爆款视频拆解·短视频复刻
把一条已经跑出来的短视频,变成你自己的那一条。参考视频可以是文件、截图或你自己的描述,也可以直接粘一个视频链接——抖音、TikTok、小红书、Instagram、YouTube、X 都能读到标题文案、作者、公开数据和评论区留言;YouTube 还支持字幕提取,拿到整段逐字稿。借助 AI 的爆款短视频拆解与复刻工作流:逐段拆出钩子、中段节奏和转化引导,判定它属于哪一类脚本结构,说清它到底靠什么跑起来,再把这套骨架原样套到你的产品或选题上——交付画面与口播分开写的分镜表、优先取用你自己素材、必要时才生成的参考帧、选定音色的口播配音,以及一条动起来的竖屏短片,或者按分段交付的素材配上带时间码的剪辑清单。适合爆款结构分析、评论分析、爆款拆解、对标爆款、抄爆款结构、二创改写、视频号、抖音、小红书、快手起号找对标,也适合把收藏夹里存了很久的参考视频,变成一套能反复复用的内容公式。
skillhub install @beatra-ai/viral-video-teardown-remake
README 文档
11,445 字爆款视频拆解·短视频复刻
拿一条已经跑出成绩的短视频,摸清它底下的结构,再把这套结构重新搭到用户自己的题材上——最后交付分镜图、一条口播音轨,以及按所选路线,要么是一条做完的竖屏短片,要么是分段素材、字幕和一份给用户自己剪的带时间码剪辑清单。
适用范围与路线选择
这条路线是:一条参考视频、一份拆解、一份重写过的分镜表,以及一条复刻出来的视频。用户指着某一条具体的视频、想要属于自己的那一版时,走这条路线。
手上没有参考视频可拆时,别的工作流更合适。只有一个原创想法、没有对标,属于分镜脚本类工作流。一张商品图要变成带货视频,属于商品视频类工作流。文案已经写好、只差一个声音,属于配音类工作流。要动的是参考视频本身的画风、而不是把它重搭一遍,属于视频转风格类工作流。
输入与默认值
两个硬性输入:参考视频——以及复刻出来是讲什么的。
参考视频可以是好几种形态,每一种都能用。宿主 Agent 能直接打开的视频文件在画面上信息最全。关键时刻的截图、粘贴过来的逐字稿或标题文案、用户自己口述的每一段发生了什么,也都足够把拆解做完。拿到什么形态就用什么形态,并且只说一次、说清楚:哪些是你自己看到的,哪些来自用户的转述。绝不描述你没有看到的画面。
最常见的形态是一个链接,本包可以直接读:抖音、TikTok、小红书、Instagram、YouTube、X 上这条帖子的标题文案、作者和公开数据,它的评论区,以及——只有 YouTube——整段字幕逐字稿。每一项都是一次付费查询、都可选,并且都在各自运行之前单独确认,见从链接读参考视频(references/reference-lookup.md)。查询永远看不到画面:构图、运动和剪辑节奏,仍然只能来自文件、截图或用户。
题材是用户的产品、服务、选题或账号。对话里已经交代过的直接复用,不要再问一遍。
默认竖屏 9:16 画布,复刻片长与参考视频相同,开场那一拍加用户标出的其他拍各出一张参考帧——最终张数跟着重建路线走——口播音色按短视频内容匹配。重写之后,默认检查复刻稿的前 3 秒是否承担钩子——让人继续看下去的理由——而不是复述原片片头或自报家门。这一步在仍免费的分镜表里改完,再进入任何付费生成确认。这些默认值在确认时逐条说明,而不是拿去提问。
有两件事决定了后面的每一个判断。每一次视频生成调用都必须落在所选实时模型卡支持的时长里——一镜到底时,这条上限约束整条片子;分段重建时,它约束每一个单元,成片本身可以和单元序列一样长。真正有多少拍会被做活,也跟着所选重建路线走:参考片短、切得少、又装得进单个模型单元时,只动开场那一帧;参考片切得快、或比模型允许的更长时,就按单元分段,每一段有自己的参考帧。这两点都在确认时说明,而不是等付完钱才发现。
一镜到底时,同一条上限也约束口播:成片至少要和念出来的音轨一样长,所以整段脚本必须能在这个时长里念完。分段重建对整段口播没有这条天花板——正是单元拆分让成片可以超过任意一张模型卡的上限,口播仍然是一条连续音轨。无论走哪条,口播字段还是免费文本的时候就要编好预算:按每秒大约四到五个汉字、或者两到三个英文单词估算,在分镜表拿去批准之前先把念不完的删掉——合成之后再砍要多付一次,视频调用之后才发现超长,砍的是整条流程里最贵的那一次。
主张按来源分开。结构、节奏和呈现手法,是你从参考视频里读出来的。用户自己题材的规格、价格、效果、资质和活动,只能来自用户。这些缺失时就绕开写,绝不编一个看着像真的数字,因为最后要为它负责的是用户。
标准流程
把参考视频切开、重写到用户题材上、选定重建路线,以及拆解、分镜表和重建方案一起获批的那一关——这些本身不花钱。有最多三次可选分析调用可能排在这关前面,每一次都单独披露、单独确认,确认过才跑,形态相同:一次是可选的社交查询,一次是参考为视频文件且需要读真实画面时的第 1 步 beatra.videos.understand,以及参考片段带有口播或声音线索且既无手贴逐字稿也无 YouTube 字幕时可选的 beatra.audio.transcribe 原声逐字转写。这三次都不并进后面的免费阶段;除此之外,用户看过拆解、分镜表和重建方案并一起批准之前,不再产生任何费用。
在第 1 步之前,只有用户给了链接并要求读它时才做:查这条帖子,以及拆解确实需要时再查它的评论区或 YouTube 字幕,见从链接读参考视频(references/reference-lookup.md)。用户已经给了文件、截图或逐字稿时就跳过——从那些做出来的拆解一样是真拆解。
