タイトル：私のClaude Codeが任意の動画を瞬時に「見る」方法（実践チュートリアル）
市販されているAI動画要約ツールの99%は「盲目」です。字幕テキストしか抽出しないため、動画内のチャートやコード、UI画面といった視覚的なコンテキストを完全に見落とします。
安価にLLMへ「視覚」を与える極客の解決策
Gemini 1.5 Proのような高価なマルチモーダル動画モデルを使う必要はありません。動画は本質的に「フレーム（画像）」と「スクリプト（字幕）」の組み合わせです。
私たちは2つの古くからの強力なCLIツール（yt-dlpとffmpeg）を利用します。
- yt-dlp: 動画ストリームと無料の字幕を瞬時に抽出します。
- ffmpeg: 数秒ごとに高解像度の画像（フレーム）を静かに抽出します。
これをClaudeに渡すことで、2時間の動画をわずか2分、しかも約1ドルのAPIコストで完全に「理解」させることができます。
3つのキラーユースケース
- 競合コンテンツの分析: 視覚的なフックとスクリプトを同時に分析。
- フロントエンドのデバッグ: 30秒のクラッシュ録画を渡し、正確なバグ発生フレームを特定。
- 第2の脳（Second Brain）の自動構築: 業界のポッドキャストを自動的に視聴し、図表付きの構造化ノートをObsidianに直接プッシュします。
高価なSaaSに頼るのをやめ、CLIを使ってローカルでAIに「目」を持たせましょう。