O que é claude-real-video (crv)?
O claude-real-video, abreviado para crv, existe porque o Claude não aceita um arquivo de vídeo. Ele baixa uma URL com o yt-dlp ou lê um arquivo local, extrai um frame a cada mudança de cena com o ffmpeg (mais pelo menos um por segundo), descarta quase duplicatas comparando com uma janela deslizante de frames recentes e transcreve o áudio com o Whisper, a menos que o vídeo já tenha legendas. A pasta de saída guarda os frames, um mapa frames.json com os timestamps de origem, a transcrição e um MANIFEST.txt que explica ao modelo como ler tudo.
É distribuído como pacote Python (pip install "claude-real-video[whisper]"), como skill de agente instalada com npx skills add, como plugin de Claude Code, como página web local (crv-web) e como servidor MCP (crv-mcp) com cinco ferramentas. A skill e o plugin são o caminho principal, por isso ele é avaliado aqui e não entre os servidores MCP. Feito por Leo Huang, tem licença MIT e cerca de 2,280 estrelas no GitHub; a versão 0.10.7 chegou ao PyPI em 26 de setembro de 2026. Um crv Pro pago acrescenta análise de movimento de câmera, emoção e eventos sonoros por $29, pagamento único.
claude-real-video (crv) vale a pena?
O crv resolve uma lacuna real com um pipeline sem glamour. A amostragem fixa de um frame por segundo inunda o contexto em um screencast estático e perde cortes rápidos; detecção de mudança de cena mais remoção de duplicatas envia cada plano distinto uma vez. O próprio exemplo do README é um clipe de 58 segundos em que 1 fps gera 58 frames e o crv mantém 26, reunidos em 3 folhas de contato com --grid. Cada frame mantido conserva o timestamp de origem durante a remoção de duplicatas e a renomeação, então o modelo pode citar 'frame_012 @ 00:03:41' em vez de adivinhar.
As medições do autor dão uma ideia do custo. Em um vídeo de 3 minutos em 640x360 em um Mac mini M4, o modo padrão manteve 170 de 180 frames em 23.5 segundos, cerca de 52,000 tokens de imagem estimados pela tarifa publicada da Anthropic; --max-frames 80 reduz isso pela metade, para cerca de 25,000. São números informados pelo próprio autor, no arquivo de benchmark dele, e mostram que um vídeo movimentado não sai barato: um vídeo de alguém falando para a câmera se comprime bem, um reel de cortes rápidos não. get_transcript no servidor MCP retorna só as palavras, para palestras longas em que os frames acrescentam pouco.
O processamento é local, o que importa para gravações de reuniões e material de clientes. Só os frames e o texto que você depois entrega a um modelo na nuvem saem da máquina. Um índice SQLite local em ~/.crv/memory.db permite que o crv-ask busque em tudo o que já foi assistido; CRV_NO_MEMORY=1 o desliga. As opções --cookies e --cookies-from-browser leem os cookies de login do seu navegador para baixar vídeos restritos, o que é prático e também uma credencial que a ferramenta passa a poder usar, então devem ser usadas só com suas próprias contas.
O limite é conceitual. O modelo vê imagens paradas e uma transcrição, não movimento nem tom; a análise de câmera, ritmo e emoção do crv Pro é a resposta paga, e o reconhecimento de texto na tela está na build para Codex de $9.90, mas não na edição gratuita. O Gemini lê vídeo nativamente e dispensa pipeline, ao custo de enviar o arquivo ao Google e amostrar a uma taxa fixa. Para usuários do Claude, o crv é a ferramenta aberta com mais estrelas feita para esse trabalho, com o videoagent como alternativa quando se quer um framework de agente completo em vez de uma etapa de pré-processamento.
Onde ele se destaca
Uma gerente de produto que perdeu a gravação de uma chamada de 90 minutos com um cliente
Descobrir o que o cliente disse sobre preços e o que estava na tela naquele momento
Rodar o crv na gravação com --from e --to em torno do compartilhamento de tela e --why 'pricing objections', depois perguntar ao Claude. Gratuito e local; só os frames selecionados e a transcrição vão para o modelo.
Um desenvolvedor aprendendo com uma palestra de conferência de 40 minutos
Obter o código mostrado nos slides, não só as palavras do palestrante
Subir --frame-width para 1600 para que o texto dos slides continue legível e acrescentar --text-anchors se houver legendas. Espere uma conta maior em tokens por frame; get_transcript sozinho sai mais barato quando os slides não são necessários.
