rea-video: ให้ Claude Code แกะคลิปทีละช็อต ว่าถ่ายจริง AI หรือโค้ด แล้วบอกวิธีทำตาม
rea-video เครื่องมือโอเพนซอร์สฟรี สั่งประโยคเดียวใน Claude Code หรือ Codex มันตัดคลิปเป็นช็อต บอกว่าแต่ละช็อตถ่ายจริง สร้างด้วย AI หรือทำด้วยโค้ด แล้วเขียนแผนทำใหม่ให้ วิธีติดตั้ง สิ่งที่รายงานให้ และผลที่ลองกับคลิปปั่นสมูทตี้จริง

เคยเห็นคลิปขายของสวยๆ แล้วสงสัยไหมครับ ว่าอันนี้ถ่ายจริง หรือ AI ทำ แล้วถ้าอยากทำแบบนี้บ้าง ต้องถ่ายกี่มุม ต้องเขียน prompt ยังไง rea-video คือเครื่องมือฟรีที่ให้ AI agent ดูคลิปแทนเรา แล้วตอบทีละช็อตพร้อมแผนทำใหม่ บทความนี้พาติดตั้งใน Claude Code หรือ Codex ดูว่ารายงานให้อะไร และผลที่ลองรันจริงครับ
rea-video คืออะไร
rea-video เป็นโปรเจกต์โอเพนซอร์ส (สัญญาอนุญาต Apache-2.0) ของ JuneYaooo บน GitHub เปิดเมื่อ 29 ต.ค. 2026 ตอนเขียนบทความนี้ (14 พ.ย. 2026) มีดาวราว 8,000 ดวงแล้ว
เปรียบง่ายๆ เหมือนส่งคลิปให้ผู้กำกับดู แล้วเขาเขียนใบสั่งงานย้อนกลับมาให้ ว่าช็อตนี้ถือมือถือถ่าย แสงจากหน้าต่าง ช็อตนั้นสร้างด้วย AI ใช้ prompt แบบนี้ ส่วนตัวหนังสือที่วิ่งบนจอทำด้วยโค้ด
ข้างในมันทำงานสี่จังหวะ
- ตัดคลิปเป็นช็อต และแยกเสียงเป็นเสียงพูด เพลง และเสียงประกอบ
- เก็บหลักฐานทีละช็อต: วัดจากตัวไฟล์ (จังหวะเฟรม, noise ของกล้อง, ป้าย AI ใน metadata) ดูภาพ (มือ, ตัวหนังสือ, ฟิสิกส์) และฟังเสียง (BPM, ร้องหรือพูด)
- ตัดสินว่าแต่ละช็อตทำมาด้วยอะไร ถ้าหลักฐานขัดกัน จะให้ agent ดูภาพซ้ำ
- เขียนแผนทำใหม่ จัดช็อตตามข้อจำกัดของโมเดลวิดีโอที่จะใช้
ผลที่ได้มีสองชุด: report.html / report.md ให้คนอ่าน และ VIDEO.md ไฟล์สรุปแบบเป็นชั้นให้ AI อ่านต่อโดยไม่เปลือง token
สิ่งที่ต้องมี
| ต้องมี | หมายเหตุ |
|---|---|
| Claude Code หรือ Codex | หรือ agent ตัวไหนก็ได้ที่รันคำสั่งในเครื่องได้ |
| ffmpeg | ใช้ตัดคลิปและแยกเสียง |
| Python 3.10 ขึ้นไป | สคริปต์ติดตั้งเลือก 3.10–3.14 ก่อน เพราะแพ็กเกจ onnxruntime อาจยังไม่มีให้รุ่นที่ใหม่กว่า |
| เน็ตตอนรันครั้งแรก | โหลดโมเดลแยกเสียงราว 67 MB |
| คีย์โมเดลวิดีโอ | ไม่ต้องมีก็ได้ ดูหัวข้อ "ใช้ฟรี หรือต่อโมเดลวิดีโอ" |
ติดตั้งและใช้ยังไง
ขั้นที่ 1 — ลง ffmpeg และ Python
บน Mac ใช้ Homebrew
brew install ffmpeg python@3.12
บน Ubuntu
sudo apt install ffmpeg python3.12 python3.12-venv
ลงเสร็จเช็กว่าใช้ได้ ถ้าขึ้นเลขเวอร์ชันทั้งคู่แปลว่าพร้อมแล้ว
ffmpeg -version
python3.12 --version
ขั้นที่ 2 — สั่งประโยคเดียวใน Claude Code หรือ Codex
เปิด Claude Code (หรือ Codex) ในโฟลเดอร์ที่มีคลิป แล้วพิมพ์ประโยคนี้ เปลี่ยน path ท้ายประโยคเป็นไฟล์ของเรา
Install https://github.com/JuneYaooo/rea-video, then break down this video: /path/to/video.mp4 Write the report in English.