- 读参考视频。 参考是视频文件、真实画面还没读过时,这次读取是付费的——按入选的输入视频秒数计费,输入视频上限是 50 MiB 和 360 秒,这是工具写死的限制,超限会在计费前被拒——并且在运行之前单独确认,形态和上面那次可选查询完全一样:两条限制都说清楚,用
beatra.models.list(能力videototext)读出现时的每秒价格并报这个数,绝不报记忆里的数字,并且说清楚:拆解仍然可以不花钱,用截图、逐字稿或用户自己的转述来做。只有用户同意、并且文件确认落在这两条限制之内之后,才打一次beatra.videos.understand,把responseformat设成json,一次把整段视觉读完——绝不要一个问题打一次,因为每一次都会按整段片子重新计费。用之前先重标定: 模型自己报的时长是错的,所以从素材自己的元数据读真实时长,把返回的每一个时间点按这个比例缩放,绝不按模型声称的时长来。对白绝不来自beatra.videos.understand——视觉模型没有音轨可听,所以对白走拆解参考视频(references/teardown.md)里的五级来源阶梯,绝不猜视觉模型对声音的臆测。当参考音频或视频文件既没有用户贴来的逐字稿、也没有 YouTube 字幕,而用户希望把爆款开头钩子词、说话人切换或非语音音效逐字转写出来再改稿时,在运行前单独确认付费的beatra.audio.transcribe({"capability": "speechtotext"},最长 60 分钟且<= 100 MiB,从beatra.models.list读实时每秒价格),按需开启diarize(已知人数时传numspeakers)、tagaudioevents: true以及subtitles: true(随转写文稿免费附带 JSON/SRT/VTT 字幕文件);同时坦诚告知用户仍可用手贴文案或截图免费做拆解。按拆解参考视频(references/teardown.md)填那四张表。 - 把它重写到用户的题材上。 证据表的行数和每行时间预算、镜头表的镜头数和功能顺序都保留;内容本身全部换掉。每一拍写成两个分开的字段——画面上是什么,嘴里说的是什么——因为合成一个字段的分镜没法拍。一镜到底时,口播字段对着所选实时模型卡的时长上限编,编不进就删;分段重建不把整段脚本绑在同一条上限上,因为单元拆分就是用来消化比单张模型卡更长的参考片的。文案按重写到你的题材上(references/remake-plan.md)所说的方式过一遍。
- 先把
texttoimage和texttospeech两张实时卡片用beatra.models.list读出来,再用beatra.voices.list搭配免费的beatra.voices.preview试听选一个现成音色。若脚本需要用智能语音导演,也读取{"capability": "speechscript"}(beatra.speech.preparescript);若带噪声音克隆样本需先人声分离降噪,读取{"capability": "audiovoiceisolation"};若成品配音要做响度均衡或修剪,读取{"capability": "audioprocess"}。拍摄调用实际会用到的视频能力,也要读它的实时卡片——imagetovideo对应beatra.videos.animate,framestovideo对应beatra.videos.interpolate,分段重建里由有序参考搭起来的单元走referencetovideo对应beatra.videos.generatefromreferences,单镜必须越过单元上限继续拍时走videoextend——因为决定成片怎么拆成生成单元的,是这张能力卡支持的时长,不是别张卡的。这一步要赶在分镜表签字之前做。 - 选定重建路线。 片子的行数、有没有硬切、以及所选模型的时长上限,能直接排除一条路线时就先排除;只有两条在结构上都还能走时,才直接问用户自己会不会剪视频,见三条重建路线(references/rebuild-routes.md)。
- 把拆解、分镜表和重建方案一起拿出来,并让它们获批。 后面整条流程都建在这份产物上,它改多少次都免费。路线和单元数在这里定下来、说清楚,并把推导链讲明白——这张模型,所以是这条路线,所以是这么多单元,所以大约是这个量。一镜到底时,口播脚本必须在这次批准之前就能放进卡片支持的最长时长,因为后面没有任何一步能让一段过长的口播变短;分段重建对整段脚本没有同一条上限,消化比卡片更长的参考片的是单元拆分,不是口播。
- 确认准备工作。 展示哪些拍会出帧、9:16 画布以及之后再改要付出什么代价、从
beatra.voices.list+ 免费beatra.voices.preview选出的现成音色——或者用户选择克隆一条时,实时voiceclone价格(若先给含背景杂音的样音做可选付费beatra.audio.processoperation: "isolatevoice"分离降噪,样音需为4.6 s – 5 min/<= 100 MiB)和各自稳定的请求 ID——以及任何可选付费的智能语音导演(beatra.speech.preparescript,speechscript)或音频后期处理(beatra.audio.process,normalize_loudness/trim/fade)条目实时报价、当前预估费用,以及每一次计划中的付费调用各自稳定的请求 ID。绝不把原声转写、台词编排、人声分离或音频处理说成免费,也绝不将音频处理成果虚称为母带级成品。 - 先找参考帧,再生成。 每一张先从用户这次上传的、或他自己库里已有的素材取;两档都没有能用的,才退到
