Communitygithub.com

rea-video

引導 AI 代理逆向拆解影片製作流程,產出商標與品牌風格指南。從 6 個面向剖析影片:每鏡畫面來源、剪輯包裝、使用者真實素材、聲音設計、實拍手法,並給出完整復刻方案。

rea-video 是什麼?

rea-video 是一個專業的影片逆向工程工具,專為 AI 代理設計,用於將參考影片拆解為詳細的製作說明,最終產出商標與品牌風格指南。它支援多模型視覺語言模型 (VLM),並提供從 CLI 到 GUI 報告的完整工作流程。核心能力是從六個層面解析影片:鏡頭來源分類(實拍、AI 影片、3D 渲染等 11 類)、剪輯包裝分析(字幕、花字、貼紙)、真實素材辨識、聲音設計拆解(人聲、BGM、音效)、實拍技法重建(燈光、調色、剪輯節奏),以及生成可執行的復刻方案。該工具透過 `rea-video` 命令列操作,分為「偵測」(survey)、「拆解」(decompose)、「審查」(review)與「復刻」(plan/remake)等步驟。使用者需安裝 ffmpeg 與 Python 3.10+。其設計哲學是「每個結論都要有證據」,對於無法確定的項目,會明確標示為「待確認」並說明缺失資訊。AI 代理在執行時,應優先依賴自身的視覺判斷進行審查,而非完全信任 VLM 的輸出。最終交付的報告包含一塊敘事線、分鏡表、復刻方案與素材清單,支援中英文輸出,並可對接其他工具如 ChatCut、capsule-cinema 進行實際復刻。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/rafaelleandro111/estrategia-de-videos/tree/HEAD/.claude/skills/rea-video

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

Neste PC (Windows, projeto): o comando rea-video não está no PATH. Sempre rodar como PYTHONUTF8=1 ferramentas/rea-video/.venv/Scripts/rea-video <subcomando> ... (sem PYTHONUTF8=1 a ajuda em chinês quebra o terminal). Responder e gerar relatório em português (--lang en se não houver pt; traduzir na resposta). Saída em saidas/rea-video/<nome-do-video>/.

rea-video:影片製作方式逆向拆解

你是影片製作的逆向工程師。使用者給你一條影片,你要回答清楚:

  1. **每個鏡頭的底層畫面是怎麼來的?**從 11 類裡選:實拍 / 影視片段 / AI 影片 / 數位人 / 3D 渲染 / 2D 動畫 / 停格動畫 / 程式碼模板渲染 / 錄影截圖 / 靜態圖推拉 / 靜幀。2D 動畫、停格動畫和影視片段(剪進來的電影、電視劇、短劇畫面)工具測不出,要你靠圖判斷。實拍鏡頭再看有沒有被 AI 加工過(換臉、對口型、風格化、換裝、換背景),填在 ai_edits 裡(對照 references/taxonomy.md)。
  2. **上面疊了什麼?(剪輯包裝)**逐句字幕(時間軸、顏色、描邊、關鍵字高亮、入場方式)、花字、標題、章節牌、跟著物體走的標籤、表情包 / GIF / 貼紙 / 子母畫面、版式模板,以及哪些音效卡在文字彈出或貼紙出現上。
  3. **哪些是用戶真實素材?**分兩類:畫面裡嵌入的真實像素(實拍、照片、截圖、錄影、版式裡播放的影片片段),復刻時必須拿到原檔案;AI / 3D 畫面裡出現的商品、Logo、人物,是復刻時要準備的參考圖(報告裡的「復刻要準備的參考素材」),不是嵌入素材。
  4. **聲音怎麼做的?**人聲(TTS 還是真人)、BGM(風格 / BPM / 調性 / 段落)、音效(時間點、類型、對應哪個畫面事件),以及切鏡是否卡在節拍上。**重點是來源:AI 生成的還是現成的。**先看影片形式——AI 音樂 MV(整片是一首唱出來的歌)大概率是 AI 歌;一般影片配樂大概率是現成曲庫,但 AI 工作流的影片 BGM 也常是 Suno 生成,必須標「待確認」並給確認方法。
  5. **實拍的話,怎麼拍、怎麼打光、怎麼調色、怎麼剪?**景別、機位、自拍還是支架、正常速度還是慢動作/延時;主光方向/軟硬/光比/色溫、有無補光和輪廓光,佈光方案(正面柔光、主光 + 補光、側光、逆光、夜景環境光、低調、高調、彩色氛圍光、產品靜物、戶外直射/陰天/逆光——戶外要靠你在 lighting.location 裡寫明「戶外」);調色風格(自然、青橙、日系、底片、黑白、暗調);跳切、推近切、插入素材的節奏。
  6. **怎麼復刻?**每鏡給出路線和工具;實拍鏡頭給拍攝方案(佈光 + 器材清單),不是只寫「用 AI 近似」,AI 類鏡頭可以交給 capsule-cinema 生成,整條復刻也可以用 ChatCut,見 references/remake-tools.md。

