Phân tích video bằng AI với rea-video: cảnh nào quay thật, cảnh nào AI

01Phân tích video bằng AI theo từng cảnh là gì?

Các công cụ phân tích video TikTok bằng AI phổ biến hiện nay thường tóm tắt nội dung, chỉ ra hook và nhịp, hoặc đọc chỉ số lượt xem. Cách đó giúp bạn hiểu video nói gì. Phân tích theo từng cảnh trả lời câu hỏi khác: video được làm ra như thế nào.

Với rea-video, mỗi video được cắt ra thành từng cảnh. Mỗi cảnh được xếp vào một nhóm như quay thật, video AI, avatar nhép miệng, 3D hoặc hoạt hình, chữ và giao diện làm bằng code, quay màn hình. Video trộn nhiều loại thì từng cảnh được chấm riêng rồi ghép lại theo đúng dòng thời gian gốc.

Theo README của dự án, kết quả gồm ba phần:

• Một câu tóm tắt, kiểu "41% video AI, 59% giao diện làm bằng code, 8 giây quay màn hình thật".
• Kế hoạch làm lại, chia rõ phần nào cần quay, phần nào tạo bằng AI, phần nào dựng bằng code.
• Một trang báo cáo có khung hình từng cảnh, bằng chứng, prompt gợi ý, ghi chú góc máy và ánh sáng, cùng phần phân tích âm thanh.

02Rea-video làm được gì với một video viral?

Phần đáng giá nhất là nó không chỉ nhìn hình. Theo tài liệu, ngoài cách làm hình ảnh, mỗi bản phân tích còn ghi lại:

• Thời điểm bắt đầu và kết thúc của từng dòng phụ đề, xuất được ra file SRT hoặc ASS, kèm màu chữ, viền và cách chữ hiện ra.
• Vị trí và thời lượng của sticker, emoji, khung hình trong hình.
• Điểm cắt, tốc độ cắt và việc cắt có khớp nhịp nhạc không.
• Giọng là người thật hay AI, nhạc là AI hay lấy từ thư viện, nhịp nhạc (BPM), chỗ chèn hiệu ứng âm thanh.
• Những tư liệu bạn phải tự chuẩn bị: quay màn hình, ảnh chụp sản phẩm.

Với người làm video bán hàng, danh sách này gần giống một bản bóc tách dựng mà bình thường bạn phải tua từng khung hình mới viết ra được.

03Nó biết cảnh nào quay thật bằng cách nào?

Câu trả lời ngắn: nó đo trước, nhìn sau. Tài liệu mô tả bốn bước. Đầu tiên tách video thành từng cảnh, đồng thời tách tiếng thành giọng nói, nhạc và hiệu ứng. Sau đó gom bằng chứng: đo nhịp khung hình, đo nhiễu của cảm biến máy quay, kiểm tra thẻ đánh dấu nội dung AI trong dữ liệu đi kèm file, rồi mới nhìn các chỗ AI hay lộ như bàn tay, chữ viết, chuyển động sai vật lý.

Nguyên tắc của dự án là bằng chứng đo được thắng cảm giác "trông giống". Khi hai loại bằng chứng mâu thuẫn, cảnh đó được đánh dấu để tác tử AI xem lại bằng mắt.

Điều này cũng là bài học tốt cho chính bạn khi tìm cách nhận biết video do AI tạo ra: chữ trên bao bì bị méo, ký tự vô nghĩa, logo nhòe thường là dấu hiệu rõ hơn nhiều so với cảm giác "nhìn hơi ảo".

04Độ chính xác thật sự đến đâu?

Con số trong README khá cao, nhưng cần đọc kỹ cách đo. Theo bảng kết quả do tác giả tự đo, phần đoán cách làm hình đạt 98,3% trên bộ 15 video dùng để chỉnh luật, 99,6% và 98,9% trên hai bộ kiểm tra 9 và 7 video. Tác giả cũng tự ghi rằng bộ 9 video không còn hoàn toàn độc lập vì đã sửa luật sau lần chạy đầu.

Điểm quan trọng nhất với người làm TikTok: video tải về từ nền tảng đã bị nén lại, làm mất phần lớn bằng chứng về nhiễu cảm biến. Trên 10 video tải từ WeChat, chế độ chỉ dùng công cụ còn 88,6%. Ví dụ mở hộp sản phẩm trong README cho thấy rõ chuyện này: một video quay thật hoàn toàn bị công cụ offline gọi 35% là AI, đến khi tác tử xem lại bằng mắt mới ra 97% quay thật.

Phần âm thanh yếu hơn. Đoán nguồn nhạc chỉ đúng 2 trên 5 video thử, phát hiện hiệu ứng âm thanh đúng 2 trên 4, và tác giả ghi thẳng đây là điểm yếu. Tất cả đều là bộ thử nhỏ do chính tác giả làm, nên hãy xem đây là gợi ý để kiểm tra lại, không phải phán quyết.

05Ai nên dùng, ai chưa nên?

Nếu bạn mới làm quen với việc giao việc dựng video cho tác tử AI, bài 75 repo skill edit video cho AI agent giúp bạn hình dung các loại công cụ đang có, còn bài edit video bằng Claude ra dự án CapCut cho thấy một quy trình dựng hoàn chỉnh từ đầu tới cuối.

06Cần gì để bắt đầu và tốn bao nhiêu?

Theo README, bạn cần ffmpeg và Python 3.10 trở lên. Cách dự án khuyên là mở Claude Code hoặc Codex rồi nói với tác tử, đại ý: cài https://github.com/JuneYaooo/rea-video rồi phân tích video này, kèm đường dẫn tới file video. Tác tử sẽ tự cài và chạy. Lần chạy đầu sẽ tải thêm một mô hình tách giọng và nhạc khoảng 67 MB.

Hướng dẫn cài tay trong README viết cho macOS và Linux. Mình chưa thấy hướng dẫn riêng cho Windows, nên nếu bạn dùng Windows hãy để tác tử AI xử lý và đọc kỹ từng lệnh nó xin chạy.

Về chi phí, chế độ chỉ dùng công cụ chạy offline và miễn phí. Muốn phân loại chuẩn hơn và có prompt cho từng cảnh, bạn có thể nối thêm một mô hình đọc được video như Gemini bằng khóa API của mình, và trả tiền theo giá của dịch vụ đó. Bản thân tác tử AI bạn dùng cũng tốn lượt theo gói, phần này bài cách tiết kiệm token Claude có hướng dẫn giảm chi phí.

07Học từ video người khác, đừng sao chép

Chính tác giả trả lời rõ trong phần hỏi đáp: công cụ này để học cấu trúc, nhịp và kỹ thuật của video, sau đó làm lại bằng tư liệu bạn có quyền dùng. Không dùng lại cảnh quay, nhạc, nhân vật hay gương mặt của người khác, và nhớ gắn nhãn nội dung AI theo quy định của nền tảng khi đăng.

Với người làm nội dung, đây cũng là cách dùng có lợi nhất. Thứ đáng học từ một video viral là cách người ta mở đầu, cắt nhịp, đặt chữ và chọn cảnh nào đáng quay thật. Đó là kỹ năng dựng, và nó đi theo bạn sang mọi sản phẩm.