让 Claude 看懂视频：自动提取关键帧和字幕，喂给大模型
claude-real-video 是一个让 Claude 等大语言模型真正“看懂”视频的开源工具。它解决的是 LLM 无法直接处理视频的问题，通过从视频 URL 或本地文件中提取场景感知、去重后的关键帧和文字转录，将视频内容转化为 LLM 可理解的文本和图像序列。核心能力包括：自动场景切分、帧去重、语音转录，以及将结果打包成适合 LLM 输入的格式。项目完全本地运行，保护隐私，采用 MIT 许可，基于 Python 实现，易于集成到现有工作流中。
1安装视频理解包
用 pip 安装 claude-real-video，推荐加 [whisper] 附加项以获得关键帧、去重和语音转录的完整能力。
pip install "claude-real-video[whisper]"2安装 Agent 技能
一条命令把该技能安装进 Claude Code、Cursor、Codex、Copilot、Gemini CLI 等 50 多个 agent 宿主。
npx skills add HUANGCHIHHUNGLeo/claude-real-video3接入 Claude Code 插件市场
在 Claude Code 内依次执行两条插件命令；如需要自动更新，可在 /plugin → Marketplaces 中开启。
/plugin marketplace add HUANGCHIHHUNGLeo/claude-real-video
/plugin install claude-real-video@claude-real-video4用命令行处理视频
只做命令行用途时，不需要任何插件，把视频链接替换进去即可运行 crv。
crv "" 5让 Agent 看视频
把视频链接粘贴到已装好技能的 agent 中，直接向它提问视频内容。
把视频链接粘进 agent 并提问，能基于画面与转录回答；或直接运行 crv "
Q：不加 [whisper] 会怎样？
A：pip 的附加项不会自动安装，不装 [whisper] 就没有语音转文字；只有自带字幕的视频仍能得到转录文本。
Q：必须用 Claude Code 插件吗？
A：不是。只做命令行使用的话，完成 pip 安装后直接用 crv "
Q：crv 和 crv Pro 分别是什么？
A：crv 是 claude-real-video 这个 PyPI 包的简称；crv Pro 是付费附加组件，在 Capafy 上以 llm-real-video Pro 的名称出售。
Q：关键帧会不会太多、太费 token？
A：不会。同一段 58 秒片段按固定 1 fps 会得到 58 帧，crv 只保留真正有差异的 26 帧，配合 --grid 可打包成 3 张联系表，token 更少且不丢内容。
Video-LLaVA、LLaVA-NeXT-Video、VideoPrism
claude-real-video 是计算机视觉领域的开源项目，由 HUANGCHIHHUNGLeo 开发，是 2026 年新上线的项目。
在全站 13,090 个收录项目中，它的 GitHub 星标数（2,175）位列前 30%，在计算机视觉分类中处于中上游。
近 42 天，它的 GitHub 星标从 2,009 增加到 2,175，净增 166。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。完全开源，MIT许可证，本地运行，无任何付费功能。
它主要面向的使用场景是：视频内容摘要与问答。同类可对比的替代方案包括 Video-LLaVA、LLaVA-NeXT-Video、VideoPrism。
上一篇：LISA
modlens
开源
给纯文本编码代理装上眼睛，粘贴图片即刻获得结构化视觉证据。
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···
opencv
开源
开箱即用的视觉算法库，搞定图像视频处理与识别
Open Source Computer Vision Library
OpenCVTutorials
开源
中文 OpenCV 教程，从入门到实战，边看边跑代码
OpenCV-Python4.1 中文文档
DEIMv2
开源
用DINOv3做实时检测，又快又准，直接落地。
[DEIMv2] Real Time Object Detection Meets DINOv3