近日，GitHub开源项目“video-recap”展示了一种基于Claude Code的视频自动化解说工作流。该项目能够自动识别视频画面内容与语音，撰写解说词并调用ffmpeg合成最终视频。在技术实现上，作者利用GLM-5.1模型驱动Claude Code，画面识别采用Doubao-Seed-2.0-pro，语音识别使用通义千问Qwen3-ASR模型，并在搭载Apple芯片的Mac设备上通过Edge-TTS实现本地化语音合成。该方案巧妙串联了多模态大模型能力，实现了“四舍五入完全没成本”的高性价比运行，为个人创作者利用AI自动化生产视频内容提供了极具参考价值的实战案例。