核心原則:**每個結論都要有證據,確定不了就如實寫「待確認」並說明還缺什麼。**寧可寫「實拍還是 AI 待確認(傾向AI 70%)」,也不要編一個確定的答案。

0. 環境

先跑 rea-video --help。沒裝就按 references/setup.md 安裝(需要 ffmpeg、Python ≥ 3.10)。

VLM(能看圖的多模態模型)建議配,不強制,配置方法也在 references/setup.md。沒配也照常跑,不要因此中止:

  • 你自己能看圖:你就是這次的「VLM」,按下面的「看圖複核並入」做。
  • 你看不了圖:遵守 references/review.md 的「看不了圖時的規則」,回覆末尾一句話建議配置 VLM。

VLM 是否真的生效,以 rea-video summary 的 VLM: 一行為準:failed / not_configured 等同沒開,報告裡如實寫。

1. 標準流程

# ⓪ 先看記住了什麼:用戶偏好(預設引擎、是否開 VLM、給你的偏好說明)和常見糾正類型
rea-video memory
# ① 先看後拆(能看圖、沒開 VLM 時):小格總覽圖只定切點和轉場,看不清的地方逐幀放大再看,最後逐鏡挑關鍵幀、判斷畫面怎麼做的。
#    按輸出的 images 看圖,把答案寫進 waiting 裡的檔案,再跑同一條命令,直到 status 是 done;同一輪的圖自己一次看完、一起答(最省 token);圖多(4 張以上)再分給幾個子 agent 並發。
#    答案按 JEV 格式只寫選項和機率,是 same 的 gap 不寫;放大圖先寫 scenes(每塊依次出現了哪幾個東西);關鍵幀圖上整張寫一次 look,不用改的鏡頭不寫。開了 VLM 時 decompose 會自動做這一步
rea-video survey ref.mp4 -o out/ref
# ② 拆解(產出 out/<名>/VIDEO.md + video/(給你讀的拆片包)、report.html / report.md(給用戶看)、breakdown.json、storyboard.jpg、audio.png、shots/、stems/)
rea-video --env-file <你的 .env> decompose ref.mp4 -o out/ref --vlm --lang <zh|en>   # --lang 按用戶提問的語言選(見「交付給用戶」);沒有 VLM 配置就去掉 --env-file 和 --vlm;字幕/花字是日文就加 --ocr-lang ja,是韓文就加 --ocr-lang ko;台詞是孟加拉語就加 --asr-lang bn
# ③ 看緊湊摘要:低置信鏡頭會被標出;先看 VLM: 那一行確認 VLM 是否生效
rea-video summary out/ref/breakdown.json

省 token,按拆片包逐層讀(格式見倉庫 docs/videomd.md;地圖一行一個檔案:路徑 | 約 token | 內容):先讀 out/ref/VIDEO.md(卡片 + 概覽 + 地圖,約 2k token),多數問題到這裡就能答;要按鏡頭回答時讀 video/timeline.md(一行一鏡,鍵名帶 ~ 的是推斷,不帶的是畫面裡看得到的);要核實某一鏡再打開 video/shots/<編號>.md 和它 frames 裡的截圖;某一方面(聲音、包裝、復刻方案)按地圖打開對應的 video/*.md。不要讀 breakdown.json(幾十萬字)或 report.md(那是給人看的)。節奏、轉場和每鏡關鍵幀在 video/rhythm.md。複核時每鏡看 shots/shot_XXX.jpg 聯絡表就夠(是這一鏡的關鍵幀),_first / _last 是復刻時給生成模型參照用的,不用另開。

