Тот самый навык из ролика: один скрипт и одна инструкция. Ты присылаешь ссылку на чужой ролик, Claude Code скачивает его, режет по сценам, читает речь и раскладывает ритм монтажа в числа. После этого «посмотри это видео» становится обычной задачей: кадры он видит, текст читает, числа сравнивает. Всё выполняется на твоём компьютере, наружу уходит один запрос — скачать сам ролик.
Смотреть ролик целиком Claude не может. Зато может смотреть картинки, читать расшифровку и считать. Скрипт из навыка делает ему эту подготовку:
yt-dlp скачивает ролик по ссылке — YouTube вместе
с Shorts и TikTok.
ffmpeg режет видео на кадры, находит монтажные
стыки и собирает контактный лист на каждую сцену: 24 кадра одной картинкой,
по ней видно, что происходит внутри сцены — куда движется камера, где появляется
текст, что меняется на экране.
Whisper расшифровывает речь с таймингами по фразам —
локально, без отправки звука в чужой сервис.
Вот настоящий прогон на ролике в 19 секунд — от ссылки до готового разбора ушло меньше минуты:
── ролик: video.mp4, 19.0 с ── кадров нарезано: 38 (2 в секунду) → razbor/kadry ── контактных листов по сценам: 1 → razbor/listy ── сцен: 1 · медиана плана: 19.0 с · самый длинный: 19.0 с ── смен кадра: за 3 с — 0 · за 5 с — 0 · за 10 с — 0 ── фраз: 5 · слов: 36 · темп: 114 слов/мин · пауз: 0 ── заготовка разбора: razbor/razbor.md
В razbor.md лежит таблица «сцена → тайминги → речь
в этот момент» с пустой колонкой «что на экране»: её Claude заполняет,
разглядывая контактные листы. Числа ритма печатаются сразу: сцены, медиана плана,
смены кадра за первые 3/5/10 секунд, темп речи. По ним два ролика сравниваются
напрямую: свой и тот, на который равняешься.
Все три бесплатные. ffmpeg — обязательный,
остальные две можно доставить потом.
brew install ffmpeg # Mac (Linux: sudo apt install ffmpeg) python3 -m pip install yt-dlp # скачивание роликов по ссылке python3 -m pip install mlx-whisper # речь; Mac на Apple Silicon python3 -m pip install openai-whisper # речь; любой другой компьютер
При первой расшифровке Whisper скачает модель, около полутора гигабайт. Один раз — дальше без сети.
Распакуй архив и положи папку glaza к навыкам:
cp -r glaza ~/.claude/skills/ # во всех проектах cp -r glaza <проект>/.claude/skills/ # только в этом проекте
Внутри два файла. SKILL.md — инструкция, по которой
Claude Code сам понимает, что ссылка на ролик со словами «разбери» — это про него.
razbor_video.py — скрипт, который делает чёрную работу.
Запусти новую сессию Claude Code и спроси «какие навыки у тебя есть?» —
glaza должен быть в списке. Дальше пришли ссылку
на любой ролик со словами «разбери это видео»: навык включится сам, а через
минуту у тебя контактные листы, расшифровка и ритм в числах.
Скрипт самостоятельный — работает и без Claude, из терминала:
python3 razbor_video.py "https://www.youtube.com/watch?v=..." python3 razbor_video.py путь/к/файлу.mp4
Этого навыка в курсе нет — он из моей рабочей кухни: им я разбираю чужие ролики, когда собираю свои. А в курсе — то, с чего начинается сам вайбкодинг: за первый вечер собираешь первую работающую вещь.