AI Tools
claude-real-video：讓 LLM 真的看見影片畫面，而不只是讀 YouTube 字幕稿
claude-real-video 是 HUANGCHIHHUNGLeo 開源工具，MIT、Python、PyPI 可安裝。它用 scene-change detection + sliding-window dedup 抽取真正變化的關鍵影格，搭配字幕或 Whisper transcript，輸出 frames、MANIFEST 與 transcript，讓 Claude/ChatGPT/Gemini 等 LLM 能讀到影片的視覺內容。適合教學、demo、簡報、操作影片與研究資料整理，也可做成 Claude Code skill。
2026年7月4日2 分鐘閱讀👁 6
來源：
claude-real-video 解的是一個很實際的問題：很多 AI 工具其實沒有真的看影片，只是讀 YouTube 字幕稿。對教學影片、產品 demo、投影片錄影、操作 walkthrough 來說，畫面常常比字幕更重要。
這個工具的做法不是每隔 N 秒硬截一張圖，而是用 scene-change detection 抓畫面真的變化的關鍵影格，再用 sliding-window dedup 去掉重複畫面，最後搭配字幕或 Whisper transcript，整理成 LLM 可讀的一包資料。
GitHub 核對
- Repo：
HUANGCHIHHUNGLeo/claude-real-video - Language：Python
- License：MIT
- GitHub description：Let Claude (or any LLM) actually watch a video — scene-aware, deduplicated frames + transcript, from a URL or local file. Runs locally, MIT.
- 安裝：
pip install claude-real-video - 系統需求：
ffmpeg/ffprobe；若要轉錄需 Whisper extra。
它輸出什麼
crv "https://www.youtube.com/watch?v=..."
# → crv-out/frames/*.jpg
# → crv-out/transcript.txt
# → crv-out/MANIFEST.txt也可以用 --grid 把影格打包成 contact sheets，讓模型讀連續畫面序列，而不是一堆散落截圖。