結論：動画を「重要な画像＋文字＋時刻」へ変換する
claude-real-videoの処理手順
| 段階 | 行うこと | 生成される情報 |
|---|---|---|
| 1. 取得 | yt-dlp対応URLまたはローカルファイルを読み込む | 解析対象の動画 |
| 2. 抽出 | FFmpegでシーン変化と最低密度を使いフレームを選ぶ | 時系列の画像候補 |
| 3. 重複除外 | 直近の複数フレームと比較し近似画像を減らす | 重要なキーフレーム |
| 4. 文字化 | 既存字幕を使い、なければWhisperへ切り替える | transcript.txt / JSON |
| 5. 時刻対応 | 画像と発話のタイムスタンプを保持する | frames.json |
| 6. 説明書作成 | Claudeが読むべきファイルをまとめる | MANIFEST.txt |
標準出力は`crv-out`フォルダです。画像だけを大量に並べるのではなく、どの画像が動画の何秒地点かを残すため、回答の根拠を確認しやすくなります。
インストール方法
READMEではPython 3.10以上とFFmpegが必要です。まずFFmpegをOS側へ導入し、`ffmpeg -version`でPATHを確認します。
| 環境 | FFmpeg導入例 |
|---|---|
| macOS | brew install ffmpeg |
| Windows | winget install Gyan.FFmpeg |
| Linux | sudo apt install ffmpegなど各ディストリビューションの方法 |
フレーム抽出と文字起こしを使う推奨構成：
pip install "claude-real-video[whisper]"Claude Code、Codex、CursorなどへSkillとして追加する場合：
npx skills add HUANGCHIHHUNGLeo/claude-real-videoYouTube・ローカル動画を解析する
CLIだけで使う場合は、URLまたはファイルパスを`crv`へ渡します。
# URLを解析
crv "https://www.youtube.com/watch?v=..."
# ローカル動画を英語で文字起こしし、outへ保存
crv lecture.mp4 -o out --lang en
# フレームだけ抽出
crv clip.mp4 --no-transcribe処理後、フレームと`MANIFEST.txt`をClaudeへ渡し、「製品デモの操作手順を時刻つきで整理して」「スライドの数値と発言を対応させて」など、確認したい目的を具体的に伝えます。
動画の種類に合わせたオプション
動きがゆっくり：--adaptive
緩やかな変形、アニメーション、ゆっくりしたパンなど、瞬間的な変化が小さい映像を周辺フレームと比較します。
講義・画面収録：--text-anchors
字幕の区切りに合わせて画像を追加し、映像変化が小さいスライドと発話を対応させます。字幕トラックが必要です。
インタビュー：--speakers
発話へ話者ラベルを追加します。別途speakers extraを導入し、約45MBのローカルモデルを初回取得します。
流れを見せる：--grid
連続する9枚をコンタクトシートへまとめ、Claudeが場面の進行を追いやすくします。
人間が先に確認：--viewer
動画、キーフレーム、文字起こしを並べたローカルviewer.htmlを作り、AIへ渡す内容を目視できます。
分析目的を固定：--why
「価格戦略を探す」などの目的をMANIFESTへ書き込み、一般的な要約ではなく目的に沿った分析へ寄せます。
ローカル処理でも、Claudeへ渡す時は外部送信になる
READMEによると、動画の取得、フレーム抽出、重複除外、文字起こし、出力生成は手元のPCで行われます。元動画をツール独自のクラウドへアップロードする方式ではありません。
利用前に確認する注意点
- Claudeが動画をネイティブ再生する機能ではない
- 場面抽出はすべての短い動きや細かな変化を保証しない
- 文字起こしには誤認識があり、人名・数値・専門用語の確認が必要
- 動画が長いほど画像数、処理時間、Claudeへ渡すトークンが増える
- 著作権、利用規約、社内規程に従い、権利のある動画だけを取得する
- Cookieは自分の正当なアクセス用途だけに使い、リポジトリへ保存しない
- 無料版と有料のcrv Proを混同しない
フレーム抽出に成功しても「動画全体を完全に理解した」とは限りません。重要な場面は`viewer.html`と元動画で人間が再確認します。
仕事で安全に使う7段階
- 動画の権利と社外共有可否を確認する
- 複製ファイルまたは正規URLを用意する
- `--viewer`を付けてローカルで抽出結果を確認する
- 分析目的を`--why`で限定する
- 必要な画像・文字だけをClaudeへ渡す
- 回答の時刻、画像、文字起こしを元動画と照合する
- 不要になったCookie、音声、抽出画像を安全に整理する
確認した情報源
機能、要件、コマンド、ローカル処理範囲は公式READMEとPyPIを優先しました。元記事の本文や画像は転載していません。
FAQ
claude-real-videoは無料ですか？
基本機能はMITライセンスのオープンソースとして公開されています。撮影方法や音声感情などを追加分析するcrv Proは別の有料製品です。
Claudeが動画ファイルを直接再生するのですか？
いいえ。動画から重要なフレーム、字幕、文字起こし、タイムスタンプを抽出し、Claudeが読めるフォルダへ変換する前処理ツールです。
処理した動画は外部へアップロードされますか？
動画の抽出処理はローカルで行われます。ただし、生成された画像やMANIFEST、文字起こしをクラウド版Claudeへ渡せば、そのデータはClaudeの提供環境へ送信されます。
Windowsでも使えますか？
READMEではmacOS、Windows、LinuxとPython 3.10以上に対応しています。WindowsではFFmpegをwingetやChocolateyなどで別途導入し、PATHを確認します。
YouTube以外の動画にも使えますか？
yt-dlpが対応するURLとローカル動画ファイルを入力できます。ログイン限定動画は、自分が正当にアクセスできるものだけを扱い、Cookieや認証情報をリポジトリへ保存しないでください。
固定間隔の切り出しと何が違いますか？
一定秒数ごとではなくシーン変化を検知し、近似フレームを除外します。動きが遅い動画にはadaptive、文字中心の動画にはtext-anchorsなどを使い分けます。