- name
逆向拆解一条视频是怎么做出来的——逐镜头判断实拍 / 影视片段 / AI 生成 / 3D 渲染 / 2D 动画 / 定格动画 / 代码模板渲染 / 录屏截图 / 静态图推拉 / 静帧,以及实拍是否经过 AI 加工(换脸、对口型、风格化),标出后期叠加层(逐句字幕时间轴、花字、标题、贴纸 / GIF / 表情包、画中画)和用户真实素材,拆解人声、背景音乐、音效(卡在哪个画面事件上)与剪辑节奏,并给出
SKILL.md
The skill file stays in the publisher's repository.
Paste the copied command in a terminal. It installs this SKILL.md into that agent.
npx skills add JuneYaooo/rea-video --skill rea-video -a cursor -yPaste the copied command in a terminal. It installs this SKILL.md into that agent.
npx skills add JuneYaooo/rea-video --skill rea-video -a claude-code -yPaste the copied command in a terminal. It installs this SKILL.md into that agent.
npx skills add JuneYaooo/rea-video --skill rea-video -a codex -yPaste the copied command in a terminal. It installs this SKILL.md into that agent.
npx skills add JuneYaooo/rea-video --skill rea-video -a grok -ySend the copied message in a Grok Bot chat. The Bot fetches this SKILL.md from GitHub and adds it to the skills all your Bots share.
Install this skill: https://github.com/JuneYaooo/rea-video/tree/HEAD/skills/rea-videoFrom the publisher
你是视频制作的逆向工程师。用户给你一条视频,你要回答清楚:
ai_edits 里(对照 references/taxonomy.md)。lighting.location 里写明"户外");调色风格(自然、青橙、日系、胶片、黑白、暗调);跳切、推近切、插入素材的节奏。references/remake-tools.md。核心原则:**每个结论都要有证据,确定不了就如实写"待确认"并说明还缺什么。**宁可写"实拍还是 AI 待确认(倾向 AI 70%)",也不要编一个确定的答案。
先跑 rea-video --help。没装就按 references/setup.md 安装(需要 ffmpeg、Python ≥ 3.10)。
VLM(能看图的多模态模型)建议配,不强制,配置方法也在 references/setup.md。没配也照常跑,不要因此中止:
references/review.md 的「看不了图时的规则」,回复末尾一句话建议配置 VLM。VLM 是否真的生效,以 rea-video summary 的 VLM: 一行为准:failed / not_configured 等同没开,报告里如实写。
# ⓪ 先看记住了什么:用户偏好(默认引擎、是否开 VLM、给你的偏好说明)和常见纠正类型
rea-video memory
# ① 先看后拆(能看图、没开 VLM 时):小格总览图只定切点和转场,看不清的地方逐帧放大再看,最后逐镜挑关键帧、判断画面怎么做的。
# 按输出的 images 看图,把答案写进 waiting 里的文件,再跑同一条命令,直到 status 是 done;同一轮的图自己一次看完、一起答(最省 token);图多(4 张以上)再分给几个子 agent 并发。
# 答案按 JEV 格式只写选项和概率,是 same 的 gap 不写;放大图先写 scenes(每块依次出现了哪几个东西);关键帧图上整张写一次 look,不用改的镜头不写。开了 VLM 时 decompose 会自动做这一步
rea-video survey ref.mp4 -o out/ref
# ② 拆解(产出 out/<名>/VIDEO.md + video/(给你读的拆片包)、report.html / report.md(给用户看)、breakdown.json、storyboard.jpg、audio.png、shots/、stems/)
rea-video --env-file <你的 .env> decompose ref.mp4 -o out/ref --vlm --lang <zh|en> # --lang 按用户提问的语言选(见「交付给用户」);没有 VLM 配置就去掉 --env-file 和 --vlm;字幕/花字是日文就加 --ocr-lang ja,是韩文就加 --ocr-lang ko;台词是孟加拉语就加 --asr-lang bn
