claude-vision

Claude Vision 是一个为 Claude Code 设计的视频分析技能，通过调用 Google Gemini API（支持原生视频理解）实现对视频内容的结构化解析。核心功能包括生成顶层摘要、按时间戳划分的场景描述、音频转录、视觉细节提取及关键帧识别，并内置防幻觉机制，确保不虚构未出现的说话人或旁白。支持常见视频格式（如 MP4、MOV、WEBM 等），可灵活配置采样帧率与 Gemini 模型。适用于广告拆解、教程转 SOP、会议纪要生成、产品演示总结等需从视频中高效提取结构化信息的业务场景。