> ## Content Index
> Fetch the complete content index at: https://locdang.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# rea-video bóc tách video AI từng cảnh một, và vì sao nó đoán trúng đến từng phần giây
- URL: https://locdang.com/trai-nghiem-rea-video/
- Published: 2026-11-13T02:00:00.000Z
- Updated: 2026-11-13T03:08:22.000Z
- Description: Cài rea-video lên máy, chạy thật 5 lệnh chính và đối chiếu ground truth. Bài tóm lại cơ chế 4 khối, 3 mức độ chính xác và khi nào nên dùng.
- Author: Đặng Hải Lộc
- Tags: Share to learn, ai, ai-video, cong-cu-ai

*Bài này dành cho anh chị làm content, quảng cáo hoặc nghiên cứu AI video và từng tự hỏi "đoạn video này làm bằng gì vậy". Mình vừa cài rea-video lên máy, chạy thật trên 5 lệnh chính và đối chiếu kết quả với ground truth của chính dự án. Bài viết tóm lại cách công cụ này hoạt động ở tầng nguyên lý, kết quả thật mình đo được, và những chỗ sẽ vấp nếu anh chị muốn dùng.*

## rea-video là gì, và không phải là gì

rea-video là một công cụ dòng lệnh mã nguồn mở (Apache-2.0, phiên bản 0.1.0, commit mình dùng là 9779c88 ngày 10/11). Đầu vào là một video bất kỳ. Đầu ra là bản bóc tách từng cảnh. Mỗi cảnh được gán một nhãn. Quay thật, AI sinh ra, 3D render, code dựng, hay quay màn hình. Kèm theo là công thức làm lại video đó. Cảnh nào quay thật thì có kế hoạch quay (bố cục máy, ánh sáng). Cảnh nào AI thì có prompt đảo ngược và cách chia lô generate. Cảnh nào code thì có hướng dựng lại bằng Remotion.

Điều nó KHÔNG làm. Nó không render video mới. Nếu anh chị chỉ cần một bản sao nhìn giống bản gốc, các dịch vụ one-click như Hypit nhanh hơn. rea-video trả lời câu hỏi ngược lại. Không phải "làm cho tôi một bản giống thế" mà là "video này được sản xuất thế nào". Hai nhu cầu khác nhau, và chỉ cái thứ hai mới cần tới forensics.

Vì sao bài này không phải review đọc docs. Mình đã chạy 5 lệnh chính trên một video mẫu 19 giây của chính dự án, nơi tài liệu công khai kết quả gốc là 10 cảnh, trong đó có đúng 8 giây quay màn hình thật. Công cụ của mình trả về 10 cảnh, và đo đoạn tư liệu thật dài 8,2 giây. Khớp ground truth đến mức kiểm tra được từng phần giây. Toàn bộ số liệu dưới đây đều lấy từ log thật trong buổi chạy, không con số nào bịa.

## Cơ chế hoạt động, gỡ ra làm bốn khối

Lối làm việc của rea-video không phải ma thuật. Nó là một chuỗi đo lường khá cổ điển, cộng một lớp agent để xử lý phần mập mờ. Hình dưới là toàn bộ đường ống, nhìn một phát là thấy không có khối nào "AI đoán mò" cả.

![Diagram 1 - pipeline 4 khối của rea-video](https://locdang.com/content/images/2026/11/diagram1-pipeline.png)

Bốn khối chính. Tách cảnh và tách audio chạy trước. Rồi thu thập bằng chứng theo ba hướng. Đo lường khách quan (nhịp khung hình, nhiễu sensor, tag AIGC trong metadata, chuyển động phẳng nguyên khối). Nhìn bằng mắt máy (bàn tay, chữ, vật lý). Và nghe (BPM, giọng hát hay nói). Cuối cùng mới là quyết định, với một quy tắc rất đáng tiền.

> **Quy tắc vàng của rea-video:** bằng chứng cứng (tag AIGC, nhịp khung hình) luôn thắng "nhìn giống AI". Xung đột giữa các tín hiệu thì cảnh đó bị flag cho agent xem lại, thay vì ép kết luận.

