هوش مصنوعی جدیدی که راز ساخت هر ویدئویی را فاش می‌کند؛ ابزاری برای مهندسی معکوس ویدئو
پروژه متن‌باز rea-video با بررسی صحنه‌به‌صحنه ویدئوها، نوع فیلم‌برداری، تدوین و پرامپت‌های احتمالی تولید با هوش مصنوعی را مشخص می‌کند.
ابزار متن‌باز جدیدی به نام rea-video معرفی شده است که می‌تواند ویدئوها را صحنه‌به‌صحنه تحلیل کند و توضیح دهد هر بخش چگونه ساخته شده است؛ از فیلم‌برداری واقعی و جلوه‌های سه‌بعدی گرفته تا تولید ویدئو با هوش مصنوعی و تدوین حرفه‌ای.
احتمالاً هنگام تماشای یک ویدئوی تبلیغاتی یا کلیپی جذاب در شبکه‌های اجتماعی از خود پرسیده‌اید که سازنده چطور چنین نتیجه‌ای گرفته است. تشخیص شیوه‌ی فیلم‌برداری، نورپردازی، تدوین و ابزارهای استفاده‌شده معمولاً به بررسی دقیق و زمان‌بر ویدئو نیاز دارد؛ اما پروژه‌ی جدید rea-video در گیت‌هاب تلاش می‌کند این فرایند را خودکار کند.
ابزار rea-video برای دستیارهای برنامه‌نویسی هوش مصنوعی مانند Claude Code و Codex طراحی شده است. کاربر فایل ویدئو را در اختیار این دستیارها قرار می‌دهد و ابزار پس از بررسی محتوای آن، گزارشی درباره‌ی ساختار و روش احتمالی تولید هر صحنه آماده می‌کند.
از تشخیص ویدئوی هوش مصنوعی تا بازسازی شیوه‌ی تولید
یکی از قابلیت‌های اصلی rea-video، تشخیص نوع محتوای هر صحنه است. این ابزار تلاش می‌کند مشخص کند تصاویر با دوربین واقعی ضبط شده‌اند، با مدل‌های هوش مصنوعی ساخته شده‌اند یا حاصل انیمیشن سه‌بعدی، موشن‌گرافیک و ضبط صفحه‌نمایش هستند.
در ویدئوهای واقعی، اطلاعاتی مانند زاویه‌ی دوربین، نوع نما، حرکت دوربین، نورپردازی و تنظیم رنگ بررسی می‌شود. برای ویدئوهای تولیدشده با هوش مصنوعی نیز ابزار می‌تواند پرامپت‌های احتمالی هر صحنه را پیشنهاد دهد و مدل‌های مناسب برای بازسازی آن را معرفی کند.
قابلیت‌های rea-video به تصاویر محدود نیست. این ابزار زمان‌بندی زیرنویس‌ها، شیوه‌ی نمایش نوشته‌ها، برش‌های تدوین، موسیقی، جلوه‌های صوتی و سرعت ضرب‌آهنگ را نیز تحلیل می‌کند. خروجی زیرنویس‌ها را می‌توان در قالب فایل‌های SRT یا ASS دریافت کرد.
برای مثال، اگر ویدئویی از ترکیب شخصیت‌های ساخته‌شده با هوش مصنوعی و رابط‌های گرافیکی تشکیل شده باشد، rea-video می‌تواند هر بخش را جداگانه بررسی کند و پیشنهاد دهد کدام قسمت با مدل تصویرساز، کدام با ابزارهای موشن‌گرافیک و کدام با نرم‌افزاری مانند Remotion بازسازی شود.
GitHub
دقت تشخیص چقدر است؟
توسعه‌دهندگان rea-video ادعا می‌کنند ابزارشان در برخی مجموعه‌های آزمایشی به دقت بالای ۹۹ درصد در تشخیص روش تولید صحنه‌ها رسیده است. این اعداد از آزمایش‌های خود پروژه به دست آمده‌اند و هنوز نباید آن‌ها را معادل عملکرد تضمین‌شده در تمام ویدئوها دانست.
یکی از نمونه‌های منتشرشده نشان می‌دهد ابزار پس از فشرده‌سازی یک ویدئوی واقعی آنباکسینگ، حدود ۳۵ درصد محتوای آن را اشتباهاً ساخته‌شده با هوش مصنوعی تشخیص داد. با بررسی دوباره‌ی تصاویر توسط عامل هوشمند، نتیجه اصلاح شد و حدود ۹۷ درصد ویدئو واقعی تشخیص داده شد.
چگونه از rea-video استفاده کنیم؟
برای اجرای rea-video به پایتون نسخه‌ی ۳٫۱۰ یا جدیدتر، ابزار FFmpeg و یک دستیار هوش مصنوعی با قابلیت اجرای دستورهای سیستم نیاز دارید.
پس از آماده‌سازی پیش‌نیازها، می‌توانید دستور زیر را به Claude Code یا Codex بدهید:
پروژه‌ی https://github.com/JuneYaooo/rea-video را نصب کن و ویدئوی /path/to/video.mp4 را صحنه‌به‌صحنه تحلیل کن. روش احتمالی ساخت تصاویر، تدوین، صدا و راهکار بازسازی هر بخش را توضیح بده.
دستیار پس از نصب ابزار، ویدئو را بررسی می‌کند و در پایان گزارشی با نام report.html می‌سازد. این گزارش شامل تصاویر هر صحنه، دلایل تشخیص روش ساخت، پرامپت‌های پیشنهادی، جزئیات فیلم‌برداری و تحلیل صدا است.
پروژه‌ی rea-video برای تدوینگران، تولیدکنندگان محتوای شبکه‌های اجتماعی و افرادی کاربرد دارد که می‌خواهند شیوه‌ی ساخت ویدئوهای حرفه‌ای را بهتر بشناسند. کد منبع، مستندات و نمونه‌های تحلیل ویدئو در مخزن رسمی پروژه به‌صورت عمومی منتشر شده‌اند.
