Ensine o Claude a assistir vídeos
O Claude não abre vídeo. A skill Watch baixa o vídeo, tira prints das cenas e entrega cada imagem e cada trecho de fala com o minuto em que aparecem. Com isso o Claude responde sobre o que estava na tela e sobre o que foi dito.
Quem fez a skill
A Watch é do Brad Bonanno, que cria skills para o Claude e ensina automação com IA no YouTube. O código está no GitHub dele. Aqui você encontra a ordem que eu sigo, o que conferir em cada passo e os prompts que uso.
O caminho em cinco partes
Instalar a Watch
Pelo app Claude Desktop, sem terminal, ou com dois comandos no Claude Code.
Conferir que funcionou
O primeiro teste e as três perguntas que a skill faz na primeira vez.
Resumir aula e reunião
Dois prompts, com o minuto de cada ponto e o que foi mostrado na tela.
Analisar lançamento e Reel
O que foi anunciado de fato e o que fez um Reel segurar a atenção.
Guiar a edição
Uma lista de edição com minuto, a partir do seu bruto e de um Reel de referência.
O que ela faz e o que não faz
Entrega imagem e fala com o minuto
No modo local, a Watch tira até 100 prints por vídeo nas mudanças de cena e junta a transcrição com o minuto de cada fala. Quem cruza as duas coisas é o Claude, olhando print por print.
Trabalha com amostras
Ela não guarda cada segundo. Uma cena muito rápida pode ficar de fora, e o próprio autor recomenda vídeos de até 10 minutos ou um trecho com início e fim.
Reel e TikTok chegam sem legenda
Num teste de outubro de 2026, um Reel e um TikTok públicos baixaram sem login, mas vieram sem legenda. Para a fala entrar, você liga a transcrição na etapa 3.
Fica fora do chat do Claude
Funciona no Claude Code (inclusive na aba Code do app Claude Desktop), no Codex e em outros agentes que rodam no seu computador. No chat do claude.ai e no Cowork, não funciona.
Instalar a Watch uma vez só
Skill é um pacote de instruções e scripts que o agente aprende a usar. Escolha um dos caminhos abaixo, só um: instalar duas vezes faz aparecer duas Watch.
No Claude Desktop sem terminal
Abra o Customize
Na barra lateral do Claude Desktop, clique em Customize, depois em Plugins, Add e Add marketplace.
Adicione o repositório
Escolha Add from a repository, cole o endereço abaixo no campo URL e clique em Sync.
https://github.com/bradautomates/claude-video
Instale o Watch
Procure Watch no marketplace que apareceu e instale. Adicionar o marketplace não instala a skill. Depois abra uma sessão na aba Code.
No Claude Code pelo terminal
Abra o Claude Code com claude e rode os dois comandos dentro da sessão, um de cada vez.
/plugin marketplace add bradautomates/claude-video
/plugin install watch@claude-video
Em outros agentes
Codex
Cole o pedido abaixo na caixa de mensagem do Codex, no app, no terminal ou na extensão. Depois comece uma sessão nova.
Use $skill-installer to install the watch skill from:
https://github.com/bradautomates/claude-video/tree/main/skills/watch
Cursor, Copilot e outros
No terminal, com o Node instalado, rode npx skills add bradautomates/claude-video -g --skill watch, escolha o agente quando o instalador perguntar e reinicie o agente.
Cuidado com cópia: no GitHub existem outros repositórios chamados watch ou claude-watch, alguns derivados deste. O original é o bradautomates/claude-video.
Teste com um vídeo curto antes de confiar
Na primeira vez, a Watch confere as ferramentas do seu computador e faz três perguntas. Use um vídeo de menos de um minuto para o teste andar rápido.
Use a skill watch no vídeo [link de um vídeo público do YouTube com legenda].
Antes, rode o setup.py da skill para conferir as dependências e me diga o que falta instalar.
