Claude non può guardare un video. Prova a caricare un MP4 nella chat e riceverai un errore di tipo di file non supportato, perché l’elenco di caricamento di Anthropic copre documenti e immagini, non video. Non c’è nemmeno un input audio, quindi Claude non può sentire la colonna sonora di un video più di quanto possa vederne i fotogrammi. Ciò che Claude può fare, e fa bene, è analizzare ciò che estrai per primo da un video: una trascrizione, un set di fotogrammi chiave, o entrambi, e può guidare l’estrazione stessa tramite Claude Code.

Quel paragrafo è la risposta onesta a “Claude può guardare video”. Il resto di questa guida è la parte pratica: dove si trova esattamente il limite, tre flussi di lavoro funzionanti per far comunque arrivare il contenuto di un video a Claude, e il punto in cui dovresti smettere di assemblare una pipeline e consegnare il file a uno strumento creato per questo.

Un dettaglio documentato stabilisce il limite meglio di qualsiasi elenco di funzionalità. Il GIF è un formato immagine supportato, ma la documentazione sulla visione di Anthropic afferma che le animazioni non sono supportate e viene utilizzato solo il primo fotogramma. La percezione di Claude non ha un asse temporale. Un video, per Claude, è una pila di immagini fisse e un file di testo, e questa inquadratura predice tutto ciò che segue.

Cosa richiederebbe effettivamente “guardare un video”

Vale la pena essere precisi qui, perché “Claude può analizzare video” e “Claude può guardare video” vengono usati in modo intercambiabile e sono affermazioni diverse.

Guardare significa seguire il parlato, leggere il testo sullo schermo, riconoscere ciò che sta accadendo visivamente, notare i cambiamenti di scena e collegare tutto ciò nel tempo: il presentatore ha detto “clicca qui” alle 3:42 mentre il cursore si spostava su un pulsante specifico. Modelli come Gemini ingeriscono video in modo nativo e possono fare parte di questo. Claude non può. I suoi caricamenti supportati sono documenti (PDF, DOCX, TXT, CSV e simili) e immagini fisse (JPEG, PNG, GIF, WebP), con un limite di 30 MB per file e 20 file per chat. MP4, MOV, WebM, AVI e MKV non sono semplicemente nell’elenco, e nessun prompt lo cambia.

Nemmeno una trascrizione è un sostituto per la visione. Cattura ogni parola e nessuno dei pixel. Per una lezione, questo è la maggior parte del valore. Per una demo software in cui il presentatore dice “allora fai questo” mentre clicca attraverso quattro menu, la trascrizione registra una frase che non significa nulla senza i fotogrammi. Associa l’estrazione al video: i video parlati necessitano della trascrizione, i video visivi necessitano dei fotogrammi, e la maggior parte dei video reali necessita di entrambi.

Cosa analizza bene Claude, una volta che gli dai il contenuto

Il ragionamento di Claude sul contenuto video estratto è genuinamente forte, ed è per questo che i flussi di lavoro seguenti valgono lo sforzo.

Dagli una trascrizione con timestamp e tirerà fuori argomenti, decisioni, azioni, persone e termini nominati, domande sollevate e frasi citabili, e gestisce trascrizioni lunghe meglio della maggior parte dei modelli di chat grazie alla sua ampia finestra di contesto. Questa è la risposta a “Claude può riassumere video”: sì, superbamente, un passo rimosso dal video.

Dagli i fotogrammi e leggerà diapositive, interfacce, grafici, prodotti e testo sullo schermo. Il problema è il campionamento: un fotogramma ogni 10 secondi comprime una demo di 20 minuti in 120 immagini, che è già sei volte il limite di caricamento per chat, quindi dovrai scegliere 20 fotogrammi importanti. I fotogrammi di cambio scena sono migliori di quelli equamente distanziati. Qualsiasi cosa che lampeggia brevemente (un messaggio di errore, una notifica) è probabile che cada tra i tuoi campioni, e Claude non può segnalare ciò che non ha mai visto.

I risultati più forti provengono dal dargli entrambi contemporaneamente, etichettati: la trascrizione più i fotogrammi chiave nominati per timestamp, con una riga che dice a Claude come si relazionano. Questo gli fornisce parlato e immagini su una timeline condivisa, che è il più vicino possibile a “aver guardato” per un modello senza video.

