claude-real-video

让 Claude 看懂视频:自动提取关键帧和字幕,喂给大模型

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 205 🐛 待处理 4 👀 关注 6
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 2303
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 完全开源,MIT许可证,本地运行,无任何付费功能。

项目预览

claude-real-video 项目界面预览图
图片来源:项目官网

项目数据

分类开源模型
开发团队HUANGCHIHHUNGLeo
定价模式🏷️完全免费
价格说明完全开源,MIT许可证,本地运行,无任何付费功能。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型claude,claude-code,cli,codex,codex-cli,ffmpeg,keyframe-extraction,llm,multimodal,ocr,openai-codex,python,scene-detection,transcription,video-analysis,whisper
GitHub 星标★ 2303
上线时间2026-06-30 00:00:00
代码更新2026-10-23
仓库体积137.3 MB
本站数据更新2026-11-10
维护状态较活跃
收录时间2026-08-09
浏览次数7

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2303

使用教程

难度:入门 约 10 分钟 部署方式:命令行工具 5 步

环境要求

  • Python 环境(可用 pip 安装包)
  • 网络可访问 PyPI 与 GitHub
  • 若要在 AI Agent 中使用,需要支持 skills 的宿主(Claude Code、Cursor、Codex、Copilot、Gemini CLI 等)
  • 推荐安装带 whisper 附加项的版本,否则没有语音转文字能力

安装与启动步骤

  1. 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. 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-video
  3. 3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-video
  4. 4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 "<url>"
  5. 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。

如何确认成功

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 "<url>" 得到关键帧与转录结果。

常见问题

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 "<url>" 即可,无需插件市场步骤。

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。

注意事项

  • 安装时注意引号,pip install "claude-real-video[whisper]" 才能正确识别附加项。
  • README 的安装步骤没有显式要求 ffmpeg,但项目技术栈包含 ffmpeg,视频处理报错时请先检查系统是否已安装。
  • 插件市场命令是在 Claude Code 内部执行的斜杠命令,不是终端命令,不要复制到 bash 中运行。

核心亮点

  • 场景感知切分,智能去重关键帧,避免冗余信息
  • 支持 URL 和本地文件,本地运行保护隐私
  • 输出格式适配 LLM,可直接用于 Claude 等模型

不足之处

  • 依赖外部转录服务,可能产生额外成本
  • 文档/社区待观察

适用场景

  • 视频内容摘要与问答
  • 视频会议纪要与要点提取
  • 视频素材的自动化标注与检索

替代项目

Video-LLaVA、LLaVA-NeXT-Video、VideoPrism

上一篇:LISA

下一篇:awesome-yolo-object-detection

同类项目推荐

kornia 开源

让图像变换可微,深度学习视觉更灵活

Geometric Computer Vision Library for Spatial AI

★ 12367 2026-08-10
CLIP-API-service 开源

把 CLIP 模型变成一行代码就能调用的 API,快速实现图文搜索与识别。

CLIP as a service - Embed image and sentences, object recognition, visual reasoning,···

★ 67 2026-08-09
chandra 开源

复杂表格表单手写,一次识别还原版面

OCR model that handles complex tables, forms, handwriting with full layout.

★ 12697 2026-10-27
Awesome_Mamba 开源

一网打尽医学影像中的高效状态空间模型研究

Computation-Efficient Era: A Comprehensive Survey of State Space Models in Medical I···

★ 270 2026-08-09
PaddleOCRSharp 开源

在 .NET 里离线调用轻量 OCR,小图识别也稳

PaddleOCRSharp是一个.NET的OCR工具本地类库,可离线使用。包含文本识别、文本检测、表格识···

★ 165 2026-11-10
sparrow 开源

从文档和图片中一键提取结构化数据,驱动自动化流程。

Structured data extraction, instruction calling and agentic workflows with ML, LLM a···

★ 5231 2026-08-09
platypus 开源

用 R 一份配置搞定 2D/3D 医学图像分割

Deep learning for medical images in R: semantic and instance segmentation, object de···

★ 136 2026-10-01
EmerNeRF 开源

自监督分解动态场景,轻松重建三维世界

PyTorch Implementation of EmerNeRF: Emergent Spatial-Temporal Scene Decomposition vi···

★ 641 2026-08-09
vietnamese-ocr-toolbox 开源

越南语证件发票图片,一键转成可编辑文字

A toolbox for Vietnamese Optical Character Recognition.

★ 143 2026-09-19