Multimodal

claude-real-video는 장면 변화 프레임과 transcript를 로컬에서 추출해 어떤 LLM에도 비디오를 읽게 한다. 멀티모달 비용 구조가 흔들린다.

비디오 이해는 반드시 거대 모델의 네이티브 기능일 필요가 없다. 장면 선택, 중복 제거, 음성 전사 같은 전처리 계층이 멀티모달 비용과 프라이버시의 핵심 경쟁력이 되고 있다.