让 Claude 具备场景感知的视频观看能力

是什么

claude-real-video 是一个 MIT 许可的 Python 3.10+ PyPI 包与 CLI，目标是让 Claude 或其他 LLM 通过帧、转录和时间戳理解视频。截图显示版本为 v0.7.15，项目短名为 crv，并提供带 whisper 能力的安装方式。

架构与核心设计

README 展示的处理链是：先用 ffmpeg 进行场景变化筛选，再通过 sliding-window 去重，最后生成 3×3 Contact Sheet；faster-whisper 提供本地转录能力。它把长视频预处理为按场景组织的视觉证据和可定位文本，再交给 Agent 查询，减少直接输入整段视频的上下文压力。

关键洞察

最值得借鉴的是“预处理决定 Agent 能力”：场景边界、重复帧清理、时间戳和转录共同构成可查询上下文。同时保留 CLI 路径，安装后即可处理本地视频；100% local 的定位也适合隐私敏感素材。

边界与风险

场景变化不等于语义变化，快速剪辑、静态画面或字幕内容可能漏检；转录质量依赖音频质量和模型运行环境。现有 README 只展示了 CLI 与示例流程，不能据此断言其具备完整的视频问答编排、云端扩展或生产级可靠性。