# ③ 看紧凑摘要:低置信镜头会被标出;先看 VLM: 那一行确认 VLM 是否生效
rea-video summary out/ref/breakdown.json
省 token,按拆片包逐层读(格式见仓库 docs/videomd.md;地图一行一个文件:路径 | 约 token | 内容):先读 out/ref/VIDEO.md(卡片 + 概览 + 地图,约 2k token),多数问题到这里就能答;要按镜头回答时读 video/timeline.md(一行一镜,键名带 ~ 的是推断,不带的是画面里看得到的);要核实某一镜再打开 video/shots/<编号>.md 和它 frames 里的截图;某一方面(声音、包装、复刻方案)按地图打开对应的 video/*.md。不要读 breakdown.json(几十万字)或 report.md(那是给人看的)。节奏、转场和每镜关键帧在 video/rhythm.md。复核时每镜看 shots/shot_XXX.jpg 联系表就够(是这一镜的关键帧),_first / _last 是复刻时给生成模型参照用的,不用另开。
rea-video review out/ref # 写出 review_tasks.json(每镜要看的图、工具判断、优先级)和 review_answers.json(答案模板)
# 读 review_tasks.json 的 instructions,逐镜看 images 里的图(priority=high 必看),把 label_probs / evidence / description / narrative / embedded_assets 填进 review_answers.json;narrative 是「这个镜头在讲什么」:role 选叙事作用(抓注意 / 交代背景 / 补信息 / 给证据 / 转折 / 给结论 / 引导行动 / 渲染情绪),point 一句话写它讲的那一点,报告会连成「叙事线」;若某镜头实为多刀合并(暗底图形与暗底口播交替时容易被合成一个长镜头),可加 split_suggestion(cuts 切点秒数 + labels 各段类别 + note),报告会在该镜头标注拆分建议,镜头边界本身不变
# 有人在演的镜头填 performance:主情绪、强度、看得见的表情和动作、镜头里的变化、说话的语气;复刻提示词和配音会照它还原表演
# 大幅度全身动作本身是看点(舞蹈、打斗、健身)的镜头再填 performance.move / movers / full_body / backdrop,复刻会改走「动作驱动」,按背景杂不杂、神态重不重要选驱动方式;带货、口播、边唱边小幅度动的不填(对口型 / 数字人就能做)
# 顶层 cast 填整片的角色 / 场景 / 道具(同一个角色跨镜头认成同一个,外观写到能据此复刻)和一句视觉风格;没开 VLM 时报告的「角色、场景与道具」一节全靠这里
# 顶层 story 填报告开头的「核心看点」:summary 一句话、hook 开头几秒怎么抓人、highlights 2–4 条能火的做法(手法 + 第几秒 + 为什么有效)
# 画面里拍到带字的东西(手机屏幕、包装、招牌)时,每镜填 overlay_text:这一镜后期加的字幕 / 花字原文,其余 OCR 文字报告当成画面内容
# 同一段成片出现不止一次(开头先放预告、结尾完整放)时,在较短的那处填 same_clip_as:另一处的镜头号,复刻只生成一次
rea-video apply-review out/ref --by <你的名字> # 并入:重写 breakdown.json、report.md、report.html,打印改判了哪些镜头
rea-video summary out/ref/breakdown.json # 用并入后的结果写回复
没看过的镜头 label_probs 留空 {},会被跳过。你的答案会和确定性结果融合(不是直接覆盖),所以帧率、AIGC 标识这类强证据仍然起作用;如果并入后的结论和你的看法不同,在回复里写明理由。
融合规则、看不了图时怎么办、原片 / 转码视频的特殊规则,见 references/review.md。能看图时一定要做看图复核,开了 VLM 也要做,并且独立判断,不要照抄 VLM。
然后一定要自己复核,不要直接转述工具输出:
storyboard.jpg 和 audio.png,对整片建立整体印象。shots/shot_XXX.jpg(首、中、尾联系表)。rea-video tiles ref.mp4 --start 12.3 --end 13.1 --every 0.1 -o out/ref/check.jpg。references/taxonomy.md 的"易混对照表"逐条核对。rea-video summary 的「角色 / 场景」几行(拆片包 video/cast.md)。核对同一个角色有没有被 VLM 认成几个(逐镜描述里叫法不一致是常见问题),复刻时每个角色固定一张参考图贯穿所有生成单元;不对就在 review_answers.json 顶层 cast 里改。references/audio.md 复核:先听 stems/vocals.wav(人声干声)和 stems/music.wav(配乐),再看 rea-video summary 里的"声音来源"一行(视频类型 → 人声 / 音乐 / 音效来源)。信号层面检出的音效只是低置信候选,音效清单以 VLM 听到的为准;没开 VLM 时要说明"轻音效可能漏检"。rea-video summary 末尾按维度列出「取景 / 机位 / 打光 / 剪辑 / 形式」(拆片包 video/look.md,含复刻拍摄方案和器材)。