Come riassumere un video con Claude

Un prompt che si guadagna il suo posto:

Quest’ultima clausola, domande poste ma mai risposte, è il tipo di cosa che Claude è insolitamente bravo a cogliere in una lunga trascrizione e che un revisore umano salta facilmente.

La via di Claude Code, per chi elabora video settimanalmente

Se lo fai una volta, i metodi manuali sopra vanno bene. Se lo fai ogni settimana, Claude Code trasforma l’intera estrazione in uno script a cui non penserai più.

La divisione del lavoro: FFmpeg estrae la traccia audio e scarica i fotogrammi ai cambi di scena, un modello di sintesi vocale come Whisper trasforma l’audio in una trascrizione con timestamp, e Claude Code scrive i comandi, li esegue, legge gli errori e poi fa la parte in cui è davvero bravo: ragionare sull’output combinato in un riassunto, un elenco di capitoli o un JSON strutturato. Claude non tocca mai il video. Conduce gli strumenti che lo fanno.

Chiedigli qualcosa come “costruiscimi uno script che prenda un MP4, produca una trascrizione Whisper e fotogrammi di cambio scena, e scriva un report markdown con capitoli timestamped,” e avrai una pipeline funzionante in una sola sessione. Aspettati di dover fornire la prima trascrizione con correzioni (il tentativo di Whisper di indovinare i nomi dei prodotti è un’avventura), e aspettati che un video lungo richieda un tempo di elaborazione considerevole su un laptop.

E i link di YouTube?

Incollare un URL di YouTube in Claude fa meno di quanto la gente supponga. Con l’accesso al web, Claude recupera la pagina, ottenendo il titolo, la descrizione e i commenti, non il flusso video. Tutto ciò che ti dice sul contenuto oltre a questo è un’inferenza dal testo della pagina, consegnata con voce sicura. L’ho visto produrre un “riassunto” plausibile di un video che strutturalmente non avrebbe potuto guardare, il che è un aspetto da ricordare ogni volta che una risposta arriva sospettosamente velocemente.

Il percorso YouTube funzionante è lo stesso di ogni altra parte di questa guida: ottieni prima la trascrizione, poi portala a Claude. Per YouTube in particolare esiste una scorciatoia, poiché la maggior parte dei video ha già i sottotitoli; uno strumento che li estrae direttamente è più veloce della trascrizione da zero, e abbiamo trattato l’intero flusso di lavoro in come chattare con i video di YouTube.

La versione in cui salti tutto questo

Tutto quanto sopra assembla un apparato di “visione” attorno a un modello che non può vedere. L’altra opzione è uno strumento in cui tale apparato è il prodotto.

Un analizzatore video AI prende direttamente il file MP4, MOV o il link, esegue la trascrizione e l’analisi visiva, e ti fornisce un riassunto più una casella di domande mirate al video, senza FFmpeg, senza budget di fotogrammi, senza barriere di formato. Il piano gratuito di ScreenApp include 600 minuti di trascrizione al mese, che coprono una stagione di riunioni settimanali. Abbiamo confrontato gli strumenti che possono farlo, incluso il nostro, nella nostra rassegna dei strumenti AI che possono guardare i video.

I due approcci possono anche essere combinati. Lascia che lo strumento video si occupi della “visione”, esporta la trascrizione e il riassunto, e consegnale a Claude per le parti in cui Claude eccelle: riscrivere per un pubblico diverso, confrontare tre video tra loro, o trasformare una registrazione in un articolo, una checklist e un’email di follow-up. Questa suddivisione, strumento dedicato per l’estrazione, Claude per il ragionamento, batte entrambi da soli.

Claude vs un analizzatore video dedicato

La regola di selezione onesta: parti da ciò che hai in mano. Se hai una trascrizione, o hai bisogno di ragionamento, confronto e riutilizzo, Claude è lo strumento giusto e un piacere da usare. Se hai un file video e la domanda “cosa c’è in questo”, un analizzatore dedicato risponde nel tempo che Claude impiega per rifiutare il caricamento. E questo intero confine non è unico di Claude: ChatGPT ha la stessa barriera no-video con bordi diversi, che abbiamo mappato in puoi caricare video o audio su ChatGPT. Se la tua domanda riguarda la creazione di video piuttosto che la loro comprensione, quello è l’articolo correlato: può Claude creare video.

