DOCS

對標：crv

claude-real-video (crv) × Reel Scout — 對標 case study

一句話：兩者不在同一層。crv（含付費 Pro）是「讓 AI 看得清一支影片」的感知＋測量層——把畫面／聲音／鏡頭運動量化成 LLM 讀得懂的原料；Reel Scout 是「反解一支短片為什麼會紅」的判讀層——帶 rubric 的 craft 評分＋reverse-decode＋競品語料庫。重疊只在最前面的 ingest（都靠 yt-dlp 抓、都在本機跑）；crv Pro 往上爬了一層到「怎麼拍的（測量）」，但沒有踩進 Reel Scout 的「會不會紅（判斷）」。真正該從這次對標偷的只有一項：crv Pro 的 --motion 實測 cuts/min，正打在 Reel Scout「pacing 分數靠 LLM 猜、且 model-dependent」的軟肋上。

建立於 2026-07-17。crv 側資料取自公開 GitHub（HUANGCHIHHUNGLeo/claude-real-video，1,699★／MIT／2026-06-30 開）＋付費頁 leoaido.com/crv-pro/，逐字引用附出處；付費版閉源，只讀銷售頁、未購未跑，Pro 的測量準度未驗。Reel Scout 側取自本 repo。

0. TL;DR

	claude-real-video（free）	crv Pro（$19）	Reel Scout
定位	讓 LLM「看得見」影片的前處理器	讓 LLM 知道「怎麼拍的」的測量器	反解「為什麼會紅」的判讀器
層	感知（擷取）	感知＋測量	判讀（評斷）
產出	frames＋transcript＋MANIFEST（原料）	＋鏡頭表／cuts-per-min／情緒曲線／一次性 AI 報告	結構化分析＋craft 0–10 分＋競品報告
有 rubric 評分？	❌	❌（只有技法報告）	✅ hook／visual／pacing／structure
有「為什麼有效」推理？	❌	⚠️ 技法描述,非 engagement 判斷	✅ reverse-decode prompt pack
有跨影片語料庫？	❌（資料夾）	❌（資料夾）	✅ SQLite 可累積＋competitor research
平台	YT／IG／TikTok／本地	同左	YT Shorts／IG／TikTok／本地
授權／隱私	MIT、全本地	閉源付費、全本地	MIT、全本地
熱度／商業	1,699★／2.5 週、`npx skills add` 一鍵裝 50+ host	開源病毒核心→$19 一次性 upsell	刻意不追（roadmap「工具不是產品、star 不是成功指標」）

最重要的一點：crv 免費版完全不做判讀——產出是 frames.json／transcript.txt／MANIFEST.txt，交給下游任何 LLM 自己去「看」。crv Pro 往上做的是把「怎麼拍的」測量出來（鏡頭種類、剪點密度、BPM、情緒曲線）＋一份用你自己 API key 生的技法報告。兩者都止於「呈現給 LLM」,沒有 Reel Scout 那條「帶 rubric 打分＋反解會不會紅＋沉澱成可比語料」的判讀軸。 這條界線就是 Reel Scout 唯一還乾淨的護城河。

1. 這三個東西不在同一層

先破誤會：crv 和 Reel Scout 不是同類工具的兩個選項,是影片理解 pipeline 的上下游。

影片 ──▶ [crv free] 擷取：scene-aware 去重 frames + transcript ──┐
       ──▶ [crv Pro] ＋測量：鏡頭表 / cuts-per-min / 情緒 / OCR / 鑑識 ──┤──▶ 交給 LLM 自己看
                                                                        │
影片 ──▶ [Reel Scout] 擷取 + VLM 描述 + 判讀：craft 打分 / 反解 / 競品語料 ──▶ 給創作者可行動的結論

crv（free＋Pro） 解的是「AI 看不懂影片、Gemini 要上傳雲端、Claude／ChatGPT 不吃影片檔」——把一支影片變成 LLM 讀得懂又不外送的原料,愈精細愈好。它的目標函數是保真呈現,不下判斷。
Reel Scout 解的是「這支短片為什麼火、骨架怎麼抄到我自己題材」——把短片拆成帶評分與反解的結構給創作者再創作。它的目標函數是判讀可信（錯了會拍錯片,代價高）。

方向不同（一個把畫面攤平給 LLM 看,一個替創作者下判斷）,所以「誰比較強」得先問「比哪一層」。

2. crv 免費版：擷取層,做得聚焦且比 Reel Scout 前段講究

面向	crv free	Reel Scout 前段
Frame 取法	場景變化偵測＋滑窗像素去重（全域 RGB＋局部細節）＋adaptive 慢變模式＋text-anchor 對齊字幕	keyframe（scene／interval／motion／hybrid＋首尾保底）
說話者	內建 diarization（pyannote）	diarization（pyannote,optional)
呈現	contact sheet 對照表＋viewer.html＋MANIFEST for LLM	`export --format html`＋`view` server＋`inspect`（可點時間軸跳播，port 自 arkiv）
判讀	❌ 全交給下游 LLM	✅ VLM 逐幀描述

