rea-video 운영 중

rea-video는 AI Agent를 위해 설계된 오픈 소스 AI 동영상 역공학 도구입니다. rea-video는 장면별로 화면이 실제 촬영인지, AI 생성인지, 코드 애니메이션인지 판단하고 카메라 구도와 조명, 자막 스타일, 편집 리듬 및 오디오 구성을 분해합니다. 장면별 보고서와 복제 계획을 출력하고, 장면 프롬프트를 역추론할 수도 있으며, 복제 도구와 함께 사용해 상품이나 인물을 교체한 새 영상을 만들 수 있습니다. 로컬 환경에는 ffmpeg와 Python 3.10+가 필요하며, 비전 모델을 연결하면 판단 정확도가 향상됩니다.

동영상 유형 판별: 장면별로 화면이 실제 인물 촬영, AI 생성, 3D 렌더링, 코드 애니메이션 또는 화면 녹화인지 판단합니다. 혼합 편집 영상은 구간별로 분해한 뒤 재구성합니다.
제작 방식 분석: 카메라 구도와 조명, 카메라 움직임, 색보정 방안을 출력하거나 각 AI 장면의 프롬프트와 필요한 참고 자료를 역추론합니다.
자막 및 장식 요소 추출: 각 자막의 시작·종료 시간, 색상, 테두리, 등장 애니메이션을 제공하고 SRT/ASS로 내보낼 수 있습니다. 스티커, 이모티콘, 화면 속 화면의 위치와 지속 시간도 식별합니다.
편집 및 오디오 분석: 컷 지점, 편집 리듬과 음악 비트의 대응 관계를 표시하고, 사람 음성/AI 더빙, AI 음악 또는 음원 라이브러리 음악, BPM 및 효과음 삽입 지점을 판별합니다.
복제 계획 생성: 대상 동영상 모델의 기능에 맞춰 장면을 일괄적으로 생성 계획으로 정리하고, 실제 촬영·생성·코드 작성이 필요한 부분을 구분해 장면별 스크린샷이 포함된 HTML 보고서를 출력합니다.

WeChat에서 팔로우한 뒤 “오픈 소스”라고 답장하여 AI 오픈 소스 프로젝트 그룹에 참여하세요.
장면 분할: 먼저 동영상의 장면 경계를 감지하고 실제 타임스탬프에 따라 분할합니다. 가변 프레임 레이트 동영상은 실제 프레임 시간에 맞춰 컷 지점을 정렬합니다. 동시에 오디오 트랙을 사람 음성, 음악, 효과음의 세 트랙으로 분리해 이후 유형별 증거 수집을 준비합니다.
멀티모달 증거 수집: 정량적 측면에서는 프레임 리듬, 센서 노이즈, 전체 화면이 하나의 평면으로 움직이는지 여부를 측정하고 메타데이터의 AIGC 태그를 확인합니다. 시각적 측면에서는 모델이 손, 문자, 물리적 개연성을 검사하며, 청각적 측면에서는 BPM과 조성을 분석하고 노래와 말소리를 구분합니다.
증거 우선순위 결정: “~처럼 보인다”는 모델의 직관보다 확실한 증거를 우선합니다. 두 결론이 충돌하면 의심 사례로 표시해 Agent가 직접 눈으로 재검토하도록 하여 오판율을 최소화합니다.
모델 기능에 따른 복제 계획: 내장된 동영상·이미지·오디오 모델 기능표를 바탕으로 장면을 가장 적은 생성 횟수로 처리할 계획을 만들고, 해당 구간을 동영상 모델로 생성할지 LLM이 Blender/Three.js/Remotion 코드를 작성해 재구성할지 결정합니다.
Agent 기반 아키텍처: 이 프로젝트는 CLI와 Skill 형태로 Claude Code, Codex 등의 Agent에서 호출할 수 있습니다. 동영상 모델 없이도 실행할 수 있으며, Gemini 또는 豆包을 연결하면 각 장면의 프롬프트를 자동으로 역작성해 정확도와 자동화 수준을 동시에 높일 수 있습니다.

환경 준비: 컴퓨터에 ffmpeg와 Python 3.10+를 설치합니다.
Agent 선택: Claude Code, Codex 또는 명령을 실행할 수 있는 모든 AI Agent에서 사용합니다.
프로젝트 설치: Agent에게 “설치해 줘 https://github.com/JuneYaooo/rea-video”라고 말하면 자동으로 설치할 수 있습니다.
분석 시작: Agent에게 “이 동영상 /path/to/video.mp4를 분석해 줘”라고 말하면 전체 프로세스를 실행합니다.
비전 모델 연결: Agent에 Gemini 또는 豆包의 API 주소와 Key를 제공하면 장면별 판단이 더 정확해지고 프롬프트도 역추론할 수 있습니다. 연결하지 않으면 Agent가 이미지를 직접 확인해 의심 장면을 재검토합니다.
결과 확인: 한 줄 요약, “실사/생성/코드 작성” 세 유형으로 구분된 복제 계획, 장면별 스크린샷과 오디오 분석이 포함된 report.html을 얻을 수 있습니다.
계속해서 복제: 보고서를 cheap-claude-video 또는 Hypit 등의 도구에 전달해 레시피에 따라 대체 요소가 적용된 새 버전을 생성합니다.

넓은 적용 범위: 실제 인물 촬영, AI 생성, 3D 애니메이션, 코드 애니메이션, 화면 녹화 및 혼합 편집을 모두 분석할 수 있으며, 혼합 영상도 구간별로 개별 판단합니다.
증거 기반 분석: 프레임 리듬, 센서 노이즈, AIGC 메타데이터 등의 확실한 증거를 모델의 직관보다 우선하고, 충돌 항목은 Agent가 재검토합니다. 공식 자체 테스트에서 원본 동영상 정확도는 약 99%입니다.
바로 활용 가능한 레시피: 결론뿐 아니라 카메라 구도와 조명 목록, 역추론한 프롬프트, 모델 기능에 따라 일괄 구성된 복제 계획까지 제공하므로 결과를 바로 따라 할 수 있습니다.
매우 세밀한 분석: 자막 시작·종료 시간과 스타일, 스티커 위치, 컷 지점과 음악 비트의 관계, 사람 음성/AI 더빙, BPM을 모두 정량적으로 분석합니다.
Agent 네이티브: CLI+Skill 형태로 Claude Code, Codex 등의 Agent에 연결할 수 있으며, 한 번의 명령으로 환경을 설치하고 전체 프로세스를 실행해 진입 장벽이 매우 낮습니다.

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

이커머스 판매 영상 복제: 인기 판매 영상의 카메라 구도, 스토리보드, 자막 리듬을 분석하고 자사 상품으로 교체해 유사한 영상을 일괄 제작합니다.
MCN 경쟁사 연구: 경쟁사 영상의 구성 요소(실사 비중, AI 생성 구간, 코드 애니메이션)를 장면별로 분석해 제작 비용과 프로세스를 파악합니다.
AI 단편 영상 제작 효율화: 마음에 드는 AI 단편 영상에서 장면별 프롬프트와 생성 매개변수를 역추론해 직접 시행착오를 겪는 비용을 줄입니다.
혼합 콘텐츠 분석: “실제 인물+AI 캐릭터+화면 녹화”로 구성된 혼합 영상을 구간별로 분석하고, 원래 타임라인에 맞춰 자신만의 버전으로 재구성합니다.
과학 콘텐츠/애니메이션 모방: 3D 과학 콘텐츠와 코드 애니메이션 영상을 Blender/Remotion으로 재구성하는 방식으로 변환해 더 낮은 비용으로 유사한 효과를 재현합니다.