Alcuni limiti da tenere in considerazione indipendentemente dal percorso. I fotogrammi campionati perdono eventi brevi. La conversione da parlato a testo deforma i nomi, e ogni riassunto eredita gli errori della trascrizione. Una trascrizione molto lunga può ancora riempire una finestra di contesto. E un riassunto sicuro non è verificato: per qualsiasi cosa di importanza, verifica le affermazioni rispetto alla registrazione effettiva prima di inoltrarle.

Quindi, Claude può guardare i video? No, e non ci va neanche vicino: nessun formato video, nessun input audio, nessun movimento, solo il primo fotogramma anche su una GIF. Può analizzare e riassumere i video? Sì, così come qualsiasi cosa sul mercato, nel momento in cui gli fornisci i contenuti del video come testo e immagini fisse. Ottieni l’estrazione da uno strumento costruito per questo, dai a Claude il lavoro di ragionamento, e avrai la migliore versione di entrambi.

Domande Frequenti

Claude può guardare direttamente un video caricato?

No. I formati video non sono nell’elenco di caricamento supportato da Claude, quindi un MP4, MOV o WebM viene rifiutato prima che inizi qualsiasi analisi. Claude lavora solo su documenti e immagini.

Posso caricare un file MP4 su Claude?

Non nella chat; riceverai un errore di tipo di file non supportato. In Claude Code il file può risiedere nella tua cartella di progetto, ma Claude non può comunque riprodurlo o guardarlo, solo eseguire strumenti su di esso.

Può Claude ascoltare l’audio di un video?

No. Claude non ha alcun tipo di input audio. Per inserire contenuti parlati in Claude, un modello di sintesi vocale deve prima trascriverli, e Claude lavora dal testo.

Può Claude riassumere un video di YouTube?

Non dal link. Con l’accesso al web, legge la pagina del video (titolo, descrizione, commenti), non lo stream, e potrebbe produrre un riassunto plausibile che in realtà non potrebbe verificare. Estrai prima la trascrizione o i sottotitoli, poi chiedi; il riassunto diventerà reale.

Può Claude analizzare i fotogrammi di un video?

Sì, e bene. Carica screenshot o keyframe estratti (fino a 20 immagini per chat, 30 MB ciascuna) e Claude leggerà diapositive, interfacce, grafici e testo sullo schermo. Etichetta i fotogrammi con timestamp in modo che possa ragionare sull’ordine.

Può Claude trascrivere un video?

No. La trascrizione richiede un’elaborazione audio che Claude non possiede. Usa uno strumento di trascrizione o un modello di sintesi vocale, quindi porta la trascrizione a Claude per l’analisi.

Può Claude analizzare una registrazione dello schermo?

Sì, tramite estratti: la narrazione come trascrizione e gli stati importanti dello schermo come fotogrammi. Per le registrazioni dello schermo senza narrazione, i fotogrammi contengono tutte le informazioni, quindi estraili ad ogni significativo cambiamento dell’interfaccia utente.

Claude può riassumere un video senza una trascrizione?

Solo dai fotogrammi, il che copre ciò che è stato mostrato ma non ciò che è stato detto. Per qualsiasi video in cui il parlato veicola il significato, nessuna trascrizione significa nessun riassunto reale.

Claude Code può elaborare file video?

Sì, tramite orchestrazione. Scrive ed esegue comandi FFmpeg per estrarre audio e fotogrammi, richiama un modello di sintesi vocale per la trascrizione e quindi analizza l’output combinato. Strumenti esterni eseguono il lavoro video; Claude Code li dirige e ragiona sui risultati.

Quali formati video supporta Claude?

Nessuno. I caricamenti supportati sono documenti (PDF, DOCX, TXT, CSV e simili) e immagini (JPEG, PNG, GIF, WebP). I caricamenti GIF utilizzano solo il primo fotogramma, secondo la documentazione sulla visione di Anthropic.

Qual è il modo migliore per fornire un video a Claude?

Una trascrizione con timestamp più una manciata di fotogrammi chiave etichettati con timestamp, caricati insieme a una riga che spiega che provengono dallo stesso video. Tale abbinamento avvicina Claude il più possibile all’averlo “guardato”.

Cosa dovrei usare se voglio solo che il video sia analizzato subito?

Un analizzatore video dedicato che accetta il file o il link direttamente, lo trascrive e ti consente di porre domande immediatamente. Quindi esporta la trascrizione in Claude se desideri un ragionamento più approfondito o un riutilizzo aggiuntivo.