rea-video - 开源 AI 视频逆向工具，反推镜头复刻视频 - AiBoss

rea-video是什么

rea-video 是开源的 AI 视频逆向工程工具，专为 AI Agent 设计。rea-video 会逐镜头判断画面是实拍、AI 生成还是代码动效，拆出机位布光、字幕样式、剪辑节奏与音频构成，输出逐镜报告和复刻方案，还能反推镜头提示词，搭配复刻工具替换商品人物出新片。本地需 ffmpeg 与 Python 3.10+，接入视觉模型后判断更准。

rea-video的主要功能

视频类型判定：逐镜头判断画面是真人实拍、AI 生成、3D 渲染、代码动效还是录屏，混合剪辑按段拆分后重组。
制作方式拆解：输出机位与布光方案、相机运动、色彩调校，或反推每个 AI 镜头的提示词与所需参考素材。
字幕与装饰元素提取：给出每行字幕的起止时间、颜色、描边和入场动效，可导出 SRT/ASS，并定位贴纸、表情和画中画的位置与停留时长。
剪辑与音频分析：标出切点位置、剪辑节奏及其与音乐节拍的对应关系，判断人声/AI 配音、AI 或曲库音乐及其 BPM、音效落点。
复刻方案生成：把镜头按目标视频模型的能力批量整理成生成计划，区分需要实拍、生成和写代码的部分，输出逐镜截图的 HTML 报告。

rea-video的技术原理

镜头切分：先对视频做镜头边界检测并按真实时间戳切分（对可变帧率视频按实际帧时间对齐切点），同时把音轨分离成人声、音乐、音效三条轨，为后续按类型取证做准备。
多模态证据采集：量化层面测量帧节奏、传感器噪声、整幅画面是否作为单一平面运动，并检查元数据中的 AIGC 标签；视觉层面由模型检查手部、文字、物理合理性；听觉层面分析 BPM、调性、区分演唱与说话。
证据优先级决策：硬证据（优先于”看起来像”的模型直觉，两类结论冲突时标记为存疑，交给 Agent 目视复核，把误判率压到最低。
按模型能力规划复刻：内置视频/图像/音频模型的能力表，据此把镜头批处理成最省生成次数的计划，并决定某段该用视频模型生成还是让 LLM 写 Blender/Three.js/Remotion 代码重建。
Agent 驱动架构：项目以 CLI 加 Skill 的形式供 Claude Code、Codex 等 Agent 调用，可无视频模型运行，接入 Gemini 或豆包后可自动为每个镜头反写提示词，准确性与自动化程度同时提升。

微信关注回复“开源”，加入AI开源项目交流群

如何使用rea-video

准备环境：电脑上装好 ffmpeg 和 Python 3.10+。
选择 Agent：在 Claude Code、Codex 或任何能执行命令的 AI Agent 中使用。
安装项目：对 Agent 说一句”安装 https://github.com/JuneYaooo/rea-video”可自动完成。
发起拆解：告诉 Agent”拆解这条视频 /path/to/video.mp4″，它会运行整套流程。
接入视觉模型：给 Agent 提供 Gemini 或豆包的接口地址和 Key，逐镜判断更准且能反推提示词；不接则由 Agent 直接看图复核存疑镜头。
查看结果：得到一句话总结、分”实拍/生成/写代码”三类的复刻计划，以及含逐镜截图和音频拆解的 report.html。
继续复刻：把报告交给 cheap-claude-video 或 Hypit 等工具，按配方生成替换元素的新版本。

rea-video的核心优势

覆盖面广：真人实拍、AI 生成、3D 动画、代码动效、录屏及混合剪辑都能拆，且混合片逐段单独判断。
证据驱动：以帧节奏、传感器噪声、AIGC 元数据等硬证据优先于模型直觉，冲突项交 Agent 复核，官方自测原始视频准确率约 99%。
输出即配方：能给结论，还给出机位布光清单、反推提示词和按模型能力批量组织的复刻计划，拿到就能照做。
颗粒度极细：字幕起止与样式、贴纸位置、切点与音乐节拍关系、人声/AI 配音、BPM 全部量化拆解。
Agent 原生：以 CLI+Skill 形态接入 Claude Code、Codex 等 Agent，一句指令自动装环境跑全流程，门槛极低。

rea-video的项目地址

GitHub仓库：https://github.com/JuneYaooo/rea-video

rea-video的同类竞品对比

维度	rea-video	Hypit
核心定位	视频逆向分析：逐镜头拆出制作方式并给复刻配方	视频复刻执行：参考视频生成可编辑的新制作流程
解决什么问题	“这条视频是怎么做出来的”	“怎么批量做出类似的新视频”
输入	任意成品视频	参考视频+需替换的元素（商品/人物等）
输出	逐镜 HTML 报告、证据、反推提示词、机位布光与音频拆解、复刻计划	可编辑的视频工程与成片（画面、字幕、动效重组）
技术重心	证据驱动检测：帧节奏、传感器噪声、AIGC 元数据、多模态取证	Agent 驱动生成管线：分镜重组、元素替换、批量出片
典型用户	研究竞品视频做法的创作者、MCN、AI 视频玩家	需快速批量产出变体带货/广告视频的团队
两者关系	上游拆配方，输出可直接被 Hypit 消费	下游照配方出片，常与 rea-video 配合使用

rea-video的应用场景

电商带货复刻：拆解爆款带货视频的机位、分镜与字幕节奏，换自家商品批量产出同款。
MCN 竞品研究：逐镜分析竞品视频构成（实拍占比、AI 生成段、代码动效），摸清其制作成本与流程。
AI 短片创作提效：把喜欢的 AI 短片反推出每镜提示词和生成参数，省去自行摸索的试错成本。
混合内容拆解：对”真人+AI 角色+录屏”的混合视频逐段判定制作方式，按原时间线重组出自己的版本。
科普/动效仿制：将 3D 科普、代码动效类视频还原为 Blender/Remotion 重建思路，用更低成本复现类似效果。