rea-video يشاهد الفيديو ويخبرك كيف صُنع

الصورة التجريبية على صفحة المستودع عبارة عن مقطعين عموديين جنباً إلى جنب. على اليسار إعلان TikTok صُوّر بهاتف. وعلى اليمين إعادة إنتاج بالذكاء الاصطناعي للمفهوم نفسه بمنتج مختلف. يقول التحليل أسفلهما إن اليسار تصوير حقيقي بالكامل، موقع واحد وموضعا كاميرا؛ واليمين ذكاء اصطناعي بالكامل، ثماني لقطات موزعة على ثلاث عمليات توليد.
هذا الحكم هو المنتج نفسه. أداة rea-video، التي جمعت 8,494 نجمة بعد شهر من الإطلاق، تفكك الفيديو لقطة بلقطة وتجيب عن ثلاثة أسئلة لكل لقطة: هل صُوّرت، أم وُلّدت، أم رسمها الكود، وكيف تعيد صنعها.
التثبيت يتم بأن تطلب من الوكيل أن يثبّته
البداية السريعة جملة تلصقها في Claude Code أو Codex: ثبّت هذا المستودع، ثم فكك هذا الفيديو. يقرأ الوكيل ملف README، ويثبّت أداة CLI، ويتعلم سير العمل، ثم ينفذه. المتطلبات هي ffmpeg وPython 3.10 أو أحدث، ولا شيء غريب.
نموذج التوزيع هذا يصبح عادياً، ومع ذلك يستحق التسجيل. تعليمات التثبيت مكتوبة ليتبعها نموذج لغوي كبير، لا لينسخها إنسان بالترتيب. وهذا يعني أن المشروع يستطيع تغيير خطوات إعداده دون أن يكسر الذاكرة العضلية لأحد، لأن الذاكرة العضلية ملك النموذج.
يصل الناتج في ملفين. تقرير بصيغة HTML أو PDF، مبني كي يقرأه إنسان فيفهم كيف جُمع الفيديو. وملف `VIDEO.md` بصيغة مفتوحة منشورة على videomd.github.io، مقسم إلى طبقات كي يقرأ الوكيل الطبقة التي يحتاجها السؤال فقط. هذا التقسيم قرار متعلق بالـ tokens: التفكيك الكامل لإعلان من ثلاثين لقطة نص كثير، ومعظم الأسئلة اللاحقة يحتاج قسماً واحداً منه.
عمّا يبحث
تفصل الأداة حسب نوع المصدر، لأن الأدلة تختلف.
في التصوير الحقيقي تعيد بناء المواقع ومواضع الكاميرا والتأطير وحركة الكاميرا والإضاءة وتصحيح الألوان. يزعم ملف README أن تفكيك تصوير حقيقي يستطيع سرد اثني عشر موقعاً مع قوائم المعدات، وهذا نوع التفصيل الذي يفصل تفكيكاً مفيداً عن وصف انطباعي. إذا كنت تحاول محاكاة مظهر ما، فمعرفة أن هناك اثني عشر موقعاً وما كان في كل منها أثمن من صفة واحدة.

في فيديو الذكاء الاصطناعي تجمع الأدلة اللازمة للتصنيف، ثم تكتب لكل لقطة prompt معكوس الهندسة، وتصف كيف جُمعت اللقطات في عمليات توليد. هذا الجزء الأخير هو ما يفوته معظم الناس عند محاولة إعادة إنشاء فيديو ذكاء اصطناعي. مقطع من عشرين ثانية بثماني لقطات هو عادة ثلاث عمليات توليد، تُستخرج من كل واحدة عدة لقطات، وهذا يغيّر التكلفة ومشكلة الاتساق معاً.
في الفيديو المبرمج، أي الرسوم المتحركة التي يُصيّرها الكود، تحدد التقنية المستخدمة. هذه الفئة موجودة لأن حصة متزايدة من الفيديو القصير المصقول الذي تراه لم تصوّره كاميرا ولم يولّده نموذج. بل كُتب.
يصدر ملف README أيضاً بعشر لغات، وهذا بالنسبة لأداة موجهة إلى الوكلاء لا يتعلق كثيراً بالمستخدمين الدوليين بقدر ما يتعلق بقراءة النموذج للتعليمات باللغة التي وصل بها الـ prompt. منشئ محتوى صيني يسأل بالصينية يحصل على README بالصينية، ويفهم الوكيل سير العمل على نحو أفضل تبعاً لذلك.
اختيارياً يمكنك إعطاء الوكيل نموذجاً قادراً على مشاهدة الفيديو، وGemini وDoubao كلاهما يعمل، عبر تمرير endpoint ومفتاح. هذا يحسّن أحكام التصوير الحقيقي والذكاء الاصطناعي والـ 3D، ويضيف الـ prompt المعكوس لكل لقطة. ومن دونه يعمل أيضاً: إذا كان وكيلك يرى الصور، فإنه يفحص اللقطات غير المؤكدة بنفسه.
لماذا هذا هو النصف المفيد من فيديو الذكاء الاصطناعي
صار التوليد محلولاً إلى حد الملل. كل أسبوع تصدر ثلاثة نماذج قادرة على إنتاج لقطة مقنعة من ثماني ثوان. الذي لم يُحل هو ما يفعله المدير الإبداعي في أول عشر دقائق من جلسة الإحاطة: ينظر إلى مرجع، ويكتشف كيف بُني، ثم يقرر أي أجزاء تستحق النسخ وأي أجزاء جاءت مصادفة من الميزانية.
