用途：watch-cli 让 AI 智能体通过“帧 + 转录”理解社交视频，而不是把整段视频交给多模态模型。它适用于分析视频内容、从教程重建代码、提取架构图、克隆 UI、分析音频场景等。
主要能力：watch 为完整流水线，下载视频、抽帧、转录并输出结构化结果；dl-video 仅下载；extract-frames 按数量均匀抽 JPG 帧；transcribe 用 Whisper Large v3 Turbo 做语音转文字；audio-q 用多模态音频模型回答语气、音乐、音效、情绪等问题；models 列出可用模型。默认抽 8 帧，可按视频类型调整（短视频 4–8，教程 8–16，讲座 16–24，长演讲 24–32，快剪内容加倍）。
使用方式：安装命令为 curl -fsSL https://raw.githubusercontent.com/sonpiaz/watch-cli/main/install.sh | bash，依赖 yt-dlp、ffmpeg、jq、curl、python3。配置 export KYMA_API_KEY=kyma-xxxxxxxx，或使用 GROQ_API_KEY、GOOGLE_AI_KEY。基本用法：watch <url> [frame-count] [--cookies <file>]。登录墙内容可自动检测浏览器 cookie，或手动导出后用 --cookies 传入。也可复制到 ~/.claude/skills 作为 Claude Code 技能。
限制：yt-dlp 无法下载区域锁定内容；转录有 25MB 音频上限，长视频需先用 ffmpeg 分段；静音视频转录为空，需增加帧数或用 audio-q；默认帧数可能漏掉快剪关键画面。费用方面，转录约 $0.04/小时，抽帧本地免费，免费 Kyma 额度约覆盖 25 小时音频。具体模型与价格以官方为准。