Claude passa a “assistir” vídeos com projeto em alta no GitHub
Ferramenta combina quadros extraídos, legendas e transcrição para permitir análises de vídeos dentro de agentes de código.
Edição: Anderson Gomes
· 5 min de leitura
O repositório bradautomates/claude-video adiciona ao Claude Code e a outros hosts de agentes a capacidade de analisar vídeos a partir de uma URL ou arquivo local. Criado por bradautomates, o projeto está entre os destaques mensais do GitHub Trending e acumulava 14.650 estrelas na consulta de 9 de agosto de 2026. A proposta resolve uma limitação comum de assistentes que conseguem ler páginas e executar scripts, mas não interpretam diretamente o conteúdo visual e sonoro de um vídeo.
Dados rápidos
- Repositório: bradautomates/claude-video
- Licença: MIT
- Linguagem: Python
- Popularidade: 14.650 estrelas, 8.853 no período e 1.406 forks
- Ranking: GitHub Trending, lista mensal
- Consulta: 9 de agosto de 2026
O problema que o projeto resolve
O comando /watch foi criado para situações em que apenas o título, a descrição ou uma transcrição parcial não bastam. Um vídeo pode apresentar telas, gráficos, demonstrações de software, mudanças de cena e outros elementos que não aparecem no texto falado.
O projeto entrega ao Claude quadros do vídeo e uma transcrição com marcações de tempo. Com isso, o agente pode relacionar o que foi dito ao que estava visível em determinado momento, em vez de responder somente com base em metadados ou legendas.
A ferramenta aceita endereços compatíveis com yt-dlp, incluindo YouTube, Loom, TikTok, X e Instagram, além de arquivos .mp4, .mov, .mkv e .webm armazenados localmente.
Como funciona e como instalar
A instalação recomendada para o Claude Code usa o marketplace de plugins:
/plugin marketplace add bradautomates/claude-video
/plugin install watch@claude-video
Também é possível instalar a habilidade globalmente para Codex, Cursor, Copilot, Gemini CLI e outros hosts compatíveis:
npx skills add bradautomates/claude-video -g
Na primeira execução, yt-dlp e ffmpeg são instalados via brew no macOS. No Linux e no Windows, o programa informa os comandos necessários. O repositório afirma que legendas cobrem a maioria dos vídeos públicos sem custo; quando elas não estão disponíveis, é necessária uma chave para uma API do Whisper.
O fluxo começa com a URL ou o caminho local e uma pergunta. O yt-dlp verifica primeiro as legendas. Depois, o ffmpeg extrai quadros conforme o nível de detalhe escolhido: efficient, balanced ou token-burner. O áudio pode ser convertido para um arquivo mono de 16 kHz e enviado ao Whisper da Groq ou ao Whisper-1 da OpenAI.
Por fim, os quadros são apresentados ao Claude como imagens, com marcadores de tempo, enquanto a transcrição é entregue com seus próprios horários. O sistema também remove quadros visualmente repetidos para reduzir o volume de imagens processadas.
Casos de uso práticos
- Analisar anúncios e vídeos virais: o usuário pode pedir uma avaliação da abertura, da estrutura ou dos elementos visuais.
- Diagnosticar falhas em gravações de tela: a ferramenta procura o momento em que o problema aparece e descreve o que estava na tela.
- Resumir vídeos longos: o Claude identifica os principais pontos falados e mostrados.
- Avaliar vídeos de lançamento: é possível separar as novidades apresentadas do conteúdo promocional.
- Transformar playlists em notas: cada vídeo pode gerar um resumo organizado para consulta posterior.
O comando também aceita intervalos específicos. Ao informar um momento ou trecho, opções como --start e --end permitem concentrar a análise em uma janela menor, com maior densidade de quadros.
O que diferencia o projeto
A característica central é combinar visão e áudio em um único fluxo. Em um processo baseado apenas em transcrição, demonstrações de tela, gráficos e mudanças visuais podem ser ignorados. No claude-video, os quadros são lidos pelo Claude como imagens, enquanto o texto falado fornece contexto temporal.
O repositório também oferece modos diferentes de seleção de quadros. O modo eficiente usa quadros-chave; os modos balanceado e token-burner priorizam mudanças de cena e podem recorrer a uma amostragem uniforme. Para vídeos extensos, há limites automáticos de quadros, com possibilidade de uma análise mais completa no modo sem limite de cobertura indicado pelo projeto.
Limitações e cuidados
O projeto depende de yt-dlp e ffmpeg, além de serviços de transcrição quando o vídeo não possui legendas. O uso de APIs externas pode exigir configuração de chave, e o repositório não informa neste material políticas de retenção ou tratamento dos arquivos enviados a esses serviços.
O consumo de tokens é influenciado pela quantidade de quadros. Vídeos com mais de dez minutos entram em uma varredura esparsa nos modos limitados, segundo o README, o que pode justificar uma nova execução focada em um intervalo específico.
A versão mais recente informada é a v0.2.0, publicada em 1º de julho de 2026. O projeto foi criado em 24 de abril de 2026 e tinha 93 issues abertas na data da consulta, indicadores que devem ser considerados ao avaliar sua maturidade. A licença é MIT; informações sobre site oficial, tópicos e políticas específicas de segurança não foram informadas no repositório.
Resumo rápido
- Projeto: ferramenta
/watchpara análise de vídeos por agentes - Licença: MIT
- Linguagem: Python
- Estrelas: 14.650
- Ranking: GitHub Trending mensal
- Risco principal: dependência de ferramentas externas, APIs e orçamento de imagens
Fontes
- Python
- MIT
- Repositórios em Alta
- GitHub Trending
67 mil estrelas: TheAlgorithms/Java é a maior coleção aberta de algoritmos em Java para
Coleção open source de estruturas de dados e algoritmos em Java atrai quase 70 mil desenvolvedores e mantém ritmo constante de contribuições.
· 5 min de leitura
Claude-BugHunter lidera ranking de IA para caça de bugs com 7,7 mil estrelas
Pacote de 83 habilidades para Claude Code automatiza detecção de vulnerabilidades com base em relatórios reais de hackers.
· 5 min de leitura
AG-UI 1.0: padrão aberto padroniza agentes de IA em front-end
Protocolo leve e baseado em eventos permite conectar agentes de IA a web, mobile, Slack e terminais com uma única integração.
· 4 min de leitura
Arcane v3: ferramenta Go de gestão Docker ganha tração em 2026
Ferramenta de código aberto escrita em Go simplifica administração de containers com interface moderna e auto-hospedável.
· 4 min de leitura