rea-video:看一遍影片,告訴你它是怎麼拍出來的

專案頁面上的示範圖是兩支直式影片並排。左邊是一支手機拍的 TikTok 廣告。右邊是同一個創意、換了產品的 AI 重製版。下方的拆解寫著:左邊全是實拍素材,一個場景,兩個機位;右邊全是 AI,八個鏡頭,分屬三個生成批次。
這個判斷本身就是產品。rea-video 上線一個月拿到 8,494 stars,它把一支影片拆成一個個鏡頭,再為每個鏡頭回答三個問題:這是拍的、生成的,還是程式碼畫出來的,以及你會怎麼再做一次。
安裝的方式,是叫 agent 去安裝
快速開始就是一句貼進 Claude Code 或 Codex 的話:安裝這個 repo,然後拆解這支影片。agent 自己讀 README、裝 CLI、摸清流程、跑起來。相依只有 ffmpeg 和 Python 3.10 以上,沒有什麼稀奇的東西。
這種散布方式正在變成常態,但還是值得記一筆。安裝說明是寫給 LLM 照著做的,不是寫給人照順序複製貼上的。這代表專案可以自己改安裝步驟,而不會打壞任何人的肌肉記憶,因為肌肉記憶屬於模型。
輸出是兩個檔案。一份 HTML 或 PDF 報告,結構是給人讀的,讓人看懂這支影片是怎麼組起來的。還有一個 `VIDEO.md`,用的是公布在 videomd.github.io 的開放格式,分層組織,agent 只讀問題需要的那一層。分層是個 token 決定:一支三十個鏡頭的廣告完整拆解下來是一大堆文字,而大多數追問只需要其中一節。
它看的是什麼
工具按素材類型分流,因為證據不一樣。
對實拍素材,它還原場景與機位、構圖、運鏡、打光,還有調色。README 宣稱一次實拍拆解可以列出十二個機位,附器材清單,這種細節正是有用的拆解與「感覺很高級」之間的差別。如果你想對上某種質感,知道有十二個機位、每個機位裡擺了什麼,比一個形容詞值錢得多。

對 AI 影片,它先蒐集用於分類的證據,再為每個鏡頭寫一條反推出來的提示詞,然後說明這些鏡頭是怎麼分批送進生成的。最後這一點是多數人重做 AI 影片時漏掉的部分。一支二十秒、八個鏡頭的片子,通常是三個生成批次,每批挑出幾個鏡頭,這同時改變了成本和一致性的問題。
對程式碼影片,也就是用程式碼算出來的動態圖形,它會指出用的是哪種技術。這個類別之所以存在,是因為你看到的精緻短影音裡,越來越大的一部分既沒拍過也沒生成過。它是寫出來的。
README 還出了十種語言,對一個面向 agent 的工具來說,這不太是為了國際使用者,更多是為了讓模型用它收到提示詞的那種語言去讀說明。一個中文創作者用中文提問,就拿到中文 README,agent 對流程的理解也跟著變好。
你也可以選擇給 agent 配一個能看影片的模型,Gemini 和 Doubao 都可以,把端點和金鑰交給它。這樣實拍、AI、3D 的判斷會更準,並且補上每個鏡頭的反推提示詞。不配也能跑:如果你的 agent 看得到圖,它會自己去看那些沒把握的鏡頭。
為什麼這才是 AI 影片有用的那一半
生成這件事已經被解決到無聊的程度。每週都有三個模型能做出一個像樣的八秒鏡頭。沒被解決的是創意總監在 briefing 開頭十分鐘做的事:看一眼參考片,弄清楚它是怎麼搭出來的,再決定哪一部分值得抄、哪一部分是預算的意外。
反推一支影片,以前是後期公司裡師徒相傳的手藝。你定格一格,看主光的衰減,數切點,發現背景在重複,然後得出結論:這次拍攝只有一個場地和一顆長焦。rea-video 把這套東西變成一個 agent 可以對任何檔案跑一遍的流程,成本按 token 算,不按日薪算。
商業邏輯跟著來。品牌想知道競品的廣告為什麼看起來貴。代理商想提一個和參考片對得上的案子。AI 創作者想重現某種質感,又不想花一個下午猜提示詞。這三件事是同一個請求:告訴我這東西是由什麼組成的。
讓人不舒服的鄰接關係
還有第二種不那麼舒服的用法。同一週,一個叫 BLA 的專案釋出了一層防護,它的全部前提是:AI 反推 agent 可以把一個已經發布的 app 拆開,在幾秒內複製它的邏輯,成本大約二十美分。rea-video 是這一對裡的攻擊那一半,只是對象是影片而不是執行檔。
差別在法律和文化上。拆一支影片來學它怎麼打光,這是電影學院。拆一個編譯好的 app 來搬走它的商業邏輯,是另一回事。但工具在趨同:一個能把影片分解成鏡頭、提示詞和機位的 agent,和把 `.asar` 壓縮檔分解成 source map 的是同一類 agent。兩者都是把模型指著一件人造物,問它這是什麼。
目前 rea-video 的定位是教學。README 開頭寫的是 remake,不是 clone,報告也是按教人的方式寫的。只要輸出還停在描述層面,這個定位就站得住。一旦有人做出一條流程,把競品的廣告拿過來、抽出提示詞、換成自己的產品重新生成,討論就會變,而這個工具會站在中間。
格式可能比工具活得更久
我會盯著看的是 `VIDEO.md`。一份開放的、分層的、關於影片怎麼拍出來的描述,用處不止於這一個 CLI:素材庫可以幫每段素材配一份,代理商可以幫每個提案附一份,模型可以被訓練來讀和寫這種東西。
如果真走到那一步,這個工具就變成一個標準的一種實作,對所有人來說,這比一個爆紅的 repo 是更好的結局。十種語言的 README 和公開的格式規範,說明作者是往這個方向想的。
對今天就在做 AI 影片的人來說,實用價值更簡單。你現在有辦法回答那個拖慢過每一個 AI 影片專案的問題:我們到底在對標什麼。這個問題以前要花一場會議,現在只需要一個影片檔和幾分鐘的 agent 時間。
相關文章
ByteDance 的 SeedRealtime 每秒只取兩張影格,再自己決定什麼時候開口
豆包 Seed-Realtime-1.0 把攝影機畫面、螢幕畫面和語音合成一個全雙工工作階段,每秒最多推兩張影格。有意思的決定是影格率、主動說話,以及預設就開著的審核回覆。
一台 server、一個 AI 主播:夜間直播背後的程式碼
open-yoki 是一個每晚在 Binance Square 直播的 AI 主播的生產程式碼,人格、聲音和跟錢有關的功能都拿掉了。headless Chrome 畫幀,ffmpeg 推 RTMP,一個 Markdown 資料夾決定她的情緒和要發的東西。
Pinky 讓 agent 開你的手機,並且一直按著傳送鍵,直到你按下允許
Pinky 把任何 MCP agent 接到真的 iPhone 或 Android 手機上,審批在自己的閘道裡執行,不寫成 prompt。銀行類 App 對 agent 不可見,密碼欄位碰不到,在 Android 13 上 agent 還能拿到一塊隱藏的第二螢幕。
有人把全世界的法律放進了 git,於是你可以 blame 一條法條
global-law 把每個國家的法令存成一個 git 儲存庫,每次 commit 就是一部在某個已知日期生效的法律。你可以對一條法規跑 log、blame、show 和 diff,查某一天各國在施行什麼法,並透過 MCP 把整份語料交給助理。