← 返回博客
Ai预计阅读 9 分钟

rea-video:看一遍视频,告诉你它是怎么拍出来的

发布于 2026年11月14日
rea-video:看一遍视频,告诉你它是怎么拍出来的

仓库页面上的演示图是两条竖屏视频并排摆着。左边是一条手机拍的 TikTok 广告。右边是用同一个创意、换了产品的 AI 重制版。下面的拆解说明写着:左边全是实拍素材,一个场景,两个机位;右边全是 AI,八个镜头,分属三代生成。

这个判断本身就是产品。rea-video 上线一个月拿到 8,494 stars,它把一个视频拆成一个个镜头,然后为每个镜头回答三个问题:这是拍的、生成的,还是代码画出来的,以及你会怎么再做一遍。

装上它的方式是让 agent 去装

快速开始就是一句粘进 Claude Code 或 Codex 的话:安装这个仓库,然后拆解这个视频。agent 自己读 README、装 CLI、学会流程、跑起来。依赖只有 ffmpeg 和 Python 3.10 以上,没有任何稀奇东西。

这种分发方式正在变成常态,但仍然值得记一笔。安装说明是写给大模型照着做的,不是写给人按顺序复制的。这意味着项目可以自己改安装步骤,而不会破坏任何人的肌肉记忆,因为肌肉记忆属于模型。

输出是两个文件。一份 HTML 或 PDF 报告,结构是给人读的,让人看懂这个视频是怎么拼起来的。还有一个 `VIDEO.md`,用的是发布在 videomd.github.io 的开放格式,分层组织,agent 只读问题需要的那一层。分层是个 token 决定:一条三十个镜头的广告完整拆解下来是很多文字,而大多数追问只需要其中一节。

它看什么

工具按素材类型分流,因为证据不一样。

对实拍素材,它还原场景和机位、构图、运镜、布光,还有调色。README 声称一次实拍拆解可以列出十二个机位,外加器材清单,这种细节正是有用的拆解和「感觉挺高级」之间的区别。如果你想复刻某种质感,知道有十二个机位、每个机位里放了什么,比一个形容词值钱得多。

几片薄玻璃错落叠放在深色台面上,每一片映出不同的反光,其中一片立起,冷色顶光在左缘带出黄铜色反射

对 AI 视频,它先收集用于归类的证据,然后为每个镜头写一条反推出来的提示词,再说明这些镜头是怎么分批送进生成的。最后这一点是大多数人复刻 AI 视频时漏掉的部分。一条二十秒、八个镜头的片子,通常是三代生成,每代里挑出几个镜头,这同时改变了成本和一致性问题。

对代码视频,也就是用代码渲染出来的动态图形,它会指出用的是什么技术。这个类别之所以存在,是因为你看到的那些精致的短视频里,越来越大的一部分既没拍过也没生成过。它是写出来的。

README 还提供了十种语言,对一个面向 agent 的工具来说,这不完全是为了国际用户,更多是为了让模型用它收到提示词的那种语言去读说明。一个中国创作者用中文提问,就拿到中文 README,agent 对流程的理解也随之变好。

你还可以选择给 agent 配一个能看视频的模型,Gemini 和 Doubao 都行,把端点和密钥交给它。这样实拍、AI、3D 的判断会更准,并且补上每个镜头的反推提示词。不配也能跑:如果你的 agent 能看图,它会自己去看那些拿不准的镜头。

为什么这才是 AI 视频有用的那一半

生成这件事已经被解决到无聊的程度。每周都有三个模型能做出一个像样的八秒镜头。没被解决的是创意总监在 briefing 头十分钟里干的事:看一眼参考片,弄明白它是怎么搭出来的,然后决定哪部分值得抄、哪部分是预算的意外。

反推一个视频,以前是后期公司里师父带徒弟的手艺。你暂停一帧,看主光的衰减,数切点,发现背景在重复,然后得出结论:这次拍摄只有一个场地和一只长焦。rea-video 把这套东西变成一个 agent 可以对任何文件跑一遍的流程,成本按 token 算,不按日薪算。

商业逻辑跟着就来了。品牌想知道竞品的广告为什么看起来贵。代理商想提案一个和参考片对得上的方案。AI 创作者想复现某种质感,又不想花一下午猜提示词。这三件事是同一个请求:告诉我这东西是由什么构成的。

令人不适的邻接关系

还有第二种不那么舒服的用法。同一周,一个叫 BLA 的项目放出了一层防护,它的全部前提是:AI 反推 agent 可以把一个已经发布的 app 拆开,在几秒钟内克隆它的逻辑,成本大约二十美分。rea-video 是这一对里的攻击那一半,只不过对象是视频而不是二进制。

差别在法律和文化上。拆一个视频来学它怎么打光,这是电影学院。拆一个编译好的 app 来搬走它的业务逻辑,是另一回事。但工具在趋同:一个能把视频分解成镜头、提示词和机位的 agent,和把 `.asar` 归档分解成 source map 的是同一类 agent。两者都是把模型指着一件人造物,问它这是什么。

眼下 rea-video 的定位是教学。README 打头的是 remake,不是 clone,报告也是按教人的方式写的。只要输出还停在描述层面,这个定位就站得住。一旦有人搭出一条流水线,把竞品的广告拿过来、抽出提示词、换成自己的产品重新生成,讨论就会变,而这个工具会站在中间。

格式可能比工具活得更久

我会盯着看的是 `VIDEO.md`。一份开放的、分层的、关于视频怎么拍出来的描述,用处不止于这一个 CLI:素材库可以给每条素材配一份,代理商可以给每个提案附一份,模型可以被训练来读和写这种东西。

如果真到了那一步,这个工具就变成一个标准的一种实现,对所有人来说,这比一个爆火的仓库是更好的结局。十种语言的 README 和公开的格式规范说明作者是往这个方向想的。

对今天就在做 AI 视频的人来说,实用价值更简单。你现在有办法回答那个拖慢过每一个 AI 视频项目的问题:我们到底在对标什么。这个问题以前要花一场会,现在只需要一个视频文件和几分钟的 agent 时间。

相关文章