claude-real-video (crv)とは？
claude-real-video（略称 crv）は、Claude が動画ファイルを受け取れないために存在します。URL を yt-dlp でダウンロードするかローカルのファイルを読み、ffmpeg でシーンが切り替わるたびにフレームを抽出し（最低でも1秒に1枚）、直近のフレームのスライディングウィンドウと比べてほぼ重複するものを除き、動画に字幕がなければ Whisper で音声を書き起こします。出力フォルダには、フレーム、元のタイムスタンプの対応表 frames.json、書き起こし、モデルに読み方を伝える MANIFEST.txt が入ります。
Python パッケージ（pip install "claude-real-video[whisper]"）、npx skills add でインストールするエージェントスキル、Claude Code のプラグイン、ローカルの Web ページ（crv-web）、5つのツールを持つ MCP サーバー（crv-mcp）として配布されています。主な利用経路はスキルとプラグインなので、MCP サーバーではなくここでレビューしています。作者は Leo Huang で、MIT ライセンス、GitHub のスターは約 2,280 です。バージョン 0.10.7 は2026年9月26日に PyPI に公開されました。有料の crv Pro は、カメラの動き、感情、音のイベントの分析を1回払いの $29 で加えます。
claude-real-video (crv)は使う価値があるか？
crv は地味なパイプラインで実際の隙間を埋めます。1秒に1枚の固定のサンプリングは、静的な画面録画ではコンテキストをあふれさせ、速いカットは取りこぼします。シーン切り替えの検出と重複除去なら、異なるショットを1回ずつ送れます。README 自身の例では 58 秒のクリップで、1 fps なら 58 枚になるところを crv は 26 枚を残し、--grid で 3 枚のコンタクトシートにまとめます。残ったフレームはすべて、重複除去と名前の変更を経ても元のタイムスタンプを保つため、モデルは推測せ ずに「frame_012 @ 00:03:41」と引用できます。
作者の計測からコストの目安がわかります。Mac mini M4 で 3 分の 640x360 の動画を処理すると、初期設定のモードは 23.5 秒で 180 枚中 170 枚を残し、Anthropic の公開料金で推定 52,000 の画像トークンになりました。--max-frames 80 でそれは約 25,000 に半減します。これらは作者のベンチマーク用ファイルでの自己申告の数値で、動きの多い動画は安くないことを示しています。話し手だけの映像はよく圧縮されますが、速いカットのリールはそうなりません。MCP サーバーの get_transcript は言葉だけを返すので、フレームがあまり役立たない長い講演に向いています。
処理はローカルで、会議の録画や顧客の映像では重要です。マシンの外に出るのは、その後クラウドのモデルに渡すフレームとテキストだけです。~/.crv/memory.db にあるローカルの SQLite のインデックスにより、crv-ask はこれまでに見たすべてを横断して検索できます。CRV_NO_MEMORY=1 でオフにできます。--cookies と --cookies-from-browser のオプションは、制限付きの動画を取得するためにブラウザのログインの Cookie を読みます。便利ですが、ツールがその後使える認証情報になるため、自分のアカウントにだけ使うべきです。
限界は概念的なものです。モデルが見るのは静止画と書き起こしで、動きや声の調子ではありません。crv Pro のカメラ、テンポ、感情の分析が有料の答えで、画面上のテキストの認識は $9.90 の Codex 版にはありますが無料版にはありません。Gemini は動画をネイティブに読めるのでパイプラインは不要ですが、ファイルを Google にアップロードし、固定のレートでサンプリングすることになります。Claude のユーザーにとって、crv はこの用途のために作られたオープンなツールの中で最もスターが多く、前処理の工程ではなく完全なエージェントフレームワークが欲しい場合は videoagent が代わりになります。
真価を発揮する場面
90 分の顧客との通話の録画を見逃したプロダクトマネージャー
顧客が価格について何を言い、そのとき画面に何が映っていたかを知りたい
画面共有の前後を --from と --to で指定し、--why 'pricing objections' を付けて録画に crv をかけ、Claude に尋ねます。無料でローカルで動き、モデルに送られるのは選ばれたフレームと書き起こしだけです。
40 分のカンファレンスの講演から学ぶ開発者
話し手の言葉だけでなく、スライドに映ったコードも手に入れたい
スライドの文字が読めるよう --frame-width を 1600 に上げ、字幕があれば --text-anchors を加えます。フレームごとのトークンの請求は大きくなります。スライドが不要なら get_transcript だけのほうが安く済みます。
競合のリールを調べている小規模な代理店のソーシャルメディアアナリスト
週に 20 本の短い動画のつかみとカットを分析したい
リンクに対して --grid 付きで crv をまとめて実行し、各リールを数枚のコンタクトシートにし、後で crv-ask で横断的に問い合わせます。テンポとショットの種類の分析には、1回払い $29 の crv Pro が必要です。
