Claude Code Video Vision 让Claude看懂视频

一个专为 Claude Code 打造的视频多模态感知插件，底层通过 ffmpeg 抽帧 + 多音频后端（Gemini / Whisper）转写，打包成标准的 MCP 架构，让终端里的 Claude 原生“看懂”视频画面和“听懂”音频。

查 Bug 录屏：把几秒钟的前端报错录屏丢进去，Claude 直接看画面抓崩溃瞬间的 UI 堆栈与文字。
啃油管技术教程：直接甩一个 YouTube 链接，提取关键步骤代码，不用下载也不用人肉看 20 分钟废话。
查特定时间点画面：问它“视频 1:30 秒时屏幕上弹出的终端报错代码是什么？”，自动针对目标片段切出高清单帧给你 OCR 提取。
听声辨位：靠音频分析抓声音事件（比如 App 是否发出了错误提示音、按键音），画面与声音时间轴联动比对。

项目地址：https://github.com/jordanrendric/claude-video-vision