Communitygithub.com

HUANGCHIHHUNGLeo/claude-real-video

Leo 用のビデオ分析ツール。YouTube/IG/TikTokのリンクやローカル動画ファイルから、キーフレーム抽出、文字起こし、映像のリズム、音声・トーン・ジェスチャーのタイムラインを取得して、要約・分析・分解・ベンチマークを行います。

claude-real-video とは?

このスキルは、Claude が直接動画を処理できない問題を解決します。ユーザーが動画のURL(YouTube、Instagram、TikTokなど)やローカルファイルを提供すると、`claude-real-video`(crv Pro)が動画のキーフレームを抽出し、文字起こしを行い、カットのリズム、音声イベント、トーンの変化、感情、ジェスチャー、シーンラベルなど、複数の時系列データを生成します。これにより、Claude は動画コンテンツを詳細に理解し、要約、クリエイター視点での分析、模倣のための分解など、多様な分析モード(watch、creator、full)で応答できます。特に、長尺動画の完全な文字起こしを読むことの重要性や、感情ラベルの誤認識に対する注意など、正確な分析のための厳格なルールが組み込まれています。また、ログインが必要なプラットフォームのためにCookieを利用したダウンロード方法もサポートしており、すべてローカルで実行されるためプライバシーにも配慮されています。

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

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

claude-real-video / crv Pro — Leo 用ビデオ分析ツール

Leo のマシンには Pro バージョン 0.5.0 がインストールされています(~/Projects/crv-pro/.venv/bin/crv-pro、PATH が通っていれば crv-pro で実行可能)。

使用タイミング

Leo が動画(URL またはファイルパス)を渡して、内容について質問したり、要約を求めたり、リールのベンチマークを取ったり、「彼はどう話しているのか」「どう撮影しているのか」「なぜ視聴者は購入するのか」といった分析を依頼したとき。

コマンドの選び方(0.5.0)

Leo の発言のニュアンスコマンド
「これ何を言ってるの?」「要約して」「彼の言ってることは本当?」crv-pro "<src>" -o out --mode watch
「どうやって作ってる?」「分解して」「なぜバズった?」「真似できる?」crv-pro "<src>" -o out --mode creator
「完全に分析して」または意図が不明瞭crv-pro "<src>" -o out --mode full

Leo が具体的な質問がある場合は --why "<元の質問文>" を追加します。

  • --senses = 五感フル活用:音声イベント、トーンカーブ、感情、ジェスチャー/表情、シーンラベル(初回実行時はモデルダウンロードに約2.7GB、86秒の動画で約40秒の処理時間)
  • 単一の感覚のみ:--prosody / --audio-events / --emotion / --gesture / --scene-labels
  • --lens content|creator|both(デフォルト both):MANIFEST が AI に分析の方向性を指示するために使用
  • 長尺動画には --max-frames 60 を追加;音声なし動画には --no-transcribe
  • IG/TikTok などログインが必要なプラットフォームの場合:まず cookie JSON を Netscape 形式に変換し、--cookies オプションで指定します(2026-07-05 のテストで IG リールの直接取得に成功、これが正攻法です):
    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
    
    この方法でも失敗した場合のみ、[[reference_ig_post_full_read]] の IG 内部 API を使用した手動ダウンロードにフォールバックします。

出力の読み方の順序

  1. MANIFEST.txt — 先頭に lens 指示ブロックがあり、それに従って処理を行います;フレームリスト、モーションセクション、perception timeline(音声/トーン/感情/ジェスチャー/シーンイベント、各々秒数と信頼度スコア付き)、文字起こしを含む
  2. grids/ 9グリッドの連続フレーム;詳細を確認する場合のみ frames/*.jpg を開く(読む前に1500px以内に縮小)
  3. perception.json — 完全な知覚データ(閾値で隠された低信頼度イベントも含む)

⚠️ 絶対ルール(2026-07-05 Leo QA 策定)

  • 文字起こしは最初から最後まで読まなければ正確なレポートは作成できない(2026-07-16 Leo がサンプリング読みで出典の誤りと、動画全体で最も重要な3つのディテールを見逃すミスを発見):transcript.txt を全文読んでから内容を分解すること。サンプリングは秒数の確認にのみ使用し、理解の代用にしてはいけません。

  • 知覚ラベルは手がかりであって結論ではない:引用する前にフレームと文字起こしで相互検証すること(MANIFEST の先頭でもそう指示しています);感情モデルは「普通で力強いトーン」を怒りと誤読することがあります——非中性の感情で信頼度 <0.75 のものはすでに隠されており、表示されているものも検証が必要です。

  • ベンチマーク/リメイクを行う前には必ずモーションリズム表を確認すること(cuts/min、中央値のショット長、カメラワークの分布)、感覚に頼らないこと(詳細は [[reference_reel_clone_pipeline]] を参照)

  • 回答には具体的な秒数とデータを引用し、曖昧な表現は避ける

備考

  • すべてローカルで実行され、ツールは何もアップロードしません;--kb <ディレクトリ> でナレッジベースに保存可能
  • 一時ファイル(ダウンロードした動画/抽出フレーム)は読み込み後に削除すること(/tmp 配下)

Individual skills in this repo

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

関連スキル