¿Qué es claude-real-video (crv)?
claude-real-video, abreviado crv, existe porque Claude no acepta archivos de vídeo. Descarga una URL con yt-dlp o lee un archivo local, extrae un fotograma en cada cambio de escena con ffmpeg (y al menos uno por segundo), descarta los casi duplicados frente a una ventana deslizante de fotogramas recientes y transcribe el audio con Whisper salvo que el vídeo ya tenga subtítulos. La carpeta de salida contiene los fotogramas, un frames.json con las marcas de tiempo de origen, la transcripción y un MANIFEST.txt que indica al modelo cómo leerlo.
Se distribuye como paquete de Python (pip install "claude-real-video[whisper]"), como skill de agente que se instala con npx skills add, como plugin de Claude Code, como página web local (crv-web) y como servidor MCP (crv-mcp) con cinco herramientas. La skill y el plugin son la vía principal, por eso se analiza aquí y no entre los servidores MCP. Creado por Leo Huang, tiene licencia MIT y unas 2.280 estrellas en GitHub; la versión 0.10.7 llegó a PyPI el 26 de septiembre de 2026. Un crv Pro de pago añade análisis de movimiento de cámara, emociones y eventos sonoros por un pago único de $29.
¿Merece la pena claude-real-video (crv)?
crv resuelve un hueco real con un proceso poco vistoso. El muestreo fijo de un fotograma por segundo inunda el contexto en un screencast estático y se pierde los cortes rápidos; la detección de cambios de escena más la eliminación de duplicados envía cada plano distinto una sola vez. El ejemplo del propio README es un clip de 58 segundos en el que 1 fps da 58 fotogramas y crv conserva 26, agrupados en 3 hojas de contactos con --grid. Cada fotograma conservado mantiene su marca de tiempo de origen durante la deduplicación y el renombrado, así que el modelo puede citar 'frame_012 @ 00:03:41' en lugar de adivinar.
Las mediciones del autor dan una idea del coste. En un vídeo de 3 minutos a 640x360 en un Mac mini M4, el modo por defecto conservó 170 de 180 fotogramas en 23,5 segundos, unos 52.000 tokens de imagen estimados a la tarifa publicada por Anthropic; --max-frames 80 lo reduce a la mitad, unos 25.000. Son cifras declaradas por el autor sobre su archivo de prueba, y muestran que un vídeo con mucho movimiento no es barato: una cabeza parlante se comprime bien, un reel de cortes rápidos no. get_transcript en el servidor MCP devuelve solo las palabras, para charlas largas en las que los fotogramas aportan poco.
El procesamiento es local, lo que importa para grabaciones de reuniones y material de clientes. Solo salen de la máquina los fotogramas y el texto que después le das a un modelo en la nube. Un índice SQLite local en ~/.crv/memory.db permite a crv-ask buscar en todo lo ya visto; CRV_NO_MEMORY=1 lo desactiva. Las opciones --cookies y --cookies-from-browser leen las cookies de sesión de tu navegador para descargar vídeos restringidos, lo que es cómodo y a la vez una credencial que la herramienta puede usar, así que deben limitarse a tus propias cuentas.
El límite es conceptual. El modelo ve imágenes fijas y una transcripción, no movimiento ni tono; el análisis de cámara, ritmo y emociones de crv Pro es la respuesta de pago, y el reconocimiento de texto en pantalla está en la versión para Codex de $9.90 pero no en la edición gratuita. Gemini lee vídeo de forma nativa y no necesita ningún proceso, a costa de subir el archivo a Google y muestrear a una tasa fija. Para quienes usan Claude, crv es la herramienta abierta con más estrellas creada para esta tarea, con videoagent como alternativa cuando se quiere un framework de agentes completo en lugar de un paso de preprocesamiento.
Dónde se gana su sitio
Una product manager que se perdió la grabación de una llamada de 90 minutos con un cliente
Encontrar lo que dijo el cliente sobre el precio y lo que había en pantalla en ese momento
Ejecuta crv sobre la grabación con --from y --to alrededor de la pantalla compartida y --why 'pricing objections', y luego pregunta a Claude. Gratis y local; solo los fotogramas seleccionados y la transcripción van al modelo.
Un desarrollador que aprende con una charla de conferencia de 40 minutos
Obtener el código mostrado en las diapositivas, no solo las palabras del ponente
Sube --frame-width a 1600 para que el texto de las diapositivas siga siendo legible y añade --text-anchors si hay subtítulos. Cuenta con una factura de tokens mayor por fotograma; get_transcript por sí solo es más barato cuando no hacen falta las diapositivas.
Una analista de redes sociales en una agencia pequeña que revisa reels de la competencia
Desglosar los ganchos y cortes de 20 vídeos cortos a la semana
Ejecuta crv por lotes sobre los enlaces con --grid para que cada reel se convierta en unas pocas hojas de contactos, y consulta después entre todos con crv-ask. El análisis de ritmo y tipo de plano necesita crv Pro, por un pago único de $29.