كانت هندسة الفيديو العكسية مهارة تنتقل في بيوت المونتاج. تجمّد إطاراً، وتنظر إلى تلاشي الضوء الرئيسي، وتعد القطعات، وتلاحظ تكرار الخلفية، وتستنتج أن التصوير جرى في موقع واحد بعدسة طويلة. تحوّل rea-video ذلك إلى عملية يستطيع الوكيل تنفيذها على أي ملف، بتكلفة تُقاس بالـ tokens لا بالأجر اليومي.
المنطق التجاري يأتي بعد ذلك. العلامات تريد أن تعرف لماذا يبدو إعلان منافس مكلفاً. والوكالات تريد تقديم معالجة تطابق مرجعاً. ومنشئو محتوى الذكاء الاصطناعي يريدون إعادة إنتاج مظهر دون تخمين prompts طوال عصر. الثلاثة طلب واحد: أخبرني مما صُنع هذا.
التجاور المقلق
هناك استخدام ثانٍ أقل راحة. في الأسبوع نفسه، أصدر مشروع باسم BLA طبقة دفاع تقوم فكرتها كلها على أن وكلاء الهندسة العكسية بالذكاء الاصطناعي يستطيعون فتح تطبيق مُوزّع واستنساخ منطقه في ثوانٍ مقابل نحو عشرين سنتاً. وrea-video هو النصف الهجومي من هذا الزوج، لكنه موجه إلى الفيديو لا إلى الملفات التنفيذية.
الفرق قانوني وثقافي. تفكيك فيديو لتتعلم كيف أُضيء هو مدرسة سينما. وتفكيك تطبيق مترجم لتأخذ منطق عمله شيء آخر. لكن الأدوات تتقارب: الوكيل القادر على تحليل فيديو إلى لقطات وprompts ومواقع هو من النوع نفسه الذي يحلل أرشيف `.asar` إلى source maps. في الحالتين يجري توجيه النموذج إلى أثر بشري وسؤاله ما هذا.
في الوقت الحالي، تأطير rea-video تعليمي. يبدأ ملف README بكلمة remake لا clone، والتقارير مكتوبة لتعليم. سيصمد هذا التأطير ما دامت المخرجات وصفية. وفي اللحظة التي يبني فيها أحدهم خطاً يلتقط إعلان منافس ويستخرج الـ prompts ويعيد توليده بمنتجه الخاص، يتغير الحديث، وستكون الأداة في وسطه.
قد تعيش الصيغة أطول من الأداة
`VIDEO.md` هو الجزء الذي سأراقبه. وصف مفتوح ومتعدد الطبقات لكيفية صناعة فيديو مفيد خارج هذه الأداة: مكتبة مقاطع قد ترفق واحداً مع كل مقطع، ووكالة قد ترفقه بمعالجة، ونموذج قد يُدرّب على قراءتها وكتابتها.
إن حدث ذلك، تصبح الأداة تطبيقاً واحداً لمعيار، وهذه نتيجة أفضل للجميع من مستودع واحد شائع. ملف README بعشر لغات ومواصفة الصيغة العلنية يشيران إلى أن المؤلف يفكر في هذا الاتجاه.
لمن يصنع فيديو الذكاء الاصطناعي اليوم، القيمة العملية أبسط. صار لديك طريقة للإجابة عن السؤال الذي كان يبطئ كل مشروع فيديو بالذكاء الاصطناعي: ما الذي نحاكيه بالضبط. هذا السؤال كان يكلف اجتماعاً. والآن يكلف ملف فيديو ودقائق من وقت الوكيل.
مقالات ذات صلة
خادم واحد ومذيعة ذكاء اصطناعي واحدة: داخل الكود الذي يُشغّل بثًا ليليًا
open-yoki هو الكود الإنتاجي لمذيعة ذكاء اصطناعي تبث كل ليلة على Binance Square، بعد نزع الشخصية والصوت وكل ما يمس المال. متصفح Chrome يرسم الإطار، وffmpeg يدفع RTMP، ومجلد Markdown يحدد مزاجها وما تنشره.
Pinky يدع الـ agent يقود هاتفك، ويُبقي زر الإرسال مضغوطًا حتى تنقر على «السماح»
يوصّل Pinky أي agent يعمل بـ MCP بهاتف iPhone أو Android حقيقي، ويفرض الموافقة في بوابته هو لا في prompt. تطبيقات البنوك غير مرئية، وحقول كلمة المرور ممنوعة، وعلى Android 13 يحصل الـ agent على شاشة ثانية مخفية.
SeedRealtime من ByteDance يلتقط إطارين في الثانية ويقرر بنفسه متى يتكلم
يجمع Doubao-Seed-Realtime-1.0 إطارات الكاميرا وإطارات الشاشة والصوت في جلسة واحدة ثنائية الاتجاه، بإطارين في الثانية كحد أقصى. القرارات المثيرة هي معدل الإطارات، والكلام التلقائي، وردّ التدقيق الذي يأتي مفعّلاً من المصنع.
أحدهم وضع قوانين العالم في git، فصار بالإمكان عمل blame لمادة قانونية
يحفظ global-law نصوص القوانين في كل بلد داخل مستودع git يمثّل فيه كل commit قانونًا يدخل حيّز التنفيذ في تاريخ معروف. يمكنك تشغيل log وblame وshow وdiff على مادة ما، والسؤال عمّا كان ساريًا في كل بلد في يوم معيّن، وتسليم المدوّنة كاملة إلى مساعد عبر MCP.