Claude-real-video (GitHub) — это Python CLI-инструмент, который позволяет любой LLM действительно «смотреть» видео, извлекая кадры с учетом сцен и транскрипт — всё локально, без загрузки на внешние сервисы. В отличие от выборки кадров с фиксированным интервалом (например, 1 кадр/с), которая приводит к избыточности статичного контента и пропуску быстрых смен сцен, этот инструмент использует обнаружение смены сцен и минимальную плотность кадров, чтобы захватить каждое значимое визуальное изменение, отбрасывая почти дублирующиеся кадры.

Ключевые возможности

• Обнаружение смены сцен с настраиваемой чувствительностью (--scene 0.30)
• Дедупликация скользящим окном (--dedup-window 4, --dedup-threshold 8%) — избегает повторной отправки одного и того же кадра после перебивки
• Минимальная плотность кадров (--fps-floor 1.0) гарантирует хотя бы один кадр каждые N секунд
• Жёсткий лимит на общее количество кадров: --max-frames 150
• Транскрипция через Whisper с определением языка (--lang auto или указать en, zh)
• Поддержка ссылок (YouTube, Instagram, TikTok и др.) через yt-dlp и локальных файлов
• Выдаёт чистую папку: crv-out/frames/*.jpg, crv-out/transcript.txt, crv-out/MANIFEST.txt — загрузите их в Claude, ChatGPT или Gemini
• Возможность сгенерировать визуальный отчёт о решениях «сохранить/отбросить» (--report)

Установка

pip install claude-real-video           # ядро (кадры + дедупликация)
pip install "claude-real-video[whisper]"  # + аудиотранскрипция

Системное требование: ffmpeg (установите через brew install ffmpeg, sudo apt install ffmpeg или winget install Gyan.FFmpeg).

Примеры использования

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

Локальный файл с транскриптом на английском
crv lecture.mp4 -o out --lang en
Только кадры, без транскрипта
crv clip.mp4 --no-transcribe
С файлом куки для контента по логину
crv "https://..." --cookies cookies.txt

Как это работает

Инструмент использует yt-dlp для получения видео по ссылке (с опциональными куками), затем ffmpeg для извлечения кадров при каждой смене сцены с учётом минимальной плотности. Детектор почти дублирующихся кадров со скользящим окном отсеивает повторяющиеся планы. Аудио транскрибируется через Whisper CLI. Всё остаётся локально — никакой загрузки в облачные сервисы.