Antes de decidirte
- Puesta en marcha
- Instala ffmpeg, después pip install "claude-real-video[whisper]" (o [fast] para faster-whisper, [mlx] en Apple Silicon) y npx skills add HUANGCHIHHUNGLeo/claude-real-video, o instala el plugin de Claude Code. Para MCP, pip install 'claude-real-video[mcp]' y claude mcp add crv -- crv-mcp. Python 3.10+.
- Integraciones
- Skill para Claude Code, Cursor, Codex, Copilot y Gemini CLI; herramientas MCP watch_video, get_frames, get_transcript, search_memory y list_watched; una API de Python (process()); yt-dlp para YouTube, Instagram, TikTok y otros sitios.
- Datos y privacidad
- La descarga, la extracción de fotogramas y la transcripción se hacen en local; no se envía nada hasta que das fotogramas o texto a un modelo. Un índice de memoria SQLite local en ~/.crv/memory.db guarda transcripciones y marcas de tiempo (CRV_NO_MEMORY=1 lo desactiva), y los análisis MCP se guardan en caché en ~/.cache/crv-mcp. Las opciones de cookies leen las cookies de sesión de tu navegador.
- Coste a escala
- Gratis en local; tiempo de CPU o de GPU de Apple para Whisper. La factura del modelo son los tokens de imagen: unos 52.000 para 170 fotogramas de un vídeo de 3 minutos a 640x360 en la prueba del autor, así que limita los fotogramas en vídeos largos o con mucho movimiento.
- Límites
- Los subtítulos incrustados en la imagen no se detectan como subtítulos; el reconocimiento de texto en pantalla no está en la edición gratuita; movimiento, tono y emociones requieren crv Pro. Un solo mantenedor.
Lo bueno
- Fotogramas de cambio de escena con las marcas de tiempo de origen conservadas
- Se ejecuta en local; el vídeo nunca se sube
- Skill, plugin, CLI y servidor MCP de cinco herramientas
- Ventanas de recorte con --from y --to para grabaciones largas
Lo malo
- Los vídeos de cortes rápidos siguen costando decenas de miles de tokens de imagen
- Solo imágenes fijas y palabras; movimiento y tono están en Pro, de pago
- El reconocimiento de texto en pantalla no está en la edición gratuita
- Necesita ffmpeg instalado aparte
Ideal para
Usuarios de Claude Code y otros agentes que necesitan que un modelo responda preguntas sobre vídeos sin subirlos.
Alternativas a claude-real-video (crv)
claude-real-video (crv): preguntas frecuentes
- ¿Merece la pena claude-real-video (crv)?
- La forma sensata de que Claude razone sobre un vídeo hoy: local, barato en tokens y honesto con las marcas de tiempo, aunque muestra al modelo imágenes fijas y palabras, no movimiento. Le damos un 4.0 sobre 5.
- ¿Cuánto cuesta claude-real-video (crv)?
- Gratuito y de código abierto (MIT). El crv Pro opcional cuesta un pago único de $29; una versión aparte para Codex cuesta un pago único de $9.90.
- ¿Qué inconvenientes tiene claude-real-video (crv)?
- Los vídeos de cortes rápidos siguen costando decenas de miles de tokens de imagen; solo imágenes fijas y palabras; movimiento y tono están en Pro, de pago; el reconocimiento de texto en pantalla no está en la edición gratuita; necesita ffmpeg instalado aparte.
- ¿Para quién es claude-real-video (crv)?
- Usuarios de Claude Code y otros agentes que necesitan que un modelo responda preguntas sobre vídeos sin subirlos.
- ¿Cuánto cuesta claude-real-video (crv) para un equipo o en producción?
- Gratis en local; tiempo de CPU o de GPU de Apple para Whisper. La factura del modelo son los tokens de imagen: unos 52.000 para 170 fotogramas de un vídeo de 3 minutos a 640x360 en la prueba del autor, así que limita los fotogramas en vídeos largos o con mucho movimiento.
- ¿Es claude-real-video (crv) seguro para los datos de la empresa?
- La descarga, la extracción de fotogramas y la transcripción se hacen en local; no se envía nada hasta que das fotogramas o texto a un modelo. Un índice de memoria SQLite local en ~/.crv/memory.db guarda transcripciones y marcas de tiempo (CRV_NO_MEMORY=1 lo desactiva), y los análisis MCP se guardan en caché en ~/.cache/crv-mcp. Las opciones de cookies leen las cookies de sesión de tu navegador.
- ¿Cuáles son las mejores alternativas a claude-real-video (crv)?
- Las alternativas más cercanas que hemos analizado son VideoAgent y MarkItDown.
Respuestas comprobadas el 31 oct 2026.