Was ist claude-real-video (crv)?
claude-real-video, kurz crv, gibt es, weil Claude keine Videodatei annimmt. Es lädt eine URL mit yt-dlp herunter oder liest eine lokale Datei, extrahiert mit ffmpeg an jedem Szenenwechsel einen Frame (plus mindestens einen pro Sekunde), verwirft nahezu doppelte Frames anhand eines gleitenden Fensters der letzten Frames und transkribiert den Ton mit Whisper, sofern das Video nicht schon Untertitel hat. Der Ausgabeordner enthält die Frames, eine frames.json mit den Quellzeitstempeln, das Transkript und eine MANIFEST.txt, die dem Modell erklärt, wie es das alles lesen soll.
Es gibt crv als Python-Paket (pip install "claude-real-video[whisper]"), als Agent-Skill zur Installation mit npx skills add, als Claude-Code-Plugin, als lokale Webseite (crv-web) und als MCP-Server (crv-mcp) mit fünf Tools. Skill und Plugin sind der Hauptweg, deshalb wird es hier besprochen und nicht bei den MCP-Servern. Gebaut von Leo Huang, steht es unter MIT und hat rund 2.280 GitHub-Sterne; Version 0.10.7 erschien am 26. September 2026 auf PyPI. Ein kostenpflichtiges crv Pro ergänzt Analysen von Kamerabewegung, Emotionen und Geräuschereignissen für einmalig 29 $.
Lohnt sich claude-real-video (crv)?
crv schließt eine echte Lücke mit einer unspektakulären Pipeline. Festes Sampling mit einem Frame pro Sekunde flutet bei einem statischen Screencast den Kontext und verpasst schnelle Schnitte; Szenenwechselerkennung plus Deduplizierung schickt jede einzelne Einstellung genau einmal. Das Beispiel im README selbst ist ein 58-Sekunden-Clip, bei dem 1 fps 58 Frames ergibt und crv 26 behält, mit --grid auf 3 Kontaktbögen verteilt. Jeder behaltene Frame behält über Deduplizierung und Umbenennung hinweg seinen Quellzeitstempel, sodass das Modell 'frame_012 @ 00:03:41' zitieren kann, statt zu raten.
Die Messungen des Autors geben ein Gefühl für die Kosten. Bei einem 3-Minuten-Video in 640x360 auf einem Mac mini M4 behielt der Standardmodus 170 von 180 Frames in 23,5 Sekunden, geschätzt 52.000 Bild-Tokens zum ver öffentlichten Tarif von Anthropic; --max-frames 80 halbiert das auf etwa 25.000. Das sind Eigenangaben des Autors zu seiner Benchmark-Datei, und sie zeigen, dass ein bewegtes Video nicht billig ist: Ein Talking Head schrumpft gut zusammen, ein Reel mit schnellen Schnitten nicht. get_transcript im MCP-Server liefert nur die Worte, für lange Vorträge, bei denen Frames wenig beitragen.
Die Verarbeitung ist lokal, was bei Meeting-Aufzeichnungen und Kundenmaterial zählt. Nur die Frames und der Text, die du danach einem Cloud-Modell gibst, verlassen den Rechner. Ein lokaler SQLite-Index unter ~/.crv/memory.db lässt crv-ask alles durchsuchen, was schon angesehen wurde; CRV_NO_MEMORY=1 schaltet ihn ab. Die Optionen --cookies und --cookies-from-browser lesen die Login-Cookies deines Browsers, um zugangsbeschränkte Videos zu laden, was bequem ist und zugleich eine Zugangsberechtigung, die das Tool dann nutzen kann, sie gehören also nur zu deinen eigenen Konten.
Die Grenze ist konzeptionell. Das Modell sieht Standbilder und ein Transkript, keine Bewegung und keinen Tonfall; die Kamera-, Tempo- und Emotionsanalyse von crv Pro ist die kostenpflichtige Antwort, und Texterkennung auf dem Bildschirm gibt es im Codex-Build für 9,90 $, aber nicht in der kostenlosen Ausgabe. Gemini liest Video nativ und braucht keine Pipeline, um den Preis, die Datei zu Google hochzuladen und mit fester Rate zu samplen. Für Claude-Nutzer ist crv das Open-Source-Tool mit den meisten Sternen für diese Aufgabe, mit videoagent als Alternative, wenn ein komplettes Agenten-Framework statt eines Vorverarbeitungsschritts gewünscht ist.
Wo es sich lohnt
Eine Produktmanagerin, die die Aufzeichnung eines 90-minütigen Kundengesprächs verpasst hat
Herausfinden, was der Kunde zum Preis gesagt hat und was in dem Moment auf dem Bildschirm war
crv mit --from und --to rund um die Bildschirmfreigabe und --why 'pricing objections' auf die Aufzeichnung anwenden, dann Claude fragen. Kostenlos und lokal; nur die ausgewählten Frames und das Transkript gehen an das Modell.
Ein Entwickler, der aus einem 40-minütigen Konferenzvortrag lernt
Den Code auf den Folien bekommen, nicht nur die Worte des Sprechers
--frame-width auf 1600 erhöhen, damit der Folientext lesbar bleibt, und --text-anchors ergänzen, wenn es Untertitel gibt. Rechne mit einer höheren Token-Rechnung pro Frame; get_transcript allein ist günstiger, wenn die Folien nicht gebraucht werden.
Eine Social-Media-Analystin in einer kleinen Agentur, die Reels der Konkurrenz auswertet
Hooks und Schnitte in 20 kurzen Videos pro Woche aufschlüsseln
crv im Batch mit --grid über die Links laufen lassen, sodass jedes Reel zu wenigen Kontaktbögen wird, und später mit crv-ask über alle hinweg abfragen. Tempo- und Einstellungsanalysen brauchen crv Pro für einmalig 29 $.
Bevor du dich festlegst
- Einrichtung
- ffmpeg installieren, dann pip install "claude-real-video[whisper]" (oder [fast] für faster-whisper, [mlx] auf Apple Silicon) und npx skills add HUANGCHIHHUNGLeo/claude-real-video, oder das Claude-Code-Plugin installieren. Für MCP pip install 'claude-real-video[mcp]' und claude mcp add crv -- crv-mcp. Python 3.10+.
- Integrationen
- Skill für Claude Code, Cursor, Codex, Copilot und Gemini CLI; MCP-Tools watch_video, get_frames, get_transcript, search_memory und list_watched; eine Python-API (process()); yt-dlp für YouTube, Instagram, TikTok und andere Seiten.
- Daten und Datenschutz
- Download, Frame-Extraktion und Transkription laufen lokal; nichts wird gesendet, bis du einem Modell Frames oder Text gibst. Ein lokaler SQLite-Memory-Index unter ~/.crv/memory.db speichert Transkripte und Zeitstempel (CRV_NO_MEMORY=1 schaltet ihn ab), und MCP-Analysen werden in ~/.cache/crv-mcp zwischengespeichert. Die Cookie-Optionen lesen die Login-Cookies deines Browsers.
- Kosten im großen Maßstab
- Lokal kostenlos; CPU- oder Apple-GPU-Zeit für Whisper. Die Modellrechnung sind Bild-Tokens: etwa 52.000 für 170 Frames eines 3-Minuten-Videos in 640x360 im Benchmark des Autors, begrenze also die Frames bei langen oder bewegten Videos.
- Grenzen
- Eingebrannte Untertitel werden nicht als Untertitel erkannt; Texterkennung auf dem Bildschirm ist nicht in der kostenlosen Ausgabe; Bewegung, Tonfall und Emotionen erfordern crv Pro. Ein einzelner Maintainer.
Was gut ist
- Frames an Szenenwechseln mit erhaltenen Quellzeitstempeln
- Läuft lokal; das Video wird nie hochgeladen
- Skill, Plugin, CLI und MCP-Server mit fünf Tools
- Ausschnitte mit --from und --to für lange Aufnahmen
Was nicht
- Videos mit schnellen Schnitten kosten weiterhin Zehntausende Bild-Tokens
- Nur Standbilder und Worte; Bewegung und Tonfall gibt es im kostenpflichtigen Pro
- Texterkennung auf dem Bildschirm nicht in der kostenlosen Ausgabe
- ffmpeg muss separat installiert werden
Am besten für
Nutzer von Claude Code und anderen Agenten, die ein Modell Fragen zu Videos beantworten lassen wollen, ohne sie hochzuladen.
Alternativen zu claude-real-video (crv)
claude-real-video (crv): häufige Fragen
- Lohnt sich claude-real-video (crv)?
- Der vernünftige Weg, Claude heute über ein Video nachdenken zu lassen: lokal, sparsam bei Tokens und ehrlich bei Zeitstempeln, auch wenn es dem Modell Standbilder und Worte zeigt statt Bewegung. Wir bewerten es mit 4.0 von 5.
- Was kostet claude-real-video (crv)?
- Kostenlos und Open Source (MIT). Das optionale crv Pro kostet einmalig 29 $; ein separater Codex-Build kostet einmalig 9,90 $.
- Welche Nachteile hat claude-real-video (crv)?
- Videos mit schnellen Schnitten kosten weiterhin Zehntausende Bild-Tokens; Nur Standbilder und Worte; Bewegung und Tonfall gibt es im kostenpflichtigen Pro; Texterkennung auf dem Bildschirm nicht in der kostenlosen Ausgabe; ffmpeg muss separat installiert werden.
- Für wen eignet sich claude-real-video (crv)?
- Nutzer von Claude Code und anderen Agenten, die ein Modell Fragen zu Videos beantworten lassen wollen, ohne sie hochzuladen.
- Was kostet claude-real-video (crv) für ein Team oder im Produktivbetrieb?
- Lokal kostenlos; CPU- oder Apple-GPU-Zeit für Whisper. Die Modellrechnung sind Bild-Tokens: etwa 52.000 für 170 Frames eines 3-Minuten-Videos in 640x360 im Benchmark des Autors, begrenze also die Frames bei langen oder bewegten Videos.
- Ist claude-real-video (crv) sicher für Firmendaten?
- Download, Frame-Extraktion und Transkription laufen lokal; nichts wird gesendet, bis du einem Modell Frames oder Text gibst. Ein lokaler SQLite-Memory-Index unter ~/.crv/memory.db speichert Transkripte und Zeitstempel (CRV_NO_MEMORY=1 schaltet ihn ab), und MCP-Analysen werden in ~/.cache/crv-mcp zwischengespeichert. Die Cookie-Optionen lesen die Login-Cookies deines Browsers.
- Was sind die besten Alternativen zu claude-real-video (crv)?
- Die nächsten Alternativen, die wir getestet haben, sind VideoAgent und MarkItDown.
Antworten geprüft am 31. Okt. 2026.