看圖複核並入(能看圖的 agent 必做,開了 VLM 也建議做低置信鏡頭)

rea-video review out/ref                      # 寫出 review_tasks.json(每鏡要看的圖、工具判斷、優先級)和 review_answers.json(答案模板)
# 讀 review_tasks.json 的 instructions,逐鏡看 images 裡的圖(priority=high 必看),把 label_probs / evidence / description / narrative / embedded_assets 填進 review_answers.json;narrative 是「這個鏡頭在講什麼」:role 選敘事作用(抓注意 / 交代背景 / 補資訊 / 給證據 / 轉折 / 給結論 / 引導行動 / 渲染情緒),point 一句話寫它講的那一點,報告會連成「敘事線」;若某鏡頭實為多刀合併(暗底圖形與暗底口播交替時容易被合成一個長鏡頭),可加 split_suggestion(cuts 切點秒數 + labels 各段類別 + note),報告會在該鏡頭標註拆分建議,鏡頭邊界本身不變
# 有人在演的鏡頭填 performance:主情緒、強度、看得見的表情和動作、鏡頭裡的變化、說話的語氣;復刻提示詞和配音會照它還原表演
# 大幅度全身動作本身是看點(舞蹈、打鬥、健身)的鏡頭再填 performance.move / movers / full_body / backdrop,復刻會改走「動作驅動」,按背景雜不雜、神態重不重要選驅動方式;帶貨、口播、邊唱邊小幅度的動的不填(對口型 / 數位人就能做)
# 頂層 cast 填整片的角色 / 場景 / 道具(同一個角色跨鏡頭認成同一個,外觀寫到能據此復刻)和一句視覺風格;沒開 VLM 時報告的「角色、場景與道具」一節全靠這裡
# 頂層 story 填報告開頭的「核心看點」:summary 一句話、hook 開頭幾秒怎麼抓人、highlights 2–4 條能火的做法(手法 + 第幾秒 + 為什麼有效)
# 畫面裡拍到帶字的東西(手機螢幕、包裝、招牌)時,每鏡填 overlay_text:這一鏡後期加的字幕 / 花字原文,其餘 OCR 文字報告當成畫面內容
# 同一段成片出現不止一次(開頭先放預告、結尾完整放)時,在較短的那處填 same_clip_as:另一處的鏡頭號,復刻只生成一次
rea-video apply-review out/ref --by <你的名字>  # 並入:重寫 breakdown.json、report.md、report.html,列印改判了哪些鏡頭
rea-video summary out/ref/breakdown.json      # 用並入後的結果寫回覆

沒看過的鏡頭 label_probs 留空 {},會被跳過。你的答案會和確定性結果融合(不是直接覆蓋),所以幀率、AIGC 標識這類強證據仍然起作用;如果並入後的結論和你的看法不同,在回覆裡寫明理由。

融合規則、看不了圖時怎麼辦、原片 / 轉碼影片的特殊規則,見 references/review.md。能看圖時一定要做看圖複核,開了 VLM 也要做,並且獨立判斷,不要照抄 VLM。

然後一定要自己複核,不要直接轉述工具輸出:

  1. 先看 storyboard.jpg 和 audio.png,對整片建立整體印象。
  2. 對標了「低置信,需要複核」的鏡頭,或「次選」機率很接近的鏡頭:
    • 打開 shots/shot_XXX.jpg(首、中、尾聯絡表)。
    • 必要時抽幀細看:rea-video tiles ref.mp4 --start 12.3 --end 13.1 --every 0.1 -o out/ref/check.jpg。
    • 按 references/taxonomy.md 的「易混對照表」逐條核對。
  3. 角色與場景:rea-video summary 的「角色 / 場景」幾行(拆片包 video/cast.md)。核對同一個角色有沒有被 VLM 認成幾個(逐鏡描述裡叫法不一致是常見問題),復刻時每個角色固定一張參考圖貫穿所有生成單元;不對就在 review_answers.json 頂層 cast 裡改。
  4. 聲音按 references/audio.md 複核:先聽 stems/vocals.wav(人聲乾聲)和 stems/music.wav(配樂),再看 rea-video summary 裡的「聲音來源」一行(影片類型 → 人聲 / 音樂 / 音效來源)。訊號層面檢出的音效只是低置信候選,音效清單以 VLM 聽到的為準;沒開 VLM 時要說明「輕音效可能漏檢」。
  5. 實拍(口播 / 桌拍 / vlog / 商品):rea-video summary 末尾按維度列出「取景 / 機位 / 打光 / 剪輯 / 形式」(拆片包 video/look.md,含復刻拍攝方案和器材)。 工具在畫面主體上測量:有人臉用人臉,沒有人臉(桌拍、商品、手)用畫面裡最清晰的區域,後者的景別是估算。 看圖時在 review_answers.json 每鏡的 aspects 和頂層 aspects 裡補像素測不出的:機位角度、自拍還是支架、主光是什麼光源、眼神光、輪廓光/背景燈、畫面裡的光源、推測設備、影片形式。報告裡測量、VLM、看圖三個來源並列,不平均。 注意:平台轉碼會壓暗部,軟硬和補光的測量偏保守。AI / 3D 畫面也會給光影描述,但標明「不是拍攝方案」,只用於寫生成提示詞。
  6. 真實素材按 references/materials.md 複核:程式碼模板裡嵌入的截圖和照片,確定性檢測能找出大部分,但暗色、半透明的背景照片會漏。
  7. 剪輯包裝(rea-video summary 的「包裝:」幾行,拆片包 video/packaging.md,檔案在 packaging/):
    • 字幕時間軸和樣式是測出來的,一般可信;字體是什麼要你靠圖補(工具只給顏色、描邊、底框、字高)。
    • 貼紙:標了「需要看圖確認」的,看 packaging/sticker_XX.jpg 和 review_tasks.json 裡的 frame_cmd,在 review_answers.json 的 packaging.stickers 裡填 is_overlay 和 what;工具漏掉的寫進 packaging.missed。3D / 動畫 / 版式畫面裡突然出現的物體工具不算貼紙,你看到是後期貼的再補。
    • 花字和標籤分錯類時在 packaging.text 裡改 kind。
    • 音效「對應畫面」一列是按時間就近對齊的,沒開 VLM 時補出的候選(來源 deterministic_anchored)實測只有約四成是真音效,寫成「可能」。
    • 「按台詞定位」是花字 / 標題 / 貼紙落在哪句字幕上(句中第幾秒、對上哪個詞),「常駐圖層」是跨切鏡不變的免責聲明、標題欄、角標。只在有字幕時才有;定位按時間推的,看圖覺得不對就在回覆裡說明。
  8. 第 3、5、6、7 步改了 review_answers.json 的,改完再跑一次 rea-video apply-review out/ref --by <你的名字>,否則這些修改進不了報告。
  9. 如果你的判斷和工具不同,以你的複核為準,在回覆裡寫明理由;有價值的話,建議用戶把這條影片加進評測集(倉庫 docs/dev/evaluation.md)。

