เจอ open source skill ตัวนึงที่ผมว่าคนทำ content ต้องชอบครับ…
ปกติเวลาเราวางลิงก์ YouTube ให้ Claude มันจะอ่านได้แค่ชื่อคลิปกับ transcript ที่บางทีก็ไม่ครบ ไม่เห็นว่าในคลิปจริงๆ มีอะไรโชว์บนจอบ้าง repo ชื่อ claude-video ของ bradautomates แก้ปัญหานี้ตรงๆ ด้วยคำสั่ง /watch วางลิงก์หรือไฟล์วิดีโอ local ไปพร้อมคำถาม แล้ว Claude จะดึง caption ก่อน (ถ้ามี) โหลดเท่าที่จำเป็น ตัดเฟรมแบบ scene-aware ถอดเสียงด้วย Whisper ถ้าไม่มี caption แล้วอ่านทุกเฟรมเป็นภาพจริงๆ ก่อนตอบ
ใช้งานได้หลากหลายมาก เอาไปแกะโครงสร้างคลิปไวรัลว่าเปิด hook ยังไง ดูสไลด์ competitor เทียบโฆษณา ไล่ดูคลิป bug report ที่คนส่งมาแล้วช่วยชี้จุดพังโดยไม่ต้องเปิดไฟล์เอง สรุปคลิปยาวเป็นโน้ต หรือกรองคลิปเปิดตัวสินค้าให้เหลือแต่ของจริงตัดฮือฮาออก
จุดที่ทำมาดีคือระบบ frame budget คุม token ไม่ให้บาน คลิปสั้นได้เฟรมถี่ คลิปยาวสุ่มแบบฉลาดพร้อม dedup เฟรมซ้ำออกก่อนส่งเข้า context แถมรองรับแทบทุก platform ที่ yt-dlp โหลดได้ ทั้ง YouTube, TikTok, X, Instagram, Loom
ตอนนี้ 8,000 stars, fork เกือบ 900 แล้ว ติดตั้งได้หลายทาง ทั้ง Claude Code plugin marketplace โดยตรง หรือผ่าน Agent Skills CLI ที่รองรับ Cursor, Codex, Copilot, Gemini CLI อีกกว่า 50 host
ผมว่านี่คือทิศทางที่ AI agent tool กำลังไปจริงๆ จากอ่านข้อความอย่างเดียวเป็นรับรู้ภาพและเสียงได้ครบเหมือนคนดูจริง แล้วชุมชนก็ทำ skill แบบนี้มาเสริม Claude ให้ทำงานได้กว้างขึ้นเรื่อยๆ
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac