Communitygithub.com

HUANGCHIHHUNGLeo/claude-real-video

Ayuda a Leo a ver videos. Cuando Leo comparte un enlace (YouTube/IG/TikTok) o un archivo de video local, esta skill extrae fotogramas clave, transcripción, ritmo de cámara y una línea de tiempo de voz/tono/gestos para que Claude pueda analizar y resumir el contenido.

¿Qué es claude-real-video?

Esta skill permite a Claude procesar videos que de otro modo no puede leer directamente. Cuando Leo proporciona un enlace o archivo de video, la herramienta `crv-pro` extrae fotogramas clave, transcripción completa, eventos de sonido, curva de tono, emociones, gestos/expresiones y etiquetas de escena, y luego genera un `MANIFEST.txt` estructurado que Claude puede interpretar. Soporta tres modos de análisis: `watch` (resumen y verificación de hechos), `creator` (deconstrucción de técnicas narrativas y de producción) y `full` (análisis completo). También ofrece parámetros avanzados como `--senses` para activar los cinco sentidos (con una descarga de modelo de ~2.7 GB) y `--lens` para orientar el análisis hacia el contenido o el creador. Está diseñado para ejecutarse completamente en local, sin subir ningún dato, y es compatible con macOS (PATH de Leo incluye `crv-pro` desde `~/Projects/crv-pro/.venv/bin/`). La skill incluye reglas estrictas, como leer toda la transcripción antes de emitir informes, y verificar las etiquetas de percepción con los fotogramas y la transcripción para evitar conclusiones erróneas.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/HUANGCHIHHUNGLeo/claude-real-video/tree/HEAD/personal-skill-backup

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

claude-real-video / crv Pro — Ayuda a Leo a ver videos

Leo tiene instalada la versión Pro 0.5.0 en local (~/Projects/crv-pro/.venv/bin/crv-pro, en entornos con PATH basta con crv-pro).

Cuándo usarlo

Cuando Leo da un video (URL o ruta de archivo) y pregunta sobre su contenido, pide un resumen, quiere deconstruir un reel viral, o pregunta «¿cómo lo dice/lo filma/por qué el público lo compra?».

Cómo elegir el comando (0.5.0)

Lo que Leo diceComando
«¿De qué trata?» «Resúmelo» «¿Es verdad lo que dice?»crv-pro "<src>" -o out --mode watch
«¿Cómo lo hizo?» «Deconstruye» «¿Por qué se hizo viral?» «¿Se puede aprender?»crv-pro "<src>" -o out --mode creator
«Análisis completo» o intención poco claracrv-pro "<src>" -o out --mode full

Si Leo tiene una pregunta concreta, añade --why "<su pregunta textual>".

  • --senses = activa los cinco sentidos: eventos de sonido, curva de tono, emociones, gestos/expresiones, etiquetas de escena (la primera vez descarga el modelo ~2.7 GB; después, para un video de 86 segundos tarda unos 40 segundos)
  • Solo un sentido: --prosody / --audio-events / --emotion / --gesture / --scene-labels
  • --lens content|creator|both (por defecto both) determina hacia dónde orienta el análisis el MANIFEST que lee la IA
  • Videos largos: añade --max-frames 60; videos sin voz: --no-transcribe
  • Plataformas que requieren inicio de sesión (IG/TikTok): convierte el cookie JSON a formato Netscape y usa --cookies (probado el 2026-07-05, funciona directamente para IG reel, este es el método correcto):
    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
    
    Si esto falla, recurrir a [[reference_ig_post_full_read]] de la API interna de IG para descarga manual

Orden de lectura de la salida

  1. MANIFEST.txt — al inicio contiene un bloque de instrucciones del lente que se deben seguir; incluye lista de fotogramas, bloque de movimiento, línea de tiempo de percepción (eventos de sonido/tono/emojión/gestos/escena, cada uno con su marca de tiempo y puntuación de confianza), y transcripción
  2. grids/ — fotogramas continuos en cuadrícula de 3x3; para ver detalles abrir frames/*.jpg (redimensiona a menos de 1500px antes de leer)
  3. perception.json — datos de percepción completos (eventos de baja confianza que se ocultan por umbral)

⚠️ Reglas de hierro (definidas por Leo QA el 2026-07-05)

  • La transcripción debe leerse completa antes de emitir un informe (2026-07-16 Leo detectó que leer muestras causó errores en las citas y omitió los tres detalles más ingeniosos de todo el video): leer transcript.txt completo antes de redactar el análisis; el muestreo solo sirve para ubicar marcas de tiempo, no para entender

  • Las etiquetas de percepción son pistas, no conclusiones: contrastar con fotogramas y transcripción antes de citarlas (el MANIFEST también lo indica al inicio); el modelo de emociones puede confundir un tono normal y enérgico con enfado —las emociones no neutras con confianza <0.75 ya se ocultan, y las que se ven también deben verificarse

  • Antes de deconstruir o replicar un reel, revisar la tabla de ritmo de movimiento (cortes/min, mediana de duración del plano, distribución de movimientos de cámara), no decidir a ojo (ver [[reference_reel_clone_pipeline]])

  • Las respuestas deben citar marcas de tiempo y datos concretos, no ser vagas

Notas

  • Todo se ejecuta en local, la herramienta no sube ningún dato; --kb <directorio> lo guarda en la base de conocimiento
  • Los archivos temporales (videos descargados, fotogramas extraídos) deben limpiarse después de leer (en /tmp)

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Skills relacionados