導入前に確認すること
- 導入
- ffmpeg をインストールし、pip install "claude-real-video[whisper]"（faster-whisper なら [fast]、Apple Silicon なら [mlx]）と npx skills add HUANGCHIHHUNGLeo/claude-real-video を実行するか、Claude Code のプラグインをインストールします。MCP には pip install 'claude-real-video[mcp]' と claude mcp add crv -- crv-mcp を使います。Python 3.10 以上が必要です。
- 連携
- Claude Code、Cursor、Codex、Copilot、Gemini CLI 向けのスキル、MCP ツールの watch_video、get_frames、get_transcript、search_memory、list_watched、Python の API（process()）があり、YouTube、Instagram、TikTok などのサイトには yt-dlp を使います。
- データとプライバシー
- ダウンロード、フレームの抽出、書き起こしはローカルで行われ、フレームやテキストをモデルに渡すまで何も送られません。~/.crv/memory.db のローカルの SQLite の記憶インデック スが書き起こしとタイムスタンプを保存し（CRV_NO_MEMORY=1 で無効化）、MCP の分析は ~/.cache/crv-mcp にキャッシュされます。Cookie のオプションはブラウザのログインの Cookie を読みます。
- 大規模利用時のコスト
- ローカルでは無料で、Whisper のための CPU か Apple の GPU の時間がかかります。モデルの請求は画像トークンで、作者のベンチマークでは 640x360 の 3 分の動画の 170 枚で約 52,000 です。長い動画や動きの多い動画ではフレーム数に上限を設けます。
- 制限
- 焼き込み字幕は字幕として検出されません。画面上のテキストの認識は無料版にありません。動き、声の調子、感情には crv Pro が必要です。メンテナーは1人です。
良い点
- 元のタイムスタンプを保ったシーン切り替えのフレームです
- ローカルで動き、動画がアップロードされることはありません
- スキル、プラグイン、CLI、5つのツールの MCP サーバーがあります
- 長い録画には --from と --to でクリップの範囲を指定できます
気になる点
- 速いカットの動画は今も数万の画像トークンがかかります
- 静止画と言葉だけで、動きと声の調子は有料の Pro にあります
- 画面上のテキストの認識は無料版にありません
- ffmpeg を別途インストールする必要があります
おすすめの人
動画をアップロードせずに、動画についての質問にモデルに答えさせたい Claude Code などのエージェントのユーザーに向いています。
claude-real-video (crv)の代替
claude-real-video (crv)：よくある質問
- claude-real-video (crv)は使う価値があるか？
- 現時点で Claude に動画について推論させる妥当な方法です。ローカルで動き、トークンが安く、タイムスタンプに正直ですが、モデルに見せるのは動きではなく静止画と言葉です。 評価は5点満点中4.0点です。
- claude-real-video (crv)の料金は？
- 無料のオープンソース（MIT）です。オプションの crv Pro は1回払いの $29 で、別の Codex 版は1回払いの $9.90 です。
- claude-real-video (crv)の欠点は？
- 速いカットの動画は今も数万の画像トークンがかかります; 静止画と言葉だけで、動きと声の調子は有料の Pro にあります; 画面上のテキストの認識は無料版にありません; ffmpeg を別途インストールする必要があります.
- claude-real-video (crv)は誰に向いているか？
- 動画をアップロードせずに、動画についての質問にモデルに答えさせたい Claude Code などのエージェントのユーザーに向いています。
- チームや本番環境でclaude-real-video (crv)を使うと費用はいくらか？
- ローカルでは無料で、Whisper のための CPU か Apple の GPU の時間がかかります。モデルの請求は画像トークンで、作者のベンチマークでは 640x360 の 3 分の動画の 170 枚で約 52,000 です。長い動画や動きの多い動画ではフレーム数に上限を設けます。
- claude-real-video (crv)は企業データを扱っても安全か？
- ダウンロード、フレームの抽出、書き起こしはローカルで行われ、フレームやテキストをモデルに渡すまで何も送られません。~/.crv/memory.db のローカルの SQLite の記憶インデックスが書き起こしとタイムスタンプを保存し（CRV_NO_MEMORY=1 で無効化）、MCP の分析は ~/.cache/crv-mcp にキャッシュされます。Cookie のオプションはブラウザのログインの Cookie を読みます。
- claude-real-video (crv)の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はVideoAgent 、 MarkItDownです。
回答確認日：2026年10月31日