该工具可让Claude等大语言模型真正“观看”视频，通过本地处理提取关键场景帧（去重）、转录音频，生成可直接供AI读取的文件夹，无需上传至云端。

好的，这是根据您的要求，对原文进行中文重述和精简后的版本：

标题：claude-real-video：让AI真正“看懂”视频

核心问题： 大多数AI工具无法真正理解视频内容。它们要么只读取文字转录，要么以固定频率（如每秒1帧）采样画面，导致快速切换的场景被遗漏。

解决方案： claude-real-video 是一个本地运行的工具，它能智能地提取视频中“真正重要”的画面。它通过检测场景变化来抓取关键帧，并去除重复的近似画面，同时转录音频。最终，它会生成一个包含精选图片、文字记录和说明文件的文件夹，供任何大语言模型（如Claude、ChatGPT、Gemini）读取。整个过程在本地完成，无需上传视频。

核心优势（对比固定间隔采样）：

• 画面选择： 基于场景变化检测，而非固定时间间隔。既能捕捉快速切换，也能精简静态画面。
• 去重： 使用滑动窗口算法，避免重复发送模型已看过的相似画面（如A-B-A剪辑）。
• 音频： 使用Whisper进行语音转录，并支持语言自动检测。
• 隐私： 视频始终保留在本地机器上。
• 输入： 支持视频链接（YouTube等）或本地文件。

安装与使用：

• 安装： pip install claude-real-video （如需音频转录，则安装 [whisper] 版本）。系统需预先安装 ffmpeg。
• 基本用法： crv "视频链接或文件路径"。可指定输出目录、语言、是否跳过转录等。
• 主要参数：
  • --scene：场景变化敏感度（值越低，帧数越多）。
  • --fps-floor：最低采样频率（确保长时间静态画面也有帧被提取）。
  • --max-frames：总帧数上限。
  • --dedup-threshold：去重阈值（像素变化百分比，越高帧数越少）。
  • --dedup-window：去重滑动窗口大小。
  • --no-transcribe：跳过音频转录。
  • --keep-audio：保留完整音频文件（供能听音频的模型使用）。

工作原理：

1. 获取视频： 从链接下载（使用yt-dlp）或直接使用本地文件。
2. 提取帧： 通过场景变化检测和最低频率采样，提取关键画面。
3. 去重： 基于像素差异，使用滑动窗口去除重复画面。
4. 生成文本： 优先使用视频已有的字幕，否则使用Whisper进行语音转录。
5. 生成清单： 创建 MANIFEST.txt 文件，汇总所有信息供模型读取。

最终效果： 模型可以“看”（关键帧）、“读”（文字记录），并可选择“听”（完整音频）视频内容。

注意事项： 请仅下载您有权访问的内容。--cookies 选项用于授权访问，请勿将凭证公开。

许可协议： MIT

以下是对评论内容的总结，涵盖主要观点、论据及不同立场，并保留关键引用（中英文）。

主要观点与论据

1. 工具创新与实用性

   • 作者（cortexosmain）开发了claude-real-video，解决现有LLM无法有效处理视频的问题：Claude不接受视频文件，ChatGPT仅读取转录，Gemini固定1fps采样。工具通过场景变化提取帧、去重、转录音频，显著节省token（90%+）并提升理解。
   • 关键引用：
     • "I built this because I was frustrated that no LLM actually 'sees' a video"
     • "A 10-min presentation goes from ~600 fixed-interval frames to 5-15 meaningful keyframes. 90%+ token savings with better comprehension."

2. 技术局限与替代方案

   • 多位评论者指出，关键帧无法捕捉运动、物体恒存性等动态信息，LLM难以从静态图像推断动画或细节。
   • 有评论建议使用Gemini或本地VLM（如vlm-run）更高效处理视频，避免Claude的高token消耗。
   • 关键引用：
     • "keyframes are not videos. Motion, object permanence, are not things Claude can infer from a set of images"（octember）
     • "Pretty terribly expensive way to watch a video with Claude... Use Gemini or some local VLM to do this way more efficiently"（fzysingularity）

3. 命名与通用性争议

   • 部分评论认为工具名称应避免绑定Claude，因其功能可应用于更广泛的场景（如视频分析、实验数据记录）。
   • 关键引用：
     • "I think this is much more useful than just LLM related applications. I'd suggest renaming it"（BeetleB）
     • "this should be renamed without having Claude in the name"（zitterbewegung）

4. 实际应用与用户反馈

   • 有用户提出具体用例（如测量充电速度），并计划尝试该工具。
   • 也有用户分享类似尝试（如将帧放入网格、使用运动热图），但效果有限，最终依赖文字描述。
   • 关键引用：
     • "I was just thinking about this exact use case yesterday... This would make reviewing different charging equipment really easy"（ElijahLynn）
     • "I found for motion design specifically llm is not able to infer specific animations... I ended up just describing it until it got it"（gvkhna）

5. 技术细节与性能疑问

   • 用户询问快速滚动场景的处理方式、每秒token消耗量，以及模型能否从多帧中辨别运动（如弹跳球动画）。
   • 关键引用：
     • "How do you handle things like scrolling quickly in a video?"（fred123123）
     • "Are models any good at discerning motion from multiple frames?"（Lerc）

平衡性总结

• 支持方：认可工具在帧提取、去重、token节省方面的创新，认为其解决了LLM处理视频的痛点，并具有广泛适用性。
• 质疑方：强调关键帧无法替代视频动态信息，Claude处理成本高，建议使用更高效的模型或方法。
• 中立建议：呼吁改名以突出通用性，并关注技术细节（如运动感知、token消耗）。