Claude ผู้ช่วย AI สายเขียนโค้ด เปิดโปรเจกต์ อ่านโค้ด รันสคริปต์ ค้นเว็บได้สบาย แต่มีงานหนึ่งที่มันทำไม่ได้มาตลอด คือดูวิดีโอ

ลองวางลิงก์ยูทูบให้มันดูสักคลิป สิ่งที่มันทำได้จริงคือเดาเนื้อหาจากชื่อคลิป หรือไม่ก็ไปอ่านคำบรรยายของคลิป แต่คำบรรยายมีแค่บทพูด ไม่ได้บอกว่าบนจอกำลังเกิดอะไรขึ้น สุดท้ายมันเลยไม่เคยเห็นภาพในคลิปนั้นจริงสักภาพเดียว

claude-video คือปลั๊กอินที่เพิ่มคำสั่ง /watch เพื่อแก้ข้อจำกัดนี้ วิธีใช้คือพิมพ์ /watch ตามด้วยลิงก์หรือไฟล์วิดีโอ แล้วพิมพ์คำถามที่อยากรู้ต่อท้าย จากนั้น Claude จะดูคลิปนั้นจริงๆ ทั้งเห็นภาพบนจอและรู้ว่าในคลิปพูดอะไร ก่อนจะตอบ

แล้ว /watch ทำให้มันเห็นวิดีโอได้ยังไง

พอสั่ง /watch ระบบเบื้องหลังจะทำงานเป็นขั้นๆ ก่อนส่งข้อมูลให้ Claude

ขั้นแรกระบบจะดึงคำบรรยายของคลิป ถ้ามีคำบรรยายอยู่แล้วก็อ่านได้เลยโดยไม่ต้องโหลดตัววิดีโอด้วยซ้ำ แต่ถ้าต้องดูภาพด้วย ระบบถึงจะโหลดวิดีโอมาเท่าที่จำเป็น แล้วตัดเป็นเฟรม หรือภาพนิ่งแต่ละภาพจากคลิป

ระบบไม่ได้ตัดทุกเฟรมออกมา เพราะคลิปเดียวมีเป็นหมื่นเฟรม ถ้าเก็บหมดก็จะได้ภาพซ้ำกันเป็นร้อย ระบบจึงเลือกเฉพาะเฟรมจากช่วงที่ภาพเปลี่ยนจริงๆ เช่น ตอนเปลี่ยนสไลด์ เปลี่ยนมุมกล้อง หรือมีข้อความใหม่ขึ้นบนจอ ทำให้แต่ละภาพมีข้อมูลต่างกันจริง ไม่ต้องเก็บเฟรมซ้ำๆ มาเกินความจำเป็น

พร้อมกันนั้น ระบบจะถอดเสียงเป็น transcript พร้อมกำกับเวลาไว้ว่านาทีไหนพูดว่าอะไร

สุดท้ายระบบส่งทั้งเฟรมและ transcript ให้ Claude อ่าน โดยเฟรมส่งเป็นภาพ ส่วน transcript ส่งเป็นข้อความ Claude จึงตอบจากสิ่งที่เห็นบนจอและบทพูดในคลิปจริงๆ ไม่ใช่เดาจากชื่อคลิปอีกต่อไป

ใช้ /watch แกะคลิปคู่แข่ง สรุปคลิปยาว จับบั๊ก

พอมันดูคลิปเป็น งานที่เมื่อก่อนต้องนั่งเปิดดูเองก็สั่งให้มันทำแทนได้

อยากรู้ว่าคลิปที่กำลังไวรัลเปิดเรื่องยังไงถึงทำให้คนหยุดเลื่อนแล้วดูต่อ หรือที่ครีเอเตอร์เรียกกันว่า "ฮุก" ก็สั่ง /watch [ลิงก์คลิป] เขาเปิดเรื่องด้วยฮุกอะไร จากนั้นมันจะไล่ดูช่วงต้นคลิป อ่านบทเปิด แล้วแกะโครงว่าเจ้าของคลิปเล่าเรื่องยังไง

คลิปยาวเป็นชั่วโมงที่ไม่มีเวลานั่งดู สั่ง /watch [ลิงก์] สรุปหัวข้อสำคัญ ก็ได้ใจความเร็วกว่านั่งเปิดดูเองแบบเร่งความเร็วสองเท่า ส่วนคลิปเปิดตัวฟีเจอร์ใหม่ที่โม้ว่าเปลี่ยนโลก สั่ง /watch [ลิงก์] มีอะไรใหม่จริงบ้าง ตัดคำโฆษณาออก แล้วมันจะไล่ดูทั้งคลิป ก่อนสรุปว่าตรงไหนคือของใหม่ ตรงไหนแค่คำโฆษณา