用戶指出判錯或說出長期偏好時,按 references/memory.md 記下來(rea-video correct / rea-video prefs)。

2. 交付給用戶

按 references/output-template.md 回覆:先一句話結論,再內容與角色(這條影片講什麼、主要角色和場景),敘事線(每一步在抓注意、補資訊還是給結論,見 video/content.md;建議用戶保留這條線、換成自己的案例和素材來改寫,不只是換個主角),然後復刻方案(按生成單元 / 拍攝場次組織)、分鏡表、剪輯包裝、聲音、真實素材清單、不確定點,最後給 report.html 路徑(用戶版報告:先講三層、再給照著做的復刻步驟,用戶自己就能復刻);用戶要 PDF 時執行 rea-video pdf out/ref 生成 report.pdf(需要本機有 Chrome / Chromium / Edge)。不要把 breakdown.json 貼進對話。

用戶想復刻、二創、做同款或照著做一條自己的,或想知道這條影片怎麼做出來、怎麼實現時,在回覆末尾告知可以用哪些工具來做(references/remake-tools.md 裡列的都寫,各一句);用戶選了哪種,按那種的文件幫他接上(references/chatcut.md、capsule-cinema.md、hyperframes.md、diy.md)。

**報告和回覆都用用戶的語言。**語言的判斷順序:用戶明確指定的語言(「用英文出報告」「report in Chinese」)> 用戶提問所用的語言 > rea-video memory 裡的 lang 偏好 > 中文。

  • 工具支援 --lang zh 和 --lang en:decompose 時就傳對,報告檔案(report.html / report.md)、summary 輸出、VLM 的畫面描述和提示詞都會是該語言;忘了傳可以在 apply-review out/ref --lang en 時補上(會重新生成結論和報告文字;VLM 已寫好的描述和提示詞保持原語言)。看圖複核時,review_answers.json 裡的 evidence / description / prompt 也用這個語言寫。
  • 用戶用日語、韓語等工具不支援的語言提問時,跑 --lang en,回覆用用戶的語言寫;用戶要該語言的報告檔案時,把 report.md 翻譯成 report_<語言>.md 放在同一目錄,並說明 report.html 是英文的。
  • 用戶設了長期偏好(「以後都出英文報告」)就 rea-video prefs lang en 記下來。

3. 復刻(需要時)

報告分兩部分:第一部分是拆解(結構,和用什麼模型無關),第二部分是復刻方案(按一個模型排)。拆解不要因為復刻去合併鏡頭。

有 AI 鏡頭時,復刻方案按用戶的意圖和實際用的模型來排:

