hot-video-recreate · 爆款视频一键复刻

English  ·  简体中文

爆款视频复刻 + 智能模型路由。
一条命令：参考视频 + 产品图 → 你的视频，保留爆款 DNA，但绝不雷同。

---

🎯 解决什么问题

hot-video-recreate 解决 AI 视频制作中两个最头疼的问题：

1. 爆款视频复刻

任何平台上的爆款视频，本质上都是一组被市场验证过的信号集合——分镜节奏、运镜方式、转场密度、情绪曲线。直接照搬，会被判同质化。完全不管，又浪费了现成的爆款公式。

hot-video-recreate 提取参考视频的结构 DNA（镜头构成、节奏分布、运动语法、转场逻辑），再迁移到你的产品或品牌上——保留原作的爆款骨架，但输出的视频只属于你。

底层逻辑：视频平台的爆款视频，里面的元素大概率已被市场验证。直接复刻会触发同质化降权；忽略又等于放弃已验证信号。hot-video-recreate 做的事，是把爆款的骨架保留、领域的外皮替换——跨品类迁移，不撞同质化红线。

适合谁：带货卖家、新媒体达人、品牌营销——任何需要把产品做成有效视频、又不想每次都从零开始的人。

2. 智能模型路由

不是每一段画面都需要最强模型。Seedance、可灵、万相、VEO、Sora——每个模型都有自己的甜点区。有的擅长真人表情，有的擅长产品特写，有的擅长文字叠加。把所有任务都扔给旗舰模型，等于用大炮打蚊子。

hot-video-recreate 的路由器了解每个模型的能力边界，把每一段素材分配给「刚好能胜任、且成本最低」的模型。现阶段已支持 Seedance 不同版本之间的同质量降本路由。后续将陆续接入可灵、万相、VEO 等模型。

底层逻辑：每个模型都有自己独特的价值曲线。将所有任务交给最厉害的模型，当然可行，但成本极高且严重浪费算力。路由模型做的事，是把不同任务分配给最适合它的模型，尽可能榨干每一个模型的算力，在保持质量一致的前提下实现极致降本。

当前路由能力：Seedance 各版本（fast / pro 等）——相同视觉质量，不同成本。
即将接入：可灵、万相、VEO、Sora 等视频生成模型。

成本：采用官方 API，最低可做到 ¥0.4/秒，质量不打折。

---

⚖️ 与「文生视频」工具有什么不同

文生视频工具	hot-video-recreate
你用文字描述想要什么	你给一条参考视频——它会理解它怎么做到的
一个模型包揽一切	根据任务特征智能路由到不同模型
你凭感觉猜什么是好视频	爆款 DNA 是提取出来的，不是拍脑袋想的
不管什么任务，成本都一样	按需匹配——只为每段画面付该付的钱
绑定单一模型	多模型冗余——永远不锁死在单个 API 上

一句话：文生视频工具让你当导演，hot-video-recreate 给你一条校准过的产线。

---

🚀 快速开始

# 1. 进入技能目录
cd %USERPROFILE%\.codex\skills\hot-video-recreate

# 2. 配置环境
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt
copy .env.example .env

# 3. 编辑 .env，填入 API Key
#    DASHSCOPE_API_KEY=sk-...
#    VOLC_ARK_API_KEY=ark-...

# 4. 一句话执行
python main.py --video "参考视频.mp4" --image "产品图.jpg" --resolution 720P

Codex 用户一键调用

直接说：爆款复刻 --video "ref.mp4" --image "product.jpg"，剩下的交给 Codex。

---

🧬 复刻流程

参考视频 + 产品图
        ↓
   [规范化] — 格式化输入，探测时长
        ↓
   [人脸检测] — 有真人照片则走彩铅合规流程
        ↓
   [拆解] — 提取爆款 DNA：分镜构成、节奏、运镜、转场
        ↓
   [迁移] — 将 DNA 迁移到目标产品 / 领域
        ↓
   [编译] — 生成逐段生成提示词
        ↓
   [路由] — 每段匹配最优模型（成本 x 质量）
        ↓
   [生成] — 通过 Seedance / 可灵 / 万相 / VEO 渲染
        ↓
   outputs/<run_id>/segments/*.mp4

---

🧠 为什么这能成立

对于爆款复刻：平台上的爆款视频，其结构特征（镜头时长分布、运动强度曲线、转场密度）是统计信号，不是创作偶发事件。将这些信号迁移到新领域，会保留已验证的有效部分，而领域转变本身天然避免了同质化。

对于模型路由：视频生成模型的能力剖面并不重叠。擅长真人表情的模型，用来做纯产品特写+文字的镜头就是浪费；擅长快速出片的模型，适合 B-roll 但不适合英雄镜头。路由器学习这些能力边界并据此分配任务——这跟 CDN 比源站更便宜的逻辑一脉相承。

---

🔑 支持的模型

模型	状态	最适合
Seedance 2.0 Mini	已接入路由	轻量级快速生成
Seedance 2.0 Fast	已接入路由	快速出片、产品展示
Seedance 2.0	已接入路由	标准质量、通用场景
可灵 (Kling)	即将接入	真人动作真实性
万相 (Wanxiang)	即将接入	电影级画质
VEO	即将接入	文生视频一致性
Sora	即将接入	场景连贯性
Grok	即将接入	实时视觉理解
Gemini-Omni	即将接入	多模态原生生成

---

📄 许可协议

MIT。商业使用、修改、闭源集成——都可以。

署名要求：如果使用本项目，请注明来源并附上项目链接地址。