มันยังดูคลิปอัดหน้าจอตอนโปรแกรมพังได้ด้วย สั่ง /watch bug.mov มันพังตรงไหน มันจะไล่ดูจนเจอเฟรมที่เริ่มมีปัญหา แล้วบอกว่าตอนนั้นบนจอเกิดอะไรขึ้น บ่อยครั้งมันเจอต้นเหตุตั้งแต่ยังไม่ทันเปิดไฟล์โค้ดดูเลยด้วยซ้ำ

มันไม่ได้ดูแค่ยูทูบ แต่ยังดู TikTok, Instagram และไฟล์วิดีโอในเครื่องได้ ครีเอเตอร์จึงใช้แกะโครงคลิป TikTok ของคู่แข่งเพื่อดูว่าเขาวางจังหวะเล่าเรื่องยังไง หรือดูตรงๆ ว่าคลิปที่ยอดวิวพุ่งมีจุดไหนที่ทำได้ดี โดยไม่ต้องเปิดดูเองซ้ำสิบรอบ

ลงใน Claude Code แค่สองบรรทัด

การติดตั้งไม่ยุ่งอย่างที่กลัว แนะนำให้ลงใน Claude Code โปรแกรมที่รันบนเครื่องเราและใช้พิมพ์คำสั่งให้ Claude ทำงาน จากนั้นพิมพ์เพียงสองบรรทัด บรรทัดแรกเพิ่ม claude-video ในรายการปลั๊กอิน ส่วนบรรทัดที่สองติดตั้ง watch วิธีนี้สะดวกตรงที่ระบบจะอัปเดตให้อัตโนมัติ

ส่วนเครื่องมือ AI สายโค้ดอื่นๆ อย่าง Codex, Cursor หรือ Gemini CLI ก็ติดตั้งได้ด้วยคำสั่งเดียวผ่านระบบ Agent Skills ระบบนี้รองรับเครื่องมือกว่า 50 ตัว และเป็นระบบสกิลเดียวกับที่ใช้ลงสกิลเสริมความสามารถอื่นๆ อย่าง COMPASS

เบื้องหลัง /watch ต้องใช้เครื่องมือจัดการวิดีโออย่าง yt-dlp กับ ffmpeg แต่เราไม่ต้องติดตั้งเองให้วุ่น เพราะระบบจะติดตั้งให้อัตโนมัติเมื่อสั่ง /watch ครั้งแรก

ส่วนการแปลงเสียงพูดเป็นข้อความ ปกติไม่เสียค่าใช้จ่าย เพราะคลิปสาธารณะทั่วๆ ไปมักมีคำบรรยายให้ดึงมาใช้อยู่แล้ว แต่คลิปบางคลิปไม่มีคำบรรยายจริงๆ เช่น ไฟล์ในเครื่องหรือคลิป TikTok บางคลิป กรณีนี้ต้องใช้บริการถอดเสียง Whisper และขอคีย์สำหรับเรียกใช้บริการมาใส่ไว้ในระบบครั้งเดียว

ค่าใช้จ่ายขึ้นอยู่กับจำนวนเฟรม ไม่ใช่ความยาวคลิป

ของฟรีไม่มีในโลก ต้นทุนหลักของ /watch ขึ้นอยู่กับจำนวนเฟรม เพราะทุกเฟรมที่ Claude อ่านนับเป็นหนึ่งรูป AI คิดค่าใช้จ่ายตามปริมาณข้อมูลที่อ่าน หรือที่เรียกกันว่าโทเคน ยิ่งดึงเฟรมมาเยอะ ค่าใช้จ่ายก็ยิ่งสูง

ข่าวดีคือระบบคัดเฉพาะเฟรมสำคัญอยู่แล้ว อย่างคลิปอัดหน้าจอนิ่งๆ ยาว 49 นาที ระบบตัดออกมาแค่ 50 ภาพ แต่ยังครอบคลุมเนื้อหาได้ตั้งแต่ต้นจนจบ

แต่ถ้าคลิปยาวเป็นชั่วโมงและเราสนใจแค่บางช่วง ก็ไม่ต้องให้มันดูทั้งคลิป ใส่ตัวเลือก --start กับ --end เพื่อระบุเวลาเริ่มและจบ แล้วมันจะดูเฉพาะช่วงนั้นแบบละเอียด แทนที่จะไล่ดูทั้งคลิปคร่าวๆ ช่วยประหยัดทั้งเวลาและค่าใช้จ่ายตามจำนวนเฟรม

ดูมาจริง ไม่ใช่เดาจากชื่อ

ครั้งหน้าถ้าเจอคลิปที่อยากแกะว่าข้างในมีอะไร ลองใช้ /watch กับคลิปนั้น ถามคำถามเดียวที่อยากรู้ แล้วดูว่าคำตอบที่ได้ต่างจากตอนที่มันเดาเนื้อหาจากชื่อคลิปแค่ไหน

---

ที่มา: โปรเจกต์ claude-video บน GitHub