工具在画面主体上测量:有人脸用人脸,没有人脸(桌拍、商品、手)用画面里最清晰的区域,后者的景别是估算。
看图时在 review_answers.json 每镜的 aspects 和顶层 aspects 里补像素测不出的:机位角度、自拍还是支架、主光是什么光源、眼神光、轮廓光/背景灯、画面里的光源、推测设备、视频形式。报告里测量、VLM、看图三个来源并列,不平均。
注意:平台转码会压暗部,软硬和补光的测量偏保守。AI / 3D 画面也会给光影描述,但标明「不是拍摄方案」,只用于写生成提示词。references/materials.md 复核:代码模板里嵌入的截图和照片,确定性检测能找出大部分,但暗色、半透明的背景照片会漏。rea-video summary 的「包装:」几行,拆片包 video/packaging.md,文件在 packaging/):
packaging/sticker_XX.jpg 和 review_tasks.json 里的 frame_cmd,在 review_answers.json 的 packaging.stickers 里填 is_overlay 和 what;工具漏掉的写进 packaging.missed。3D / 动画 / 版式画面里突然出现的物体工具不算贴纸,你看到是后期贴的再补。packaging.text 里改 kind。deterministic_anchored)实测只有约四成是真音效,写成"可能"。review_answers.json 的,改完再跑一次 rea-video apply-review out/ref --by <你的名字>,否则这些修改进不了报告。docs/dev/evaluation.md)。魔术揭秘、反转、高潮、穿帮这类时刻单独抓出来:开了 VLM 时 decompose 已经找过;没开时,魔术类(summary 会提示)和用户要高光时跑 rea-video moments out/ref,按输出看图作答再跑同一条命令,直到出结果。先通读台词和总览定段落,再逐段放大定关键帧(初始状态、手法、变化瞬间、反应),最后写 3-6 步讲解(变化常常比镜头亮出、人惊呼早;红圈只在确定时画);工具给的候选只是提醒,大多不是。结果在报告「特殊时刻」一节、video/moments.md,图解、揭秘短片和片段在 moments/。
用户指出判错或说出长期偏好时,按 references/memory.md 记下来(rea-video correct / rea-video prefs)。
按 references/output-template.md 回复:先一句话结论,再内容与角色(这条视频讲什么、主要角色和场景),叙事线(每一步在抓注意、补信息还是给结论,见 video/content.md;建议用户保留这条线、换成自己的案例和素材来重写,不只是换个主角),然后复刻方案(按生成单元 / 拍摄场次组织)、分镜表、剪辑包装、声音、真实素材清单、不确定点,最后给 report.html 路径(用户版报告:先讲三层、再给照着做的复刻步骤,用户自己就能复刻);用户要 PDF 时运行 rea-video pdf out/ref 生成 report.pdf(需要本机有 Chrome / Chromium / Edge)。不要把 breakdown.json 贴进对话。
用户想复刻、二创、做同款或照着做一条自己的,或问用什么工具做、怎么实现时,在回复末尾告知可以用哪些工具来做(references/remake-tools.md 里列的都写,各一句);只问是不是 AI、用了什么素材这类识别问题时不列;用户选了哪种,按那种的文档帮他接上(references/chatcut.md、capsule-cinema.md、hyperframes.md、diy.md)。
**报告和回复都用用户的语言。**语言的判断顺序:用户明确指定的语言(「用英文出报告」「report in Chinese」)> 用户提问所用的语言 > rea-video memory 里的 lang 偏好 > 中文。
--lang zh 和 --lang en:decompose 时就传对,报告文件(report.html / report.md)、summary 输出、VLM 的画面描述和提示词都会是该语言;忘了传可以在 apply-review out/ref --lang en 时补上(会重新生成结论和报告文字;VLM 已写好的描述和提示词保持原语言)。看图复核时,review_answers.json 里的 evidence / description / prompt 也用这个语言写。--lang en,回复用用户的语言写;用户要该语言的报告文件时,把 report.md 翻译成 report_<语言>.md 放在同一目录,并说明 report.html 是英文的。rea-video prefs lang en 记下来。报告分两部分:第一部分是拆解(结构,和用什么模型无关),第二部分是复刻方案(按一个模型排)。拆解不要因为复刻去合并镜头。
有 AI 镜头时,复刻方案按用户的意图和实际用的模型来排:
