Claude-real-video (GitHub) est un outil CLI Python qui permet à n'importe quel LLM de vraiment « regarder » une vidéo en extrayant des images clés par scène et une transcription, le tout en local, sans téléchargement vers des services externes. Contrairement à l'échantillonnage à intervalle fixe (par exemple 1 image/s) qui sur-échantillonne les plans statiques et rate les coupures rapides, cet outil utilise la détection de changements de scène avec un plancher de densité pour capturer chaque changement visuel significatif tout en éliminant les quasi-doublons.

Fonctionnalités clés

• Détection de changement de scène avec sensibilité configurable (--scene 0.30)
• Déduplication par fenêtre glissante (--dedup-window 4, --dedup-threshold 8%) — évite de renvoyer le même plan après un cutaway
• Plancher de densité (--fps-floor 1.0) garantit au moins une image toutes les N secondes
• Limite maximale d'images : --max-frames 150
• Transcription Whisper avec détection de langue (--lang auto ou spécifiez en, zh)
• Prend en charge les URL (YouTube, Instagram, TikTok, etc.) via yt-dlp et les fichiers locaux
• Génère un dossier propre : crv-out/frames/*.jpg, crv-out/transcript.txt, crv-out/MANIFEST.txt — insérez-les dans Claude, ChatGPT ou Gemini
• Option pour générer un rapport visuel des décisions de conservation/suppression (--report)

Installation

pip install claude-real-video           # cœur (images + déduplication)
pip install "claude-real-video[whisper]"  # + transcription audio

Prérequis système : ffmpeg (installez via brew install ffmpeg, sudo apt install ffmpeg ou winget install Gyan.FFmpeg).

Exemples d'utilisation

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

Fichier local avec transcription en anglais
crv lecture.mp4 -o out --lang en
Images uniquement, sans transcription
crv clip.mp4 --no-transcribe
Avec fichier cookie pour contenu protégé par connexion
crv "https://..." --cookies cookies.txt

Comment ça fonctionne

L'outil utilise yt-dlp pour récupérer les vidéos à partir d'URL (avec cookies optionnels), puis ffmpeg pour extraire les images à chaque changement de scène, avec un plancher de densité. Un détecteur de quasi-doublons par fenêtre glissante élimine les plans répétés. L'audio est transcrit via l'interface en ligne de commande Whisper. Tout reste en local — aucun téléchargement vers un service cloud.