Điểm mình đánh giá cao nhất nằm ở chỗ này. Thay vì tin một mô hình lớn nhìn ảnh rồi phán, công cụ ưu tiên các tín hiệu đo được và chỉ delegate phần không chắc cho bước xem ảnh. Kiểu kiến trúc "xác định trước, LLM sau" này chính là lý do nó đạt độ chính xác cao mà vẫn chạy offline miễn phí ở chế độ cơ bản.

Vòng đời một lệnh decompose trông như sau, từ câu brief của anh chị tới file report.html.

![Diagram 2 - sequence một lệnh decompose](https://locdang.com/content/images/2026/11/diagram2-sequence.png)

## Ba mức độ chính xác, và khi nào cần trả tiền

Đây là phần anh chị nên đọc kỹ trước khi quyết định dùng, vì nó quyết định chi phí. Dự án công khai bảng đánh giá trên 31 video có nhãn (tuning 15, holdout 16), và con số này khớp với trải nghiệm thật của mình.

![Diagram 3 - thang độ chính xác theo mức đầu tư](https://locdang.com/content/images/2026/11/diagram3-accuracy.png)

Cách một, tools-only. Offline, miễn phí, không cần API key. Trên file gốc thì đã đủ chuẩn 98-99%. Nhưng hầu hết video anh chị tải từ TikTok hay Douyin đều đã bị nền tảng nén lại, và bước nén này xóa sạch vết nhiễu sensor. Chính xác rơi xuống khoảng 88%. Buổi chạy của mình thuộc nhóm này. Confidence trả về 0,554 và công cụ tự flag "8 trên 10 cảnh cần người xem lại". Trung thực, nhưng chưa dùng được ngay.

Cách hai, gắn thêm mô hình nhìn ảnh (Gemini hoặc Doubao đều được, cấu hình qua biến môi trường). Nâng lên khoảng 99,6%, và bonus là có prompt đảo ngược cho từng cảnh. Anh chị trả phí theo bảng giá dịch vụ đó.

Cách ba, agent review. Nếu agent chạy công cụ (Claude Code, Codex) tự xem được ảnh, nó nhận các cảnh bị flag, nhìn từng cảnh rồi hợp nhất kết quả. Trên holdout re-encoded, kết hợp này đạt 100%. Đây là điểm thiết kế thông minh nhất. Lớp "agent tự kiểm tra lại phần công cụ không chắc" gần như miễn phí nếu anh chị đã chạy trong Claude Code.

## Kết quả thật trên máy mình, ưu và nhược

Năm lệnh chính mình đưa vào thử. Probe đọc metadata và nguồn gốc (chạy sạch). Stems tách nhạc và giọng (chạy sạch, tự tải mô hình 67 MB lần đầu). Decompose là lệnh chính (chạy sạch, 6 phút 26 giây cho video 19 giây tính cả tải mô hình). Summary in kết quả từng cảnh kèm câu hỏi mở (chạy sạch). Tiles xuất ảnh lưới khung hình (chạy được, nhưng phải truyền đường dẫn file .png thay vì thư mục, nếu không nó lỗi).

Ưu điểm thật sau khi chạy. Kết quả khớp ground truth như đã nói ở trên. Output giàu có. Một lệnh trả về report.html, storyboard, stems audio tách sẵn, phân tích ánh sáng và nhịp dựng (28,4 cắt/phút), timeline 21 dòng phụ đề, và các crop tư liệu thật cần tự cung cấp (quay màn hình 8,2 giây, chụp UI 2,9 giây). Repo cực kỳ sống. Commit mình kéo về mới ra một ngày.