Depois descreva o que aparece na tela, com o minuto de cada cena, e o que é dito em cada parte.
As três perguntas da primeira vez
Como ver o vídeo: gemini ou local
No gemini, o Gemini do Google assiste o vídeo com imagem e som e o Claude repassa a resposta. Pede uma chave grátis do Google AI Studio, e o vídeo vai para o Google. No local, os prints e a transcrição saem no seu computador e quem olha é o Claude.
Eu escolho local. É o modo que faz o que esta página promete, e o vídeo inteiro não sobe para lugar nenhum: o Claude recebe só os prints e o texto.
Quanto detalhe
balanced é o recomendado: até 100 prints nas mudanças de cena. efficient vai até 50 e é mais rápido. transcript não tira print. token-burner não tem limite e gasta muito do plano.
Transcrição para vídeo sem legenda
É a pergunta que decide Reel, TikTok e reunião gravada. whisperx transcreve no seu computador, sem chave, e pede 3 GB livres e 8 GB de memória; o autor só verificou em Mac com chip Apple. groq e openai transcrevem na nuvem com uma chave sua, e o áudio vai para eles. none deixa o vídeo sem fala.
Fala em português no whisperx
Sem saber o idioma, o modelo padrão do whisperx pode confundir a fala em português. Peça para gravar a dica de idioma:
Grave a linha WATCH_WHISPERX_LANGUAGE=pt no arquivo ~/.config/watch/.env da skill watch, sem apagar as outras linhas.
O que conferir no resultado
Minuto em cada cena
O resultado certo traz minutos. Se veio texto sem tempo, a skill não rodou: peça de novo citando a skill watch pelo nome.
De onde veio a fala
O relatório da Watch diz se a fala veio da legenda, da transcrição ou de lugar nenhum. Se diz que não havia legenda e a transcrição estava desligada, o Claude respondeu só pelas imagens.
Reel ou TikTok com erro de login
Atualize o yt-dlp (no Mac, brew upgrade yt-dlp) e tente de novo. Num teste de outubro de 2026, a versão de março falhou no mesmo Reel pedindo login, e a de outubro baixou sem login.
Resuma aula e reunião com o que estava na tela
Um resumo feito só da transcrição perde tudo o que ninguém falou em voz alta: slide, planilha, código, número no gráfico. Troque o que está marcado e cole no Claude Code.
Use a skill watch no vídeo [link ou caminho do arquivo da aula].
Objetivo: estudar o conteúdo sem assistir de novo.
Entregue: 1) os pontos principais em tópicos, cada um com o minuto em que aparece; 2) tudo o que foi mostrado na tela e não foi dito em voz alta (slides, código, diagramas, números), com o minuto; 3) [cinco] perguntas para eu testar se entendi.
Regras: se a aula passar de 10 minutos, analise em partes, com início e fim, e junte tudo no final. Separe o que você viu nos prints do que leu na transcrição.
Salve em [resumo-da-aula.md].
Reunião gravada vira ata com minuto
Arquivo de reunião costuma vir sem legenda. Ligue a transcrição na etapa 3 e prefira o whisperx, que deixa o áudio no seu computador.
Use a skill watch no arquivo [reuniao.mp4] da pasta atual, com o motor local.
Entregue: 1) as decisões tomadas, com o minuto; 2) as pendências, com responsável e prazo quando alguém disse; 3) o que foi compartilhado na tela (planilha, slide, documento) e os números que apareceram, com o minuto; 4) os assuntos que ficaram sem dono.
Regras: use só o que foi dito ou mostrado. Quando faltar informação, escreva "não ficou claro" em vez de completar.
Salve em [ata-da-reuniao.md].
Estude um lançamento pelo que foi mostrado
Vídeo de lançamento promete muito em voz alta. Os prints mostram o que foi demonstrado funcionando.
Use a skill watch no vídeo [link do vídeo de lançamento]. Se ele for longo, analise só o trecho entre [início] e [fim].