誠實講:光看「把影片變成 LLM 看得懂的東西」,crv free 這一件事做得比 Reel Scout 前段更精緻也更聚焦——場景偵測＋去重比固定間隔／keyframe 更成熟,還多了 adaptive／text-anchor／contact sheet。但它到此為止:沒有 VLM 描述、沒有評分、沒有反解、沒有語料庫。它是把原料備好,不動判斷。

一個架構分歧值得記:crv 把 frames 直接丟給 agent 自己的多模態模型看;Reel Scout 跑本機 VLM 先把畫面「描述成文字」再融合。 前者省一次推論、吃下游 LLM 的視覺力;後者產出可查詢、可打分、可入庫的結構化欄位。對「要沉澱成語料」的用途,Reel Scout 的路是對的。

3. crv Pro（$19）：爬到「測量層」,還沒到「判斷層」

付費頁定位語逐字:“Make AI understand how a video was shot — not just what it shows”。價格 $19 one-time（創始價到 7/31,8/1 起 $29）。六個付費 flag:

flag	做的事（逐字節錄）	性質
`--motion`	鏡頭自動分類 static／pan／tilt／zoom／handheld;“a full shot table: per-shot duration, cuts per minute, how pacing shifts”;高動態 0.2s 爆發幀	客觀測量
`--senses`	語音情緒／聲調曲線;音訊事件（笑聲／SFX／環境音）;人聲樂器分離＋BPM＋能量;無對白內容的色彩光影 mood	客觀測量
`--viewer`	可點事件時間軸的互動 web viewer;逐字稿同步高亮;中英介面	呈現
`--ai-report`	用你自己的 API key 生兩份報告:拍攝技法＋內容／對白	LLM 報告
`--ocr`	帶時間戳可搜尋的螢幕文字;CJK 強;用字幕修正 STT	擷取
`--speed-check`	變速／竄改鑑識(補幀指紋、運動軌跡連續性);證據式,不下「正常速度」定論	鑑識

判讀:Pro 是「擷取＋測量」的延伸,不是「判斷」。 它把「怎麼拍的」量化(鏡頭種類、cuts/min、BPM、情緒曲線)＋一份技法報告。它沒有:

craft 評分 rubric(Reel Scout 的 hook／visual／pacing／structure 0–10)
reverse-decode「為什麼會紅」的推理框架＋ 4 層信號可靠度(L1 uploader→L4 VLM)
多頻道競品 research ＋可累積可比的 SQLite 語料庫

README teaser 那句 “and why it works” 是行銷話術;付費頁本身收斂成 “how it was shot”＋技法報告,沒踩進 engagement／會不會紅的判斷。這條界線成立——也是 Reel Scout 判讀層未被威脅的證據。

4. 逐面向對照

面向	crv free	crv Pro	Reel Scout	誰在這面向強
Frame 擷取精緻度	✅ 場景偵測＋去重	✅ 同＋爆發幀	⚠️ keyframe（夠用）	crv
鏡頭運動 / pacing 測量	❌	✅ 鏡頭表＋cuts/min	❌（pacing 靠 LLM 猜）	crv Pro
音訊事件 / 情緒	❌	✅ 情緒曲線＋BPM	⚠️ PANNs 事件(optional),無情緒曲線	crv Pro
螢幕文字 OCR	❌	✅ 時間戳＋CJK	✅ VLM 讀招牌字＋`KEYFRAME_RESOLUTION` 升採	平手（機制不同）
VLM 逐幀描述	❌ 交下游	❌ 交下游	✅ 本機 VLM 描述入庫	Reel Scout
craft 評分(帶 rubric)	❌	❌	✅ 四維 0–10	Reel Scout
反解「為什麼會紅」	❌	⚠️ 技法報告,非 engagement	✅ reverse-decode prompt pack	Reel Scout
跨影片模式 / 競品	❌	❌	✅ compare／research／stats	Reel Scout
語料沉澱	❌ 資料夾	❌ 資料夾	✅ SQLite 可累積	Reel Scout
互動 viewer(可點時間軸跳播)	❌(靜態 viewer.html)	✅ `--viewer` event timeline	✅ `inspect` transcript↔keyframe 時間同步(port 自 arkiv,#29)	平手
分發 / 熱度	✅ 1,699★＋npx 一鍵	✅ 病毒核心→付費漏斗	❌ 刻意不追(見 §6)	crv(但見 §6)
易安裝	✅ pip／npx	✅ pip	🟡 兩行 pip（`pip install reel-scout` yt-dlp 自動帶 → `reel-scout skill install` skill 隨包出貨）＋ffmpeg 系統裝	接近平手（crv 略勝在 npx 一鍵；ffmpeg 系統依賴兩邊 ingest 都要）