Um analista de redes sociais em uma pequena agência revisando reels de concorrentes
Destrinchar os ganchos e os cortes de 20 vídeos curtos por semana
Rodar o crv em lote sobre os links com --grid, para que cada reel vire algumas folhas de contato, e consultá-los depois com o crv-ask. Análise de ritmo e de tipo de plano exige o crv Pro, a $29 em pagamento único.
Antes de decidir
- Configuração
- Instale o ffmpeg, depois pip install "claude-real-video[whisper]" (ou [fast] para faster-whisper, [mlx] no Apple Silicon) e npx skills add HUANGCHIHHUNGLeo/claude-real-video, ou instale o plugin do Claude Code. Para MCP, pip install 'claude-real-video[mcp]' e claude mcp add crv -- crv-mcp. Python 3.10+.
- Integrações
- Skill para Claude Code, Cursor, Codex, Copilot e Gemini CLI; ferramentas MCP watch_video, get_frames, get_transcript, search_memory e list_watched; uma API Python (process()); yt-dlp para YouTube, Instagram, TikTok e outros sites.
- Dados e privacidade
- Download, extração de frames e transcrição rodam localmente; nada é enviado até você entregar frames ou texto a um modelo. Um índice de memória SQLite local em ~/.crv/memory.db guarda transcrições e timestamps (CRV_NO_MEMORY=1 o desativa), e as análises do MCP ficam em cache em ~/.cache/crv-mcp. As opções de cookies leem os cookies de login do seu navegador.
- Custo em escala
- Gratuito localmente; tempo de CPU ou de GPU da Apple para o Whisper. A conta do modelo são os tokens de imagem: cerca de 52,000 para 170 frames de um vídeo de 3 minutos em 640x360 no benchmark do autor, então limite os frames em vídeos longos ou movimentados.
- Limites
- Legendas gravadas na imagem não são detectadas como legendas; o reconhecimento de texto na tela não está na edição gratuita; movimento, tom e emoção exigem o crv Pro. Um único mantenedor.
O que é bom
- Frames de mudança de cena com os timestamps de origem preservados
- Roda localmente; o vídeo nunca é enviado
- Skill, plugin, CLI e servidor MCP com cinco ferramentas
- Janelas de recorte com --from e --to para gravações longas
O que não é
- Vídeos de cortes rápidos ainda custam dezenas de milhares de tokens de imagem
- Só imagens paradas e palavras; movimento e tom estão no Pro pago
- Reconhecimento de texto na tela fora da edição gratuita
- Exige o ffmpeg instalado à parte
Ideal para
Usuários do Claude Code e de outros agentes que precisam que um modelo responda a perguntas sobre vídeos sem enviá-los.
Alternativas ao claude-real-video (crv)
claude-real-video (crv): perguntas frequentes
- claude-real-video (crv) vale a pena?
- A forma sensata de deixar o Claude raciocinar sobre um vídeo hoje: local, econômica em tokens e honesta com os timestamps, embora mostre ao modelo imagens paradas e palavras, não movimento. Damos nota 4.0 de 5.
- Quanto custa claude-real-video (crv)?
- Gratuito e de código aberto (MIT). O crv Pro opcional custa $29 em pagamento único; uma build separada para Codex custa $9.90 em pagamento único.
- Quais são as desvantagens de claude-real-video (crv)?
- Vídeos de cortes rápidos ainda custam dezenas de milhares de tokens de imagem; só imagens paradas e palavras; movimento e tom estão no Pro pago; reconhecimento de texto na tela fora da edição gratuita; exige o ffmpeg instalado à parte.
- Para quem claude-real-video (crv) é indicado?
- Usuários do Claude Code e de outros agentes que precisam que um modelo responda a perguntas sobre vídeos sem enviá-los.
- Quanto custa claude-real-video (crv) para uma equipe ou em produção?
- Gratuito localmente; tempo de CPU ou de GPU da Apple para o Whisper. A conta do modelo são os tokens de imagem: cerca de 52,000 para 170 frames de um vídeo de 3 minutos em 640x360 no benchmark do autor, então limite os frames em vídeos longos ou movimentados.
- claude-real-video (crv) é seguro para dados da empresa?
- Download, extração de frames e transcrição rodam localmente; nada é enviado até você entregar frames ou texto a um modelo. Um índice de memória SQLite local em ~/.crv/memory.db guarda transcrições e timestamps (CRV_NO_MEMORY=1 o desativa), e as análises do MCP ficam em cache em ~/.cache/crv-mcp. As opções de cookies leem os cookies de login do seu navegador.
- Quais são as melhores alternativas ao claude-real-video (crv)?
- As alternativas mais próximas que analisamos são VideoAgent e MarkItDown.
Respostas verificadas em 31 de out. de 2026.