![Storyboard 10 cảnh từ lệnh decompose](https://locdang.com/content/images/2026/11/storyboard.jpg)

Nhược thật. Tài liệu và help toàn bộ tiếng Trung (README nói thẳng "docs are in Chinese for now", report thì có --lang en). Lần chạy đầu chậm vì tải mô hình, và docs không nêu trước tổng thời gian kỳ vọng. Tools-only trên video đã nén thì confidence thấp như đã nói. Riêng với anh chị dùng Mac và bật đồng bộ iCloud cho Documents, một lưu ý cài đặt. Hãy để môi trường Python ngoài Documents, vì đồng bộ iCloud ẩn các thư mục dạng chấm và làm gãy đường nạp mã của công cụ. Mình mất một buổi tìm ra cái này, anh chị mất đúng một dòng đọc.

![Phân tích audio với BPM 121.6 và các ứng viên sound effect](https://locdang.com/content/images/2026/11/audio.png)

## Ai nên dùng, ai không

Nên dùng nếu anh chị nghiên cứu AI video, làm content cần hiểu cấu trúc video viral, hoặc muốn giáo dục mắt mình về cách video quảng cáo được lắp ghép. Giá trị lớn nhất không nằm ở verdict "AI hay thật" mà ở bản liệt kê tư liệu thật phải tự quay, thứ mà theo mình biết chưa công cụ nào khác làm.

Khoan nếu anh chị cần output tức thì hoặc không quen dòng lệnh. Dù README hứa "agent tự làm hết từ một câu", thực tế vẫn cần ffmpeg, Python 3.10 trở lên, và lần đầu chạy đúng nghĩa là hơn 6 phút chứ không phải một cú click. Version 0.1.0, dự án trẻ, kì vọng thay đổi interface là điều bình thường.

## Hai câu tự kiểm tra

Nếu anh chị đọc tới đây, thử trả lời hai câu rồi đối chiếu lại bài. Một, vì sao video tải từ nền tảng xã hội khó phát hiện hơn file gốc, và tín hiệu nào bị mất trong bước đó. Hai, trong ba lớp (đo lường, mô hình nhìn ảnh, agent review) thì lớp nào rẻ nhất để nâng chính xác từ 88% lên trên 99% nếu anh chị đã dùng Claude Code.

## Tài nguyên để tự nghiên cứu

- [rea-video - repo chính](https://github.com/JuneYaooo/rea-video?ref=locdang.com) (truy cập 12/11). Điểm bắt đầu, README có bảng accuracy và FAQ so sánh với Hypit.
- [docs/what-it-detects.md](https://github.com/JuneYaooo/rea-video/blob/main/docs/what-it-detects.md?ref=locdang.com). Danh mục đầy đủ 10 loại hình ảnh nó phân biệt, camera, ánh sáng, audio.
- [docs/decompose.md](https://github.com/JuneYaooo/rea-video/blob/main/docs/decompose.md?ref=locdang.com). Quy tắc phát hiện chi tiết, dành cho ai muốn hiểu tầng forensics.
- [docs/cases.md](https://github.com/JuneYaooo/rea-video/blob/main/docs/cases.md?ref=locdang.com) và thư mục [docs/cases/videos/](https://github.com/JuneYaooo/rea-video/tree/main/docs/cases/videos?ref=locdang.com). Video mẫu kèm report đầy đủ để anh chị chạy lại và đối chiếu.
- [eval/RESULTS.md](https://github.com/JuneYaooo/rea-video/blob/main/eval/RESULTS.md?ref=locdang.com). Cách tái hiện các con số accuracy.
- [capsule-cinema](https://github.com/JuneYaooo/capsule-cinema?ref=locdang.com). Dự án em đi kèm, tự sinh bản remake từ kết quả bóc tách.
- [REA - Reverse Engineer Anything](https://github.com/morluto/rea?ref=locdang.com). Người anh của rea-video trong thế giới nhị phân và ứng dụng, cùng triết lý "claim phải có evidence".

---

*Bài này thuộc chuỗi mình tự học rồi chia sẻ lại. Ai đang cần hướng dẫn vibe coding cho tổ chức thì xem profile của mình, còn thắc mắc về bài thì cứ để lại bình luận.*