mcpField
C
claude-real-video

claude-real-video

github.com/huangchihhungleoクリエイティブ・メディア2.3k580 回インストール3 週間前に更新
リポジトリ

claude-real-video について

claude-real-video Proは、エージェント向けのローカル動画分析スキルです。内容確認、制作者の手法分析、全体分析のモードを使い分け、文字起こしを通読して映像と知覚ラベルを照合します。

主な機能

  1. 01視聴・制作者・全体モードで分析
  2. 02音声・話し方・感情・ジェスチャーを確認
  3. 03時刻と信頼度付きの知覚タイムライン
  4. 04フレーム・文字起こし・動きの照合
  5. 05結果をナレッジベースに保存

活用シーン

  1. 01動画の要約と主張の確認
  2. 02短尺動画の表現や撮影手法の分析
  3. 03視聴者の反応につながる要因の検討

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/huangchihhungleo/claude-real-video --skill claude-real-video

インストール後、Claude Code で/claude-real-videoを入力して読み込まれたか確認します。

詳細

プロジェクトの README より

claude-real-video / crv Pro — 幫 Leo 看影片

Leo 本機裝的是 Pro 版 0.5.0（~/Projects/crv-pro/.venv/bin/crv-pro，PATH 有的環境直接 crv-pro）。

什麼時候用

Leo 給影片（網址或檔案路徑）問內容、要摘要、拆對標 reel、問「他怎麼講/怎麼拍/觀眾為什麼買單」時。

指令怎麼選（0.5.0）

Leo 的話聽起來像指令
「這在講什麼」「幫我摘要」「他說的是真的嗎」crv-pro "<src>" -o out --mode watch
「怎麼做的」「拆解」「為什麼會紅」「能學嗎」crv-pro "<src>" -o out --mode creator
「完整分析」或意圖不明crv-pro "<src>" -o out --mode full

Leo 有具體問題就加 --why "<他的原話>"。

  • --senses = 五感全開：聲音事件、語氣曲線、情緒、手勢/表情、畫面標籤（首次跑下載模型 ~2.7GB，之後 86 秒影片約 40 秒）
  • 只要單一感官：--prosody / --audio-events / --emotion / --gesture / --scene-labels
  • --lens content|creator|both（預設 both）決定 MANIFEST 教讀的 AI 往哪個方向分析
  • 長影片加 --max-frames 60；無語音影片 --no-transcribe
  • IG/TikTok 這類要登入的平台：先把 cookie JSON 轉 Netscape 格式再走 --cookies（2026-07-05 實測可直接抓 IG reel，這才是正路）： 
    python3 -c "import json; ck=json.load(open('/Users/leo/Projects/auto-post/browse-cookies/kanisleo328-threads.json')); cs=ck if isinstance(ck,list) else ck['cookies']; print('# Netscape HTTP Cookie File'); [print('\t'.join([c['domain'],'TRUE' if c['domain'].startswith('.') else 'FALSE',c.get('path','/'),'TRUE',str(int(c.get('expirationDate',2e9))),c['name'],c['value']])) for c in cs if 'instagram' in c.get('domain','')]" > /tmp/ig-cookies.txt
crv-pro "<reel url>" --cookies /tmp/ig-cookies.txt --mode full
    這條也失敗才退 [[reference_ig_post_full_read]] 的 IG 內部 API 手動下載

讀輸出的順序

  1. MANIFEST.txt — 開頭有 lens 指令區塊照著做；含幀清單、motion 區塊、perception timeline（聲音/語氣/情緒/手勢/畫面事件，各帶秒數與信心分數）、逐字稿
  2. grids/ 九宮格連續幀；要看細節才開 frames/*.jpg（讀前縮 1500px 內）
  3. perception.json — 完整感知資料（被門檻藏掉的低信心事件在這）

⚠️ 鐵則（2026-07-05 Leo QA 定的）

  • 逐字稿必須從頭讀到尾才准出報告（2026-07-16 Leo 抓到抽樣讀導致講錯出處＋漏掉全片最有哏的三個細節）：transcript.txt 全文讀完再寫內容拆解，抽樣只能用來對秒數，不能替代理解

  • 感知標籤是線索不是定論：引用前對照幀和逐字稿交叉驗證（MANIFEST 開頭也這樣教）；情緒模型會把「正常有力的語氣」誤讀成 angry——非中性情緒信心 <0.75 已被藏，露出的也要驗

  • 拆對標/做復刻前必看 motion 節奏表（cuts/min、中位鏡頭長、運鏡分佈），別憑感覺（詳 [[reference_reel_clone_pipeline]]）

  • 回答引用具體秒數和數據，不籠統

備註

  • 全程本機跑，工具不上傳任何東西；--kb <目錄> 存進知識庫
  • 暫存的下載影片/抽幀讀完要清（/tmp 下的）

コメント

Markdown 対応