rea-video拆解视频测试和效果展示

项目地址：https://github.com/wyfirstname/REA-Video-UI
引擎上游：JuneYaooo/rea-video

刷到一条爆款视频，想知道它到底怎么做的：哪些画面是 AI 生成的、哪些是实拍、贴纸花字加了多少、BGM 和音效怎么配的——更进一步，能不能照着它自己复刻一条？

开源项目 rea-video 能干这件事，但它是一个 Python CLI，要配环境、敲命令行。于是我做了一个 Windows 桌面客户端 REA Video Desktop：解压即用、点鼠标出报告、支持引擎在线升级。本文用一条真实视频演示完整流程。

---

一、客户端长什么样

第一步，把视频拖进来。 支持拖拽和文件浏览，自动读取分辨率、帧率、时长：

第二步，选拆解选项。 VLM 视觉理解开关、OCR 语言、包装层检测、人声/BGM 分离、并发数：

第三步，点"开始拆解"。 后台跑 Python 流水线，客户端把引擎日志实时翻译成阶段进度条——镜头探测 → 逐镜分类 → 包装取证 → 音频分析 → 生成报告，随时可以取消：

第四步，看结果。 结论卡 + 制作构成 + 逐镜判定表（带缩略图），可以一键打开完整 HTML 报告：

"运行环境"页负责所有脏活：自动探测本机 Python、一键建独立 venv 装依赖、检测 FFmpeg、下载 AI 模型（自动走国内加速镜像）：

其他细节：历史记录页保存每次拆解结果；API Key 用 Windows 凭据（DPAPI）加密存储；引擎可一键从 GitHub 升级到上游最新版（带失败回滚）；客户端本体支持 electron-updater 自动更新。

---

二、实战案例：一条"猫咪婚宴"AI 视频

测试素材是一条 1080p 的宠物剧情号视频（111.6 秒）：猫咪婚礼酒席题材，画面细腻得像实拍。它能骗过肉眼吗？

2.1 一句话结论

拆解引擎给出的结论卡：

混合制作：AI 生成视频 99% + 3D 渲染 1%
叠加层：动态贴纸/GIF、花字、文字标注、图形贴片、字幕、标题（代码/剪辑软件合成）
声音：人声 + BGM 126.0BPM（现成曲库配乐）+ 音效 43 处
剪辑包装：花字 2 处、文字标注 63 处、贴纸/动图 14 处、34 个音效卡在文字/贴纸出现上

64 个镜头，平均每个 1.74 秒，转场以硬切为主（cut×61、dissolve×2）。判定置信度 69%（按时长加权），由确定性取证 + VLM 融合得出。

2.2 逐镜取证

引擎把 64 个镜头全部切块取证，每个镜头给出底层画面的制作方式与置信度，汇成一张故事板总览：

抽几个代表性镜头看首帧（标题格式：镜号 · 时间段 · 判定 · 置信度）：

镜头	画面	判定
#1 · 0.0–5.0s	橘猫从门缝探头，"婚宴开场"	AI 生成视频（83%）+ 字幕叠加
#20 · 37.3–39.7s	酒席猫特写	AI 生成视频（61%）+ 字幕/标注/花字/贴纸五层叠加
#38 · 65.0–65.6s	硬切短镜头	AI 生成视频（63%）+ 文字标注
#50 · 82.4–84.3s	红衣人物与猫	AI 生成视频（66%）+ 文字标注

第 #20、#38、#50 镜首帧（左→右）：

有意思的是包装取证：引擎从画面里抠出了 14 处贴纸/动图（比如下面这个叠在猫头顶的表情贴纸），并记录它们出现的时间轴——复刻时可以直接照着对齐：

2.3 音频拆解

音频分析给出：人声占比 29.1%、BGM 126.0BPM、43 处音效，并且用开源模型把音轨物理分离成了三条 stem（原声 / 人声 / 伴奏），每条都是可直接下载的 WAV。下面是波形总览：

2.4 复刻方案（这才是重头戏）

报告不只是"鉴定"，还会给出可执行的复刻工单。本案 64 个 AI 镜头被规划成 18 个生成单元、18 次视频模型调用（按 Seedance 2.5 规划，单次 ≤30s、支持一次多镜头）：

单元	镜头	时间	时长	策略
G1	#1–#2	0.0–6.9s	6.9s	一次多镜头，首帧参照原片第 1 镜
G2	#3–#5	6.9–14.5s	7.7s	一次多镜头，首帧参照原片第 3 镜
G3	#6–#8	14.5–18.7s	4.1s	首帧接 G2 尾帧
G6	#17–#23	33.1–43.0s	10.0s	首帧接 G5 尾帧
G10	#38–#44	65.0–73.6s	8.6s	一次多镜头，首帧参照原片第 38 镜
G18	#64	105.8–111.6s	5.9s	单镜收尾

分组规则：同场景、硬切相连的镜头合并为一次生成；单次 ≤30s；在叠化/换场景处切开。声音方面，模型可以同时生成动作音效和环境声，口播建议单独 TTS 再混进去。每个单元都附带首帧参考图路径和衔接策略，照着调 API 就能批量出片。

---

三、技术实现

• Electron 壳 + Python 引擎：UI 与编排用 Electron（TypeScript/JS），拆解能力来自上游 rea-video（OpenCV 镜头切分 + 确定性取证 + 可选 VLM + ONNX 音轨分离），引擎代码随包分发在 resources/engine
• 零污染运行：Python venv、模型、输出全部落在程序目录 data/ 下（绿色版天然便携，不写系统盘、不写注册表）
• 国内网络适配：pip 走清华镜像、Electron 走 npmmirror、模型下载自动尝试 gh-proxy 系加速前缀
• 两条独立升级线：引擎升级直接从上游 GitHub 拉最新 tarball 原子替换（实测 80MB 下载+校验+切换）；客户端走 electron-updater + GitHub Releases
• 进度翻译：把引擎 stderr 日志解析成 7 阶段加权进度条，逐镜分类阶段还能显示"第 N/64 镜"

四、获取与使用

1. 到 Releases 下载绿色包（zip，解压即用）或安装包（exe）
2. 双击运行，首次进入"运行环境"页，缺什么点什么：建 venv、装依赖、下模型，全自动
3. 回到首页拖入视频 → 开始拆解 → 看报告

系统要求：Windows 10/11 x64，Python 3.10+（没有会引导安装），FFmpeg（可手动指定目录）。

---

本文所有截图与案例数据均来自客户端真实运行结果；图片以 base64 内嵌，可离线阅读。