  1. 問用戶:用哪個模型或平台(即夢 / Seedance、可靈、Veo、海螺……,不要替用戶選);整條都用模型重做,還是只生成原片裡 AI 做的鏡頭;要換什麼、換成什麼、有沒有參考圖。寫進 out/ref/remake/intent.yaml:

    model: seedance-2.5
    generate: all          # all:整條用模型生成;ai(預設):只生成 AI 鏡頭,實拍的要給拍攝方案
    swaps:
      - from: 女主播
        to: 三十歲左右的男主播,短髮,深色西裝
      - from: 原片的口紅
        to: 用戶的保溫杯
        image: /絕對路徑/product.jpg
    
  2. 方案按這個模型的最新實際情況來:rea-video models <id> 看能力地圖裡的資料和核實日期,再上網核對它最新的官方文件和更新(有沒有新版本,單次時長、參考影片 / 參考圖的數量和時長、一次多鏡頭、首尾幀、原生音訊、提示詞寫法有沒有變)。能力地圖裡沒有、或和最新資料不一致的,按能力地圖的格式寫進 ~/.rea-video/capabilities/models/<id>.yaml(同 id 會覆蓋自帶的),寫上來源和核實日期。

  3. rea-video plan out/ref:按意圖和模型出報告第二部分,並做方案檢查。工具按模型能吃什麼選輸入方式(參考原片影片 / 每鏡一張原片關鍵幀 / 首尾幀 / 純文字),在單次時長和參考數量以內用最少的呼叫裝下所有鏡頭,原片參考擦掉字幕後放在 remake/refs/。

  4. 按這個模型的提示詞寫法(rea-video models <id>,或這個模型的提示詞 skill)把每個單元的草稿寫成最終提示詞,放進 out/ref/remake/prompts.json({"G1": "..."},圖片編號按單元裡參考圖的順序),再跑一次 rea-video plan,直到方案檢查沒有 ❌。

  5. 把方案給用戶看(呼叫次數、每次餵什麼、檢查結果),用戶同意後再生成。

用戶要自己動手做時,先給報告第二部分「照著做」的步驟,不要先講模型規則和輸入表。

先跑 rea-video remake out/ref:能自動做的鏡頭先做掉(靜圖重建;程式碼渲染預設原片佔位,加 --code 出快速草稿),其餘原片佔位,拼回原時間線,remake/status.md 逐鏡寫了還要再做什麼;拿到新鏡頭寫進 remake/mine.json 再跑一次。細節見 references/remake.md;可用的工具和方式(capsule-cinema、ChatCut、HyperFrames、自己動手)和各自的特點列在 references/remake-tools.md。在本工具裡直接跑:AI 鏡頭走 capsule-cinema(會計費,先 rea-video remake-run --dry-run 並徵得用戶同意);實拍給拍攝方案;舞蹈 / 動作鏡頭用 rea-video drive out/ref 出驅動影片(見 references/remake.md);程式碼渲染建議交給 HTML 影片框架(如 HyperFrames)按 video/rhythm.md 的節奏和關鍵幀重做,rea-video code-remake out/ref 只出粒子 / 資料視覺化這類畫面的快速草稿;用戶自己的素材用 rea-video assemble 拼回原時間線。程式碼渲染和用戶自己的素材也可以在 ChatCut 裡做。

參考檔案

檔案什麼時候看
references/setup.md安裝、設定 VLM
references/review.md看圖複核:融合規則、看不了圖、原片判 AI、平台轉碼
references/taxonomy.md11 類畫面、AI 加工、判斷要點速查、易混對照
references/audio.md聲音複核
references/materials.md真實素材複核
references/output-template.md交付格式
references/remake.md復刻:各類鏡頭怎麼做
references/remake-tools.md復刻可以用哪些工具和方式,告訴用戶有哪些可選
references/chatcut.md用戶要用 ChatCut 時:能做什麼、費用、怎麼裝好接上
references/capsule-cinema.md用戶要用 capsule-cinema 時:費用、安裝、出任務和生成
references/hyperframes.md程式碼渲染 / MG / 插畫動畫類鏡頭交給 HyperFrames 重做:給它什麼、怎麼裝
references/diy.md用戶自己拍或手動生成時:費用、怎麼把素材拼回原時間線
references/memory.md記住糾正和偏好

4. 不要做的事

  • 不要只憑畫風判斷。卡通 3D 風格既可能是 AI 影片,也可能是 Blender 渲染,要看形變、閃爍和幾何穩定性。
  • 不要把程式碼渲染畫面裡的文字算成「疊加層」,那些文字就是畫面本身。
  • 不要把用戶的真實素材寫成「可用 AI 生成」。
  • 不要把元資料缺失當成「不是 AI」的證據,平台轉碼常會清除元資料。
  • 不要在用戶確認之前呼叫付費生成。

相關技能