ประโยคใน README จบที่ path คลิป ส่วน Write the report in English. ที่ต่อท้ายเป็นของเราเอง เพราะรายงานมีแค่ภาษาจีนกับอังกฤษ ค่าเริ่มต้นเป็นจีน และ agent จะเลือกตามภาษาที่เราถาม (ตามเอกสาร ตั้งเป็นอังกฤษถาวรได้ด้วย rea-video prefs lang en)
พอสั่งแล้ว agent จะโหลด repo และรัน scripts/install_skill.sh ของเขา สคริปต์นี้ทำสามอย่าง
- เช็กว่ามี ffmpeg และ Python 3.10 ขึ้นไป
- ลงคำสั่ง
rea-videoด้วย pip (ถ้าเครื่องไม่ยอมให้ pip ลงตรงๆ จะใช้ pipx หรือสร้าง.venvในโฟลเดอร์ repo แทน) - ลิงก์ skill ชื่อ
rea-videoเข้าโฟลเดอร์ skills ของ agent ที่มีในเครื่อง คือ~/.claude/skills,~/.codex/skillsและ~/.agents/skills
ติดตั้งครั้งเดียว ครั้งต่อไปสั่งให้แกะคลิปได้เลย ไม่ต้องลงซ้ำ
ขั้นที่ 3 — เปิดรายงาน
รันเสร็จจะได้โฟลเดอร์ out/<ชื่อคลิป>/ เปิด report.html ในเบราว์เซอร์ได้เลย ข้างในมี
- สรุปบรรทัดเดียว และแถบสีบอกสัดส่วน ถ่ายจริง / AI / โค้ด
- ภาพรวมทุกช็อต (
storyboard.jpg) แต่ละช่องบอกชนิดและความมั่นใจ - ตารางช็อต และจุดที่ทำให้คลิปดึงคนดู เช่น ฮุกกี่วินาที ตัดเร็วแค่ไหน
- แผนทำใหม่ทีละขั้น และไฟล์ซับ
packaging/overlays.assที่นำเข้าโปรแกรมตัดต่อได้ - เสียงที่แยกแล้วใน
stems/และเสียงประกอบแต่ละจุดในsfx/

รายงานบอกอะไร แยกตามชนิดช็อต
| ชนิดช็อต | รายงานให้อะไร |
|---|---|
| ถ่ายจริง | กี่ฉาก ตั้งกล้องกี่แบบ ขนาดภาพ กล้องนิ่งหรือถือ แสงมาจากไหน ใช้ไฟอะไร และโทนสี |
| สร้างด้วย AI | หลักฐานที่ทำให้คิดว่าเป็น AI, prompt ทีละช็อต, รวมช็อตเป็นกี่รอบสร้าง, ต้องป้อนเฟรมแรกหรือเฟรมสุดท้ายไหม และโมเดลที่ควรใช้ |
| ทำด้วยโค้ด | ข้อความ เลย์เอาต์ และจังหวะการเคลื่อนไหว พร้อมเอาไปเขียนเป็นโค้ดใหม่ |
| เสียง | เสียงคนจริงหรือ AI, เพลงจาก AI หรือคลังเพลง พร้อม BPM, เสียงประกอบลงตรงวินาทีไหน |
นอกจากนี้ยังแยก avatar, 3D/แอนิเมชัน และคลิปอัดหน้าจอได้ ส่วนคลิปผสมจะตัดสินแยกทีละช็อต
ตัวอย่างแผนถ่ายของช็อตถ่ายจริง จากคลิปที่ลองรัน: ถ่ายฉากเดียวจบ ใช้มุมถือกล้องหนึ่งแบบกับมุมตั้งนิ่งหนึ่งแบบ และบอกเวลาที่ควรถ่ายเผื่อของแต่ละแบบ

