Claude-real-video (GitHub) es una herramienta CLI en Python que permite que cualquier LLM "vea" un video extrayendo fotogramas con detección de escenas y transcripciones, todo localmente, sin subir a servicios externos. A diferencia del muestreo a intervalos fijos (ej. 1 fps) que sobremuestrea contenido estático y se pierde cortes rápidos, esta herramienta usa detección de cambios de escena más un piso de densidad para capturar cada cambio visual significativo y descartar cuasi-duplicados.

Características principales

• Detección de cambios de escena con sensibilidad configurable (--scene 0.30)
• Deduplicación por ventana deslizante (--dedup-window 4, --dedup-threshold 8%) — evita reenviar la misma toma tras un corte
• Piso de densidad (--fps-floor 1.0) asegura al menos un fotograma cada N segundos
• Límite máximo de fotogramas: --max-frames 150
• Transcripción con Whisper y detección de idioma (--lang auto o especificar en, zh)
• Soporta URLs (YouTube, Instagram, TikTok, etc.) mediante yt-dlp y archivos locales
• Genera una carpeta ordenada: crv-out/frames/*.jpg, crv-out/transcript.txt, crv-out/MANIFEST.txt — arrastra a Claude, ChatGPT o Gemini
• Opción de generar un informe visual de decisiones de guardado/descartado (--report)

Instalación

pip install claude-real-video           # núcleo (fotogramas + dedup)
pip install "claude-real-video[whisper]"  # + transcripción de audio

Requisito del sistema: ffmpeg (instala con brew install ffmpeg, sudo apt install ffmpeg o winget install Gyan.FFmpeg).

Ejemplos de uso

# Enlace de YouTube/Instagram
crv "https://www.youtube.com/watch?v=..."

Archivo local con transcripción en inglés
crv lecture.mp4 -o out --lang en
Solo fotogramas, sin transcripción
crv clip.mp4 --no-transcribe
Con archivo de cookies para contenido con inicio de sesión
crv "https://..." --cookies cookies.txt

Cómo funciona

La herramienta usa yt-dlp para obtener videos desde URL (con cookies opcionales), luego ffmpeg extrae fotogramas en cada cambio de escena más un piso de densidad. Un detector de cuasi-duplicados por ventana deslizante elimina tomas repetidas. El audio se transcribe mediante la CLI de Whisper. Todo queda local — sin subir a ningún servicio en la nube.