beatra.images.generate,并且绝不为实物商品生成参考图——生成出来的商品图永远不是那件商品。若口播需要自然的开头钩子停顿、重音节奏或纠正多音字,按实时报价确认并运行 智能语音导演(beatra.speech.preparescript;48 小时内用完全相同的input、instructions、language和context仅切换voice或model重调不另计费,最多 2 个并发调用,前提是余额仍覆盖初始预估),提交前先核对directed和scripts[](若提示warnings且synthesis为null,先按提示处理),绝不手写{pause}、{pron}之类花括号标记。先用免费的beatra.speech.validate校验确切台词与费用(返回estimateddurationseconds、加权字数、实时积分与警告提示),默认保持subtitleenable: true以免费返回对齐的 JSON/SRT/VTT 字幕与分句时间轴。用beatra.speech.synthesize一次合成整段口播,如需响度均衡或首尾修剪,再经独立确认卡运行付费beatra.audio.process(normalize_loudness默认-14 LUFS、trim、fade,最长 60 分钟且<= 300 MB,最短输出>= 1 s),然后读取实际返回的时长、大小和 MIME 类型。 - 展示真实素材。 宿主能访问时就把帧、对齐的
output.subtitles显示出来、把口播放出来,并报告真实时长。把任务返回的事实和宿主无法查看的媒体区分开。 - 出示视频入场卡,再跑付费生成。 先核定时长:一镜到底时,取不小于口播真实长度、且被所选实时模型卡支持的最小整秒——绝不为了压到上限而调低;改短口播字段再合成一次,这是整条流程里最便宜的一次调用。分段重建时,每个单元的时长从镜头表里属于它的那一段对着同一张卡核定,而不是从整段口播核定。然后展示所选路线、它会打的那一次或多次调用、已批准的参考帧、这段口播、时长——一镜到底以音频为准,分段重建则是每个单元自己从表里核定的时长——当前实时预估价、标准注册礼金通常启动不了这条视频这一事实,以及余额不够时怎么办。规划、比较或一句「做成片吧」都不算批准;参考帧或口播已批准也不等于批准了视频。在用户确认已充值、或确认余额足够这次预估之前,不要创建视频的
clientrequestid,也不要提交。确认之后,按三条重建路线(references/rebuild-routes.md)跑生成——一镜到底打一次,分段重建每个单元打一次,多于一个单元时按复刻工作流(references/workflow.md)维持按单元台账——用beatra.tasks.get把每个任务轮询到终态,按路线交付结果,并复核你确实能看到的部分。
一镜到底时,视频模型必须显式选定,而不是交给 auto:这个能力下只有部分模型接受传入的口播,不接受的那些会把它丢掉。具体是哪张能力卡,跟着调用走——imagetovideo 对应 beatra.videos.animate,framestovideo 对应 beatra.videos.interpolate——检验标准是:卡片在接受这次调用所供的帧的同时,也接受这段口播,而不是某一组写死的输入组合,因为这两张能力卡宣传的帧输入并不相同。一镜到底也只打这两种调用:beatra.videos.generatefromreferences 根本没有 driving-audio 输入,所以这条路线上的主体或商品锁,是靠参考帧来守的,那一帧按真实素材优先的阶梯、用用户自己的资产搭好,再交给调用去做活。分段重建的单元不会把口播带进视频调用——口播作为独立音轨交付,用户按剪辑清单上的时间码在自己的剪辑器里对齐——所以这条要求并不收窄单元能用的模型;仍然要为每个单元显式选模型,而不是 auto。
画布由第一张生成出来的参考帧定下来,所以画布定晚了,就意味着每一件付费产物都要再做一遍。
需要确认的决策
付费前先确认:凡是要跑参考查询,都先在最前面为它单独确认一次;参考是视频文件时,对它真实画面的 beatra.videos.understand 读取也单独确认、确认过才跑;需要从参考素材做原声语音转写、说话人分离或声音事件识别时,可选付费的 beatra.audio.transcribe(speechtotext)同样单独确认后再跑;然后是帧组和口播这一组、连同它们每一次计价的调用——包括付费的 beatra.speech.preparescript、用户选择以 beatra.voices.clone 克隆音色(以及先以可选付费的 isolatevoice 配合 beatra.audio.process 给含噪样音清噪)而非从 beatra.voices.list + beatra.voices.preview 免费试听选出保留音色时的相关调用,和任何付费 beatra.audio.process 音频处理步骤(normalizeloudness / trim / fade);最后是付费生成本身——一镜到底一次视频调用,分段重建则每个单元一次,由有序参考搭起来的单元打 beatra.videos.generatefromreferences,而不是 beatra.videos.animate 或 beatra.videos.interpolate,越过单元上限继续拍的那一镜打 beatra.videos.extend。视频这次确认要放在用户看过能访问的帧、听过口播之后,因为它是整条流程里最贵的工作。beatra.voices.list、beatra.voices.preview、beatra.speech.validate 以及随任务返回的对齐 output.subtitles(subtitleenable: true / subtitles: true)均不另收费。