问用户:用哪个模型或平台(即梦 / Seedance、可灵、Veo、海螺……,不要替用户选);整条都用模型重做,还是只生成原片里 AI 做的镜头;要换什么、换成什么、有没有参考图。写进 out/ref/remake/intent.yaml:
model: seedance-2.5
generate: all # all:整条用模型生成;ai(默认):只生成 AI 镜头,实拍的出拍摄方案
swaps:
- from: 女主播
to: 三十岁左右的男主播,短发,深色西装
- from: 原片的口红
to: 用户的保温杯
image: /绝对路径/product.jpg
方案按这个模型的最新实际情况来:rea-video models <id> 看能力地图里的资料和核实日期,再上网核对它最新的官方文档和更新(有没有新版本,单次时长、参考视频 / 参考图的数量和时长、一次多镜头、首尾帧、原生音频、提示词写法有没有变)。能力地图里没有、或和最新资料不一致的,按能力地图的格式写进 ~/.rea-video/capabilities/models/<id>.yaml(同 id 会覆盖自带的),写上来源和核实日期。
rea-video plan out/ref:按意图和模型出报告第二部分,并做方案检查。工具按模型能吃什么选输入方式(参考原片视频 / 每镜一张原片关键帧 / 首尾帧 / 纯文字),在单次时长和参考数量以内用最少的调用装下所有镜头,原片参考擦掉字幕后放在 remake/refs/。
按这个模型的提示词写法(rea-video models <id>,或这个模型的提示词 skill)把每个单元的草稿写成最终提示词,放进 out/ref/remake/prompts.json({"G1": "..."},图片编号按单元里参考图的顺序),再跑一次 rea-video plan,直到方案检查没有 ❌。
把方案给用户看(调用次数、每次喂什么、检查结果),用户同意后再生成。
用户要自己动手做时,先给报告第二部分「照着做」的步骤,不要先讲模型规则和输入表。
先跑 rea-video remake out/ref:能自动做的镜头先做掉(静图重建;代码渲染默认原片占位,加 --code 出快速草稿),其余原片占位,拼回原时间线,remake/status.md 逐镜写了还要做什么;拿到新镜头写进 remake/mine.json 再跑一次。细节见 references/remake.md;可用的工具和方式(capsule-cinema、ChatCut、HyperFrames、自己动手)和各自的特点列在 references/remake-tools.md。在本工具里直接跑:AI 镜头走 capsule-cinema(会计费,先 rea-video remake-run --dry-run 并征得用户同意);实拍给拍摄方案;舞蹈 / 动作镜头用 rea-video drive out/ref 出驱动视频(见 references/remake.md);代码渲染建议交给 HTML 视频框架(如 HyperFrames)按 video/rhythm.md 的节奏和关键帧重做,rea-video code-remake out/ref 只出粒子 / 数据可视化这类画面的快速草稿;用户自己的素材用 rea-video assemble 拼回原时间线。代码渲染和用户自己的素材也可以在 ChatCut 里做。
© 2026 Skills Rack.
---name: rea-videodescription: 逆向拆解一条视频是怎么做出来的——逐镜头判断实拍 / 影视片段 / AI 生成 / 3D 渲染 / 2D 动画 / 定格动画 / 代码模板渲染 / 录屏截图 / 静态图推拉 / 静帧,以及实拍是否经过 AI…---# skills/rea-video/SKILL.mdOverview
逆向拆解一条视频是怎么做出来的——逐镜头判断实拍 / 影视片段 / AI 生成 / 3D 渲染 / 2D 动画 / 定格动画 / 代码模板渲染 / 录屏截图 / 静态图推拉 / 静帧,以及实拍是否经过 AI 加工(换脸、对口型、风格化),标出后期叠加层(逐句字幕时间轴、花字、标题、贴纸 / GIF / 表情包、画中画)和用户真实素材,拆解人声、背景音乐、音效(卡在哪个画面事件上)与剪辑节奏,并给出可执行的复刻方案(可用 capsule-cinema、ChatCut 等复刻);也能抓魔术揭秘、反转、高潮、穿帮等特殊时刻,出逐帧图解和慢放。当用户给出参考视频、问"这条视频怎么做的 / 是不是 AI / 用了什么素材 / 怎么复刻 / 想二创或做一条同款 / 魔术怎么变的 / 抓高光"时使用。
FAQ
Download skills/rea-video/SKILL.md from the publisher, or copy the path and open the repository. PlugMCP lists the skill and does not host the file.
The publisher keeps it at https://github.com/JuneYaooo/rea-video.
Claude, Cursor, Codex, and Grok Build can read a SKILL.md you add from the publisher's repository. Grok Bot installs it when you send the skill's GitHub folder link in a chat.