ส่วนช็อต AI มันรวมช็อตที่อยู่ฉากเดียวกันให้สร้างในรอบเดียว แล้วบอกว่าแต่ละรอบต้องป้อนอะไรให้โมเดล

ใช้ฟรี หรือต่อโมเดลวิดีโอ
| โหมด | ค่าใช้จ่าย | ได้อะไร |
|---|---|---|
| เครื่องมือล้วน | ฟรี รันในเครื่อง | ตัดสินจากการวัดไฟล์ แม่นกับไฟล์ต้นฉบับ |
| + agent ดูภาพเอง | ใช้ Claude Code / Codex ที่มีอยู่ | agent ดูช็อตที่ยังไม่แน่ใจ แล้วรวมผลเข้ารายงาน |
| + โมเดลดูวิดีโอ (Gemini หรือ Doubao) | จ่ายตามบริการนั้น | ตัดสินแม่นขึ้น และได้ prompt ที่แกะย้อนกลับมาทุกช็อต |
ตัวเลขความแม่นใน README (ถ่วงตามความยาวช็อต) กับคลิปที่ถูกบีบอัดซ้ำจาก WeChat: เครื่องมือล้วน 88.6% ต่อ Gemini 99.6% เพิ่ม agent ดูภาพ 100% ส่วนไฟล์ต้นฉบับ เครื่องมือล้วนก็ได้ราว 98–99% แล้ว
ถ้าจะต่อโมเดล README บอกให้ส่ง endpoint กับคีย์ให้ agent ส่วนเอกสาร docs/cli.md ตั้งผ่านตัวแปรแบบนี้ (เป็นโครงจากเอกสาร ยังไม่ได้ลอง ต้องแทน ... ด้วยค่าของตัวเอง)
export REA_VLM_BASE_URL=https://.../v1 REA_VLM_API_KEY=... REA_VLM_MODEL=gemini-2.5-pro
rea-video decompose ref.mp4 -o out/ref --vlm
ลองจริง: คลิปปั่นสมูทตี้ 2 เวอร์ชัน
ใน repo มีคลิปตัวอย่างคู่หนึ่ง: คลิป TikTok ที่คนถ่ายเองด้วยมือถือ (ปั่นสมูทตี้กล้วยบลูเบอร์รี่ 20 วินาที) กับคลิปที่มีคนทำใหม่ด้วย AI โดยเปลี่ยนเป็นแก้วปั่นอีกแบบ (21 วินาที)
ตอนเตรียมบทความนี้ลองรันทั้งสองคลิปด้วย Claude Code (Opus 5.5) + rea-video โหมดเครื่องมือล้วน ไม่ต่อโมเดลวิดีโอ ให้ Claude ดูภาพเองตามที่ skill บอก ใช้เวลาราว 2–2.5 นาทีต่อคลิป ไม่นับเวลาติดตั้ง ซึ่งลงไว้ก่อนใน venv แยก (ไม่ได้รันสคริปต์ที่ลิงก์ skill เข้าเครื่อง)
คลิปต้นฉบับ (TikTok)
- ทั้ง 14 ช็อตเป็นถ่ายจริง ฉากเดียว 2 แบบตั้งกล้อง ถือมือถือถ่าย ใช้แสงจากหน้าต่าง
- เหตุผลที่ Claude ให้: ฉากเหมือนเดิมทุกช็อต ฉลากขวดนมอัลมอนด์อ่านออก ตัวเลขนับถอยหลังบนเครื่องปั่นลดลงตามลำดับ 45 → 43 → 36
- ก่อน Claude ดูภาพ เครื่องมือล้วนเดาว่าเป็น AI ทุกช็อตที่ความมั่นใจแค่ 50–64% ดูภาพแล้วเปลี่ยนเป็นถ่ายจริงทั้งหมด
คลิปที่ทำใหม่ด้วย AI