公允結論:擷取／測量層 crv 全面領先(尤其 Pro 的鏡頭運動與情緒測量);判讀／語料層 Reel Scout 全面領先(rubric 評分、反解、競品、入庫)。兩邊各自把自己那一層做深,重疊只在最前面的 ingest。 crv Pro 是側翼威脅——它逼近但沒攻進 Reel Scout 的核心判斷軸。

5. Reel Scout 該從這次對標偷的一項:pacing 從「猜」變「量」

這是本次對標唯一真正 actionable 的技術項,而且它踩在 Reel Scout 一個已知弱點上:

Reel Scout 的 pacing(scorer 四維之一)是LLM 憑感覺給的、且 model-dependent——換一顆 VLM／LLM 分數就飄(見 memory「Reel Scout 評分依賴模型」)。
crv Pro 的 --motion 產出 shot table:每分鏡時長＋ cuts per minute ＋節奏變化——這是客觀測量、可重現,不靠模型主觀。
同樣講「節奏」,他量、你猜。

可偷的 move:在 Reel Scout 的 vision 階段加一個確定性的剪點偵測(ffmpeg scene-change 已在用,cut 邊界資訊本來就抓得到→算 cuts/min、每鏡頭時長、節奏變化),把 pacing 分數從「純 LLM 判斷」改成「實測 shot-table 當證據,LLM 只在證據上做解讀」。這正好對齊 Reel Scout roadmap 的核心價值「保真／可信賴」,也把 vibe-reader case study §6.1 說的「舉證護欄變機器可驗證」再推一步——分數也要能舉證,不只主張要舉證。

⚠️ 邊界:crv Pro 閉源,我沒讀它 --motion 實作,不知它 cut 偵測用什麼閾值、handheld 怎麼判。這裡偷的是概念(pacing 該用實測 shot-table 背書),不是抄它的數字或宣稱它準。

已在 roadmap 開一條追蹤(見 §「評分證據化」)。

6. 為什麼「他更紅」不進 Reel Scout 的檢討清單

crv 2.5 週衝 1,699★＋$19 付費漏斗＋npx skills add 一鍵裝 50+ host——很漂亮的病毒開源→變現打法。但把它列成「Reel Scout 該學的教訓」是錯把別人的目標函數套到自己頭上:

Reel Scout 的 roadmap 明文拍板:「工具不是產品」,Non-goals 含 GUI／一鍵安裝器／社群營運／Product Hunt／SaaS,且**「star 數／使用者數不是這個 repo 的成功指標。成功＝自己(和會用 CLI 的人)能穩定拿到可信的分析資料。」**
也就是說 crv 贏的那條軸(分發／熱度／變現),Reel Scout 主動選擇不站。拿它來自責等於推翻已拍板的定位。

crv 的漏斗值得存檔,但存的位置是「課程／內容的 case study」,不是「Reel Scout 該補的功能」。 若哪天要跟學員講「開源工具怎麼變現」,crv Pro 是現成教材(開源病毒核心→$19 一次性→創始價 urgency);但 Reel Scout 這個 repo 維持工具身分,不因為別人紅就轉去追 star。這是紀律,不是酸葡萄。

附錄:資料出處與未能確認項

crv 側(全部公開,未購未跑):

GitHub HUANGCHIHHUNGLeo/claude-real-video(README＋GitHub API metadata:1,699★／137 fork／MIT／created 2026-06-30／updated 2026-07-17／Python)。
付費頁 leoaido.com/crv-pro/(定位語、$19 one-time＋8/1 起 $29、六個 flag、free-vs-Pro 表、對 Gemini 的比較,皆逐字取自銷售頁)。
作者其他 repo:claude-memory-framework／claude-playbook-loop(homepage leoaido.com)、多份 awesome-claude-* 清單——顯示他走「Claude 生態內容＋工具」路線。

未能確認(不臆測,明列):

crv Pro 閉源付費,未購、未安裝、未跑;--motion／--senses／--speed-check 的實際準度、cut 偵測閾值、情緒模型皆黑箱,本檔只據銷售頁宣稱,一律打折看。
README teaser 的 “why it works” 與付費頁的 “how it was shot” 用詞不一致;本檔以付費頁(產品實際 flag)為準,判定 Pro 止於測量＋技法報告、未達 engagement 判斷。
crv free 的 frame 去重「比 Reel Scout 精緻」為讀 README 得出,未讀其 source 逐行驗證。
1,699★ 為 2026-07-17 當日 GitHub API 讀值,會變動。

Reel Scout 側資料取自本 repo reel_scout/(scorer.py／merger.py／analyze/pipeline.py)、prompts/、docs/roadmap.md、README。