
GitHub:https://github.com/HUANGCHIHHUNGLeo/claude-real-video crv Pro:中文介紹
資料來源
2026 年 11 月 20 日讀取:github.com/HUANGCHIHHUNGLeo/claude-real-video、github.com/jordanrendric/claude-video-vision、github.com/KitDevUA/video-vision-mcp、ai.google.dev 的影片理解文件、twelvelabs.io/pricing 與官方文件。價格與功能會變動,以各家官網為準。