claude-real-video（crv）とは？LLMに動画を本当に見せるローカル処理ツール

動画のキーフレームを自動抽出しAIに渡すPythonツールです。ChatGPTはトランスクリプト、Claudeは動画未対応、Geminiは固定間隔サンプリングという制限を、シーン変化検出+重複除去で解決。1818スターを獲得し急上昇中。

GitHubで急上昇中の HUANGCHIHHUNGLeo/claude-real-video をご紹介します。スター数 1818★ を獲得し、AI分野で注目されているツールです。

claude-real-video（crv）とは？

claude-real-video（crv）は動画URLまたはローカルファイルを入力として、シーン変化を検出したキーフレームとWhisperによる文字起こしをローカルで生成し、任意のLLMに渡せる形で出力するPythonツールです。Hacker Newsフロントページにも掲載されました。

ChatGPTやClaudeは動画を直接処理できませんが、crvが生成したフレームをペーストするだけでLLMが動画内容を理解できます。YouTube・Instagram・TikTokのURL直接入力に対応し、処理はすべてローカルで完結するためプライバシーも確保されています。

こんな人におすすめ:

エンジニア向け: AIエンジニア・LLMアプリ開発者が動画コンテンツをLLMの入力として活用するワークフローを構築する際に、トークン効率の良いキーフレーム変換処理をローカルで実行できます
非エンジニア向け: crv-webで動画URLを貼り付けてAnalyzeボタンを押すだけで使えます。プログラミング知識がなくてもGUI操作で動画解析フレームを生成できます

主な機能・特徴

シーン変化検出とスライディングウィンドウ重複除去の仕組み

crvが1秒1フレームの固定サンプリングと根本的に異なるのは、**「意味のある変化があったフレームだけを選ぶ」**という点です。

シーン変化検出+スライディングウィンドウ重複除去で最小限の意味のあるフレームだけを抽出する
Whisper/faster-whisperによる自動音声文字起こし（話者分離オプションあり）
YouTube・Instagram・TikTok等のURL直接入力をyt-dlpで対応する
crv-webで日本語UI不要のローカルWebインターフェースからGUIで操作できる
Claude Code・Cursor・Codex・Gemini CLI等50以上のエージェントホストにスキルとして一発インストールできる

実測値（3分間の640x360動画、Mac mini M4）:

モード	フレーム数	推定トークン
デフォルト（シーン変化+1秒フロア）	170フレーム	約52k
`--max-frames 80`	80フレーム	約25k
`--adaptive`（ゆっくりした変化も捕捉）	270フレーム	約83k

claude-real-video の使い方・始め方

インストール

# macOS
brew install ffmpeg

# Linux
sudo apt install ffmpeg

# Python パッケージ（音声文字起こし含む）
pip install "claude-real-video[whisper]"

YouTube動画を解析する基本コマンド

crv "https://www.youtube.com/watch?v=..."
# 出力: crv-out/frames/*.jpg + frames.json + transcript.txt + MANIFEST.txt

出力された frames/*.jpg と MANIFEST.txt をClaudeやChatGPTに添付して質問します。

Claude Code等のAIエージェントに統合する

pip install "claude-real-video[whisper]"
npx skills add HUANGCHIHHUNGLeo/claude-real-video
# あとはエージェントにYouTube URLを貼り付けるだけ

便利なオプション

# 目的を指定してフォーカスした分析
crv "https://youtu.be/..." --why "価格戦略を探す" --kb ~/notes

# コンタクトシート（3x3フレームグリッド）を生成
crv video.mp4 --grid

# 話者ラベル付き文字起こし（インタビュー・会議向け）
pip install "claude-real-video[speakers]"
crv meeting.mp4 --speakers

活用事例

ChatGPT・Gemini・Claude Native Videoとの違い：なぜ今このツールか

ChatGPTは動画URLからトランスクリプトを読むだけで映像を見ることができません。Claudeは動画ファイルを入力として受け付けません。Geminiはネイティブに動画を処理できますが、1fpsの固定間隔サンプリングのため、高速カット編集の動画ではフレームを見逃します。

crvはシーン変化検出で必要なフレームだけを選び、重複するショットを除外することでトークン効率と理解精度を両立します。10分のプレゼン動画が600フレームから5〜15フレームに圧縮され、90%以上のトークン削減と理解向上が同時に実現します。

コンテンツマーケターによる競合動画分析

コンテンツマーケターが競合の30分YouTube動画をcrv+Claudeで分析し、動画の構成・訴求ポイント・価格戦略を短時間で把握する用途が最も即効性があります。--why "価格戦略を探す"オプションで分析フォーカスを指定することで、AIが関連フレームを重点的に説明してくれます。

AIエンジニアによる会議録動画のRAGシステム構築

AIエンジニアが社内会議録画をcrv+Whisperで文字起こし・キーフレーム抽出してRAGパイプラインに組み込み、議事録検索システムを構築する活用法が実用的です。frames.jsonに各フレームのタイムスタンプが含まれているため、「このシーン（frame_012 @ 00:03:41）について」という形で時刻を指定した検索も可能です。

こんな人に向いている

AIエンジニア・LLMアプリ開発者が最も恩恵を受けます。動画×LLMのワークフローを構築したい方、トークンコストを最小化しながら動画コンテンツをLLMに理解させたい方に特に適しています。

コンテンツマーケター・リサーチャーにとっても、crv-webのGUI操作で競合動画・市場調査動画の内容をAIに素早く要約させる用途で実用的です。Claude Code等のAIコーディング環境を日常的に使っている方はスキルインストールで最もシームレスに使えます。

使う前に知っておきたいこと

ffmpeg必須: pip installだけでは動作しない。OS別にffmpegを先にインストールする必要がある
whisperモデルのダウンロード: 初回実行時にWhisperモデル（baseで約140MB、turboで約1.6GB）がダウンロードされる
crv Pro: カメラワーク分析・感情タイムライン・インタラクティブビューアーを含む有料アドオン（$19/one-time、2026年8月1日より$29に値上がり）
対象コンテンツ: 権利があるコンテンツのみ使用可能。--cookiesオプションは自分のアカウントの認証済みコンテンツ用
ライセンス: MIT（商用利用・改変・再配布可能）

まとめ

claude-real-videoはLLMに動画を「見させる」ためのインフラとして急速に普及しています。コンテンツ分析・会議録動画の議事録作成・動画RAGシステム構築など、動画×LLMのあらゆるユースケースで活用できます。ローカル処理でプライバシーも確保されており、動画分析のワークフロー構築を検討しているエンジニアに特におすすめです。

GitHub でチェックする →

この技術を学ぶ

AI・LLMに興味を持った方には、UdemyのオンラインコースでPython・AI開発を体系的に学ぶこともおすすめです。

🎓 関連するAI・LLMアプリ開発コース一覧 — セール時（最大90%OFF）を狙うとお得です

claude-real-video（crv）とは？LLMに動画を本当に見せるローカル処理ツール