Entregue: 1) o que foi anunciado, em lista; 2) cada demonstração mostrada na tela, com o minuto e o que ela prova; 3) o que foi prometido em voz alta e não apareceu demonstrado; 4) preços, datas e disponibilidade que aparecem na fala ou na tela.
Regras: cite o minuto de cada item. Separe o que foi mostrado funcionando do que foi só anunciado.
Salve em [lancamento.md].
Por que um Reel deu certo segundo a segundo
Reel vive do que aparece na tela nos primeiros segundos, e é aí que a transcrição sozinha não ajuda. Peça os prints em resolução maior para o texto na tela ficar legível.
Use a skill watch no Reel [link do Reel], com detalhe balanced e resolução 1024 para ler o texto na tela.
Entregue: 1) os 3 primeiros segundos: o que aparece, o que é dito e o texto na tela; 2) uma linha do tempo com cada corte, o que muda na imagem e o que está sendo falado; 3) o ritmo: quantos cortes, a cada quantos segundos, onde entra texto na tela; 4) a promessa do começo e o minuto em que ela é cumprida; 5) o pedido do final (comentar, seguir, salvar); 6) três hipóteses do que segurou a atenção, cada uma ligada a um minuto.
Regras: trate as hipóteses como hipóteses. Você vê a peça, não as métricas de retenção.
Salve em [analise-do-reel.md].
Para comparar com um Reel seu, continue na mesma conversa:
Rode a mesma análise no meu Reel [link do seu Reel] e salve em [analise-do-meu-reel.md].
Depois compare as duas análises e me diga as três maiores diferenças nos 3 primeiros segundos, no ritmo dos cortes e no pedido do final.
Guie a edição do seu vídeo
Se o Claude já edita vídeo para você, a Watch dá a ele o que faltava: ver o seu bruto e uma referência antes de decidir onde cortar e o que colocar na tela. Se você ainda não montou esse fluxo, o material do vídeo explicativo narrado com IA mostra como.
Use a skill watch em dois vídeos: o meu bruto [bruto.mp4], na pasta atual, e o Reel de referência [link do Reel de referência].
Objetivo: montar a lista de edição do meu vídeo usando o que funciona na referência.
Entregue uma tabela com o minuto de início e fim no meu bruto e a ação: 1) cortes de silêncio, repetição e falso começo; 2) texto na tela, com o texto exato; 3) onde entra imagem de apoio ou gráfico, e o que mostrar; 4) um gancho para os 3 primeiros segundos montado com trechos que eu já gravei.
Regras: use só o que existe no meu material. Confirme cada minuto olhando o print daquele momento. Não corte frase no meio.
Salve em [lista-de-edicao.md].
Revise a lista antes de mandar executar. Quem edita, seja o Claude Code ou você no editor, recebe as decisões já com o minuto.
Deu errado? É um destes cinco
A Watch não aparece
Você adicionou o marketplace e não instalou o Watch. Instale, abra uma sessão nova e peça a skill watch pelo nome.
Erro 403 ou pedido de login
Atualize o yt-dlp e tente uma vez de novo. Se o vídeo for privado e você tiver acesso, a skill aceita os cookies do seu navegador: peça para rodar com --cookies-from-browser firefox.
Veio sem fala
O vídeo não tinha legenda e a transcrição está em none. Escolha whisperx, groq ou openai, ou use o motor gemini.
Transcrição sem sentido
Faltou dizer o idioma. Grave a dica de português, como na etapa 3.
Resposta rasa em vídeo longo
Passou de 10 minutos. Peça um trecho com início e fim, ou rode em partes.
Rodou?
Comenta no Reel ou me manda no direct qual vídeo você colocou o Claude para assistir e o que ele encontrou. Se travou, me diga em qual etapa e o que apareceu na tela. E me segue para ver as próximas partes da série Coisas contra-intuitivas que já dá pra fazer com IA.
Dante Araújo @dantearaujo