rea-video guarda un video e ti dice come è stato fatto

L'immagine di demo sulla pagina del repository mostra due video verticali affiancati. A sinistra uno spot TikTok girato col telefono. A destra un rifacimento con AI dello stesso concept con un altro prodotto. L'analisi sotto dice che a sinistra è tutto girato, un set, due posizioni di camera; a destra è tutto AI, otto inquadrature su tre generazioni.
Quel verdetto è il prodotto. rea-video, 8,494 stelle un mese dopo il lancio, smonta un video inquadratura per inquadratura e risponde a tre domande per ciascuna: è stato girato, generato o disegnato dal codice, e come lo rifaresti.
Si installa chiedendo a un agente di installarlo
La guida rapida è una frase da incollare in Claude Code o Codex: installa questo repository, poi analizza questo video. L'agente legge il README, installa la CLI, impara il flusso e lo esegue. Servono ffmpeg e Python 3.10 o superiore, niente di esotico.
Questo modello di distribuzione sta diventando normale e vale comunque la pena di annotarlo. Le istruzioni di installazione sono scritte perché le segua un LLM, non perché un umano le copi in ordine. Significa che il progetto può cambiare i propri passaggi di setup senza rompere la memoria muscolare di nessuno, perché la memoria muscolare è del modello.
L'output arriva in due file. Un report in HTML o PDF, strutturato perché una persona lo legga e capisca come il video è stato montato. E un file `VIDEO.md` in un formato aperto pubblicato su videomd.github.io, a strati, così che un agente legga solo lo strato che serve alla domanda. La stratificazione è una decisione sui token: l'analisi completa di uno spot da trenta inquadrature è molto testo, e quasi tutte le domande successive ne richiedono una sola sezione.
Cosa cerca
Lo strumento separa per tipo di sorgente, perché le prove sono diverse.
Per il girato ricostruisce set e posizioni di camera, inquadratura, movimenti di macchina, luce e color grading. Il README sostiene che un'analisi di live action possa elencare dodici set con le liste dell'attrezzatura, ed è quel tipo di dettaglio a separare uno smontaggio utile da una descrizione d'atmosfera. Se stai cercando di replicare un look, sapere che ci sono dodici set e cosa c'era in ciascuno vale più di un aggettivo.

Per il video AI raccoglie le prove della classificazione, poi scrive un prompt ricostruito a ritroso per ogni inquadratura e descrive come le inquadrature sono state raggruppate in generazioni. Quest'ultima parte è quella che quasi tutti saltano quando provano a ricreare un video AI. Un clip di venti secondi con otto inquadrature di solito sono tre generazioni, con diverse inquadrature estratte da ciascuna, il che cambia sia il costo sia il problema di coerenza.
Per il video scritto in codice, cioè motion graphics renderizzato da codice, identifica la tecnica. Quella categoria esiste perché una quota crescente del video breve curato che vedi non è mai stato girato né generato. È stato scritto.
Il README esce anche in dieci lingue, il che per uno strumento pensato per gli agenti riguarda meno gli utenti internazionali e più il fatto che il modello legga le istruzioni nella lingua in cui è arrivato il prompt. Un creatore cinese che chiede in cinese riceve un README in cinese, e la comprensione del flusso da parte dell'agente migliora di conseguenza.
Facoltativamente puoi dare all'agente un modello capace di vedere i video, Gemini o Doubao funzionano entrambi, passando endpoint e chiave. Migliora i giudizi girato/AI/3D e aggiunge il prompt ricostruito per inquadratura. Senza funziona lo stesso: se il tuo agente vede le immagini, ispeziona da solo le inquadrature incerte.
Perché questa è la metà utile del video AI
La generazione è risolta al punto da annoiare. Ogni settimana escono tre modelli capaci di produrre un'inquadratura da otto secondi plausibile. Non è risolto quello che fa un direttore creativo nei primi dieci minuti di un briefing: guardare un riferimento, capire come è stato costruito, e poi decidere quali parti vale la pena copiare e quali sono incidenti di budget.