- เครื่องมือบอกว่า AI 7 จาก 8 ช็อต ถ่ายจริง 1 ช็อต (ช็อตที่ 7 ความมั่นใจ 60%) และวางแผนสร้างใหม่ 3 รอบด้วย Seedance 2.0 พร้อม prompt ทุกรอบ
- แต่ Claude ที่ดูภาพจากไฟล์ 480p กลับเอนไปทาง "ถ่ายจริง" ราว 85% เพราะอ่านโลโก้บนแก้วเป็นยี่ห้อ morphy richards ได้ทุกช็อต
- รายงานที่ repo เผยแพร่เอง ซึ่งรันจากไฟล์ที่โหลดจากแพลตฟอร์ม บอกว่า AI ทั้ง 8 ช็อต และชี้จุดพลาดไว้ชัด: ตัวหนังสือบนปลอกแก้วเพี้ยนเป็น "mophy idrods" ผลไม้ทั้งชิ้นกลายเป็นสมูทตี้ในครึ่งวินาที (9.6–10.1 วิ) และแก้วน้ำเปลี่ยนทรงหลายรอบใน 2 วินาที

ทำไมผลไม่ตรงกัน README เตือนไว้เองว่าคลิปตัวอย่างใน repo ถูกบีบอัดใหม่ให้ไฟล์เล็ก ป้ายของแพลตฟอร์มหายไป รันเองจะได้ผลต่างจากรายงานที่เผยแพร่ บทเรียนคือ ใช้ไฟล์ที่คุณภาพดีที่สุดที่หาได้ และอ่านหัวข้อ Open questions ในรายงานทุกครั้ง รอบนี้มันขึ้นไว้ 8 ข้อ และบอกเองว่า 53% ของความยาวยังหาหลักฐานไม่พอ
ข้อควรระวัง
- รายงานไม่มีภาษาไทย มีแค่จีนกับอังกฤษ
- ถอดเสียงพูดไทยไม่ได้ ตัวถอดเสียงในเครื่อง (SenseVoice) รองรับจีน อังกฤษ ญี่ปุ่น เกาหลี กวางตุ้ง และเบงกาลีแบบเลือกเพิ่ม คลิปพากย์ไทยจะไม่ได้บทพูด แต่การตัดสินแต่ละช็อตยังใช้ได้กับทุกคลิป
- คลิปที่โหลดจากแพลตฟอร์มถูกบีบอัดซ้ำ หลักฐานในไฟล์หายไปมาก ต้องให้ agent ดูภาพหรือต่อโมเดลวิดีโอ และอย่าเชื่อเปอร์เซ็นต์ทันที
- สคริปต์ติดตั้งแตะเครื่องเรา มันลง
rea-videoเข้า Python และลิงก์ skill เข้าโฟลเดอร์ skills ของ agent ทุกตัวที่เจอ อ่านscripts/install_skill.shก่อนถ้าอยากรู้ว่ามันทำอะไรบ้าง - เอาไว้เรียนรู้ ไม่ใช่เอาคลิปคนอื่นมาโพสต์ README เขียนชัดว่าห้ามเอาฟุตเทจ เพลง ตัวละคร หรือหน้าของคนอื่นไปใช้ซ้ำ ทำใหม่ด้วยของที่เรามีสิทธิ์
- เอกสารส่วนใหญ่เป็นภาษาจีน และโปรเจกต์เพิ่งเปิดได้ราวสองสัปดาห์ อัปเดตแทบทุกวัน
สิ่งที่ได้
- รู้ว่าคลิปที่อยากทำตาม ช็อตไหนถ่ายจริง ช็อตไหน AI ช็อตไหนโค้ด
- ได้แผนถ่าย prompt และจังหวะตัดต่อ เอาไปทำคลิปของตัวเองได้
- ตัวเครื่องมือฟรี ใช้กับ Claude Code หรือ Codex ที่มีอยู่แล้ว
ลองเอาคลิปที่ชอบมาสักคลิป สั่งประโยคเดียว แล้วอ่าน Open questions ก่อนเชื่อผลครับ ถ้าอยากใช้ AI ทำวิดีโอให้เป็นระบบ ดูคอร์สทั้งหมดได้ครับ