让 LLM 真正看懂视频，本地运行
推荐指数 60.0 NO. 002 · 2026.07.04
Stars494创建3 天前Forks18Issues0
为什么值得看
claude-real-video 是一个本地视频解析工具，通过场景检测提取关键帧并转录音频，生成 LLM 可理解的结构化输入。解决了现有方案要么只读字幕、要么固定采样漏掉快剪画面的痛点，适合需要视频分析但数据敏感的场景。
Let Claude (or any LLM) actually watch a video — scene-aware, deduplicated frames + transcript, from a URL or local file. Runs locally, MIT.
编辑判断
目前让 LLM 读视频的主流做法有三种：Gemini 固定 1fps 采样、Whisper 转文字丢画面、或者上传云端处理。这个工具的核心差异是本地运行加自适应关键帧，对金融合规审查、内部培训视频分析这类不能外传数据的场景很对口。
跟 Twelve Labs 这类云端视频理解 API 比，它牺牲了一些语义检索能力，换来了零成本和隐私可控；跟纯 OCR 或字幕方案比，它能抓住 PPT 翻页、演示操作等画面信息。如果你在做企业知识库、媒体内容审核，且视频量在千小时级别，自建这套比调 Gemini API 更划算。
一个小限制：场景检测对动画、游戏画面的切分精度会下降，建议先拿你的实际素材跑一轮看丢帧率。
Star History
生态分析
Experimental
填补本地视频LLM解析工具空白，聚焦隐私敏感场景的视频理解基础设施。
独特价值：场景感知去重+本地运行，解决固定采样漏帧与隐私泄露双重痛点。