Il reverse engineering di un video era un mestiere che si tramandava nelle case di postproduzione. Congeli un fotogramma, guardi la caduta della luce principale, conti gli stacchi, noti che lo sfondo si ripete e concludi che le riprese avevano una sola location e un'ottica lunga. rea-video trasforma tutto questo in un processo che un agente può eseguire su qualsiasi file, a un costo misurato in token invece che in tariffe giornaliere.
La logica commerciale segue. I brand vogliono sapere perché lo spot di un concorrente sembra costoso. Le agenzie vogliono proporre un trattamento che somigli a un riferimento. I creator AI vogliono riprodurre un look senza passare un pomeriggio a indovinare prompt. Sono tre richieste identiche: dimmi di cosa è fatto.
La vicinanza scomoda
C'è un secondo uso, meno comodo. La stessa settimana, un progetto chiamato BLA ha rilasciato uno strato di difesa la cui premessa è che gli agenti di reverse engineering AI possono aprire un'app già distribuita e clonarne la logica in pochi secondi per circa venti centesimi. rea-video è la metà offensiva di quella coppia, rivolta al video invece che ai binari.
La differenza è legale e culturale. Smontare un video per imparare come è stato illuminato è scuola di cinema. Smontare un'app compilata per portarne via la logica di business è un altro atto. Ma gli strumenti convergono: un agente che scompone un video in inquadrature, prompt e set è dello stesso tipo di quello che scompone un archivio `.asar` in source map. In entrambi i casi si punta un modello su un artefatto e gli si chiede che cos'è.
Per ora la cornice di rea-video è didattica. Il README parte da remake, non da clone, e i report sono scritti per insegnare. Quella cornice regge finché gli output restano descrittivi. Nel momento in cui qualcuno costruisce una pipeline che prende lo spot di un concorrente, ne estrae i prompt e lo rigenera col proprio prodotto, la conversazione cambia, e lo strumento sarà nel mezzo.
Il formato potrebbe sopravvivere allo strumento
`VIDEO.md` è la parte che guarderei. Una descrizione aperta e stratificata di come è stato fatto un video serve oltre questa CLI: una library di stock potrebbe fornirne una con ogni clip, un'agenzia potrebbe allegarne una a un trattamento, un modello potrebbe essere addestrato a leggerle e scriverle.
Se succede, lo strumento diventa un'implementazione di uno standard, che è un esito migliore per tutti rispetto a un singolo repository popolare. Il README in dieci lingue e la specifica pubblica del formato suggeriscono che l'autore stia pensando in quella direzione.
Per chi fa video AI oggi, il valore pratico è più semplice. Adesso hai un modo per rispondere alla domanda che ha rallentato ogni progetto di video AI: a cosa stiamo esattamente cercando di somigliare. Quella domanda prima costava una riunione. Adesso costa un file video e qualche minuto di agente.
Articoli correlati
Un server, una streamer IA: dentro il codice che manda avanti una diretta notturna
open-yoki è il codice di produzione di una host IA che va in diretta ogni sera su Binance Square, con persona, voce e funzioni legate al denaro rimosse. headless Chrome disegna il frame, ffmpeg spinge RTMP, una cartella di Markdown decide umore e post.
Pinky lascia che un agent guidi il tuo telefono e tiene premuto Invia finché non tocchi Consenti
Pinky collega qualsiasi agent MCP a un iPhone o Android vero e impone l'approvazione nel proprio gateway invece che in un prompt. Le app bancarie sono invisibili, i campi password sono off limits e su Android 13 l'agent riceve un secondo schermo nascosto.
AnyModelBot mette un piccolo team di bot IA sulla tua macchina, chiavi comprese
AnyModelBot è un'app desktop che fa girare più bot insieme, ognuno con la sua persona, il suo modello, la sua cartella di lavoro e la sua memoria. Ci parli dentro l'app oppure da WeChat, Feishu, Telegram, Slack e Discord, e file, cronologia e chiavi API restano sul tuo disco.
SeedRealtime di ByteDance prende due frame al secondo e decide quando parlare
Doubao-Seed-Realtime-1.0 mette frame di camera, frame di schermo e voce in un'unica sessione full duplex, a non più di due frame al secondo. Le decisioni interessanti sono la frequenza dei frame, il parlato proattivo e la risposta di audit attiva di serie.