ai-video-prompt (Gemini 3.8 Flash via OpenRouter + DeepSeek)部分实测🇨🇳 中文

用同一条片子实测三种视频反推提示词的做法:整段视频直传 Gemini 3.8 Flash、再复查关键动作最准(开源 ai-video-prompt)

Wonfull 用同一条 15 秒动漫短片对比了三种视频反推提示词的做法:拆成截图一张张喂、整段视频一次喂、整段视频喂完再对关键动作多看几遍。只有第三种把两个镜头和每个关键动作都还原对了。他把第三种做成开源 skill ai-video-prompt:在 Cursor / Codex 里说一句「视频反推提示词 + 视频路径」,Gemini 3.8 Flash(经 OpenRouter)看视频,DeepSeek 审核和翻译,交出中英双语 prompt.md。我们在测试机上跑了流水线里不调用模型的取证环节。

访问官网 ai-video-prompt (Gemini 3.8 Flash via OpenRouter + DeepSeek) ↗
定价
付费
地区
海外
出自哪里
中文社区
上架日期
2026 年 10 月 20 日
实测日期
2026 年 10 月 20 日
用的版本
wonfull888/ai-video-prompt main @ ca79565 (2026-10-10); defaults google/gemini-3.8-flash via OpenRouter (provider google-ai-studio/flex) + deepseek-v4-flash; evidence step run with ffmpeg 7.1.5 on Python 3.13
分类
视频创作
原作者
Wonfull @wonfull888 ↗
我们实测
部分实测
成本 / 耗时
工具本身免费(非商业许可);OpenRouter 和 DeepSeek 按量付费,作者说每次约 6–10 次模型调用,整段视频按 base64 发送,片子越长越贵。生成视频的费用另算。
来源
X @wonfull888(长文) ↗GitHub wonfull888/ai-video-prompt ↗GitHub LunarXuan/video-prompt-reverse(上游) ↗

要解决的事

刷到一条参考片,想复刻它的运镜、动作和节奏,但自己写不出能直接拿去 Seedance / Veo / 可灵生成的分镜级提示词。

步骤

  1. 准备环境:Python 3.10+、ffmpeg(含 ffprobe);一个 OpenRouter Key(视觉,默认 google/gemini-3.8-flash)和一个 DeepSeek Key(审核和翻译)。Key 只放环境变量:export OPENROUTER_API_KEY=… 和 export DEEPSEEK_API_KEY=…,不要写进仓库。
  2. git clone https://github.com/wonfull888/ai-video-prompt ,在 Cursor 或 Codex 里打开这个目录(仓库带 SKILL.md 和 AGENTS.md,触发词是「视频反推提示词 / 视频转提示词 / video-to-prompt」)。
  3. 准备参考片:30 秒以内、100 MB 以内,格式 mp4 / mov / webm。
  4. 对代理说下方那句话。底下实际跑的是 python3 scripts/reverse_full.py <视频路径> --out outputs/<任务名>,也可以自己在终端直接跑这条命令。
  5. 流水线做的事:ffprobe 读时长、分辨率、帧率 → ffmpeg 场景检测找硬切点(阈值从 0.18 起,候选太多就调高)→ 在 12 个均匀时间点、每个切点和切点前一点各抽一张证据帧 → 整段视频直传 Gemini 出初版分镜 → 挑出动作最可疑的几个时间窗口,用稠密帧复查动作和接触、用稀疏帧复查表情 → DeepSeek 对账(锁定人物身份、动作阶段只增不减、删掉画面里看不到证据的因果)→ 翻译成中文。
  6. 拿结果:输出目录里的 prompt.md(中文在前、英文在后)是成品,另有 prompt_zh.md / prompt_en.md、shots.md(分镜表)、evidence_gallery.md(证据帧)、structured.json 和 manifest.json(每次模型调用的记录)。
  7. 按 references/model-adapters.md 改写成目标模型(Seedance、Veo、Sora、可灵、Wan 或通用)的写法,把人名和细节换成自己项目的,过一遍再拿去生成。

提示词

视频反推提示词 /path/to/参考视频.mp4

原文怎么说

作者 10 月 10 日的长文称:同一条 15 秒动漫短片,拆成截图一张张喂给模型,连镜头切在哪都没找对;整段视频一次喂,把男女主角搞反了;整段视频再对关键动作多看几遍,切出两个镜头,硬币入碟、抓外套、两指告别、水墨转场全对。三次用的是同一个视觉模型,差别在模型有没有真正「看见」视频。他 fork 的上游原版用 8 张均匀截图只看出一个镜头,漏掉了 13.17 秒处的硬切。另一条 27 秒奇幻战斗混剪,Gemini 3.8 Flash 切出 12 个镜头,人物全程带名、没有串位。作者认为 Gemini 是唯一能直接读视频文件的主流模型(OpenAI 和 Claude 只收图片),所以流水线建在它上面;每次运行约 6–10 次模型调用。

我们实测

我们没有 OpenRouter / DeepSeek Key,没有跑模型分析,也无法验证作者三种方案的对比结论;只在测试机上跑了流水线里不调用模型的取证环节(ffprobe、场景检测、抽证据帧)。

我们亲自试下来:2026-10-20 实测(仓库 main,commit ca79565):用 ffmpeg 合成了一条 15.04 秒、24fps 的测试视频,在 13.17 秒处从测试图案硬切到彩条(切点时间照作者文中设置,画面是合成的,不是真实影片)。取证环节用 0.18 阈值找到 1 个切点 13.208 秒(硬切后的第一帧),共抽 14 张证据帧:12 个均匀时间点,加上 13.168 秒和 13.208 秒各一张。35 秒的视频在读取阶段就被拒;没有 Key 时完整命令在取证完成后报「Missing API key for analysis」退出。

怎么用上

原文是 X 长文(需能打开 X),代码在 GitHub。OpenRouter 是海外服务,充值一般要海外支付方式;DeepSeek 国内可以直接注册充值。生成环节的即梦、可灵国内可用,Veo / Sora 需要海外账号。

适合谁

在 Cursor / Codex 里做 AI 短剧、短片、广告,经常要照着参考片复刻的创作者;想把参考片拆成分镜表来学运镜和节奏的人。

踩坑提示

  • 只收 30 秒内、100 MB 内的 mp4 / mov / webm(我们实测 35 秒的视频在第一步就报「Video duration must be within 30 seconds」);长片要先剪,或自己改 reverse_full.py 里 probe_video 的限制。
  • 整段视频会以 base64 发给 OpenRouter 再到 Google;客户素材、未公开的商业素材上传前要想清楚。
  • 两个 Key 缺一不可:没有 Key 时取证做完就退出(我们实测报「Missing API key for analysis」),不会改用代理自带的模型。
  • 仓库里 AGENTS.md 写的是跑 scripts/reverse.py(快速单次版),SKILL.md 和 README 写的是 reverse_full.py(带复查的完整版);想要文中第三种方案的效果,确认代理跑的是 reverse_full.py。
  • 许可证是非商业使用:拿它做付费服务、卖给客户都要作者书面授权。
  • 交出来的是「尽量还原的生成规格」,不是原片的原始提示词;生成视频花的是真钱,先自己过一遍再改。

同类用例