同样需要确认、而不是自己拍板的还有:9:16 以外的画布、与参考视频不一致的分镜数量、用户没有核实过的题材主张,以及任何产物获批之后的改动。每改一个参数都是新的付费工作,需要新的请求标识和重新批准。
用户要的是把参考视频本身的画面、音乐或出镜人复制出来、而不是复用它的结构时,说明这条路线交付的是什么——一条建在同一套结构上的原创短片——然后接着往下走。
执行方式
每一次远程 Beatra 操作都只通过随包的 scripts/mcp_client.py:工具名作为命令行参数,参数以 JSON 从标准输入传入:
printf '%s' '{"capability":"text_to_image"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"speech_to_text"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"speech_script"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"text_to_speech"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"audio_voice_isolation"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"audio_process"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"image_to_video"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"frames_to_video"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"reference_to_video"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"video_extend"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"voice_clone"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"language":"zh-CN"}' | python3 scripts/mcp_client.py call beatra.voices.list
printf '%s' '{"query":"video by url","platform":"tiktok","capability_family":"content"}' | python3 scripts/mcp_client.py call beatra.social.tools.search
不要配置或调用宿主 Beatra Connector,也不要使用 REST/OpenAPI 作为回退。每一个逻辑上的付费请求给一个稳定且不透明的 clientrequestid,并且只提交一次。
交付与复核
交付拆解(若运行过 beatra.audio.transcribe,附带原声逐字稿、说话人分离与声音事件)、已批准的分镜表和重建方案、作为静帧交付的每一张帧、口播及其免费对齐的 output.subtitles,以及——按所选路线——要么是那一条做完的视频产物,要么是分段素材、一条连续口播音轨、字幕和带时间码的剪辑清单。每一个生成类任务,都交付它的任务 ID、返回的产物链接、解析出的模型、返回的尺寸与时长,以及 billing.netchargedcredits。参考查询的报告方式不同——返回的载荷、任务 ID、终态和 billing.netchargedcredits,没有模型、尺寸或时长可报——见从链接读参考视频(references/reference-lookup.md)。只报告任务确实返回的事实。
宿主能查看或播放返回的媒体时,检查每一张帧或每一段是否对得上它所属的那一拍、口播是否存在并且结尾完整、成片或分段是否符合画布。哪些媒体细节无法查看就直接说明,而不是从任务元数据里推断出来。
拆解交付后用户没有继续做成片,或者成片已经交付时,整段对话最多提出一个下一步,具体见下一步(references/next-step.md):口播类参考片,可以用改写好的稿子做一条数字人口播视频;带货成片,可以配一段原创、可商用的音乐。
故障恢复
任务 ID 一拿到就立即记下,并且只轮询这个任务。queued 和 running 表示继续等待。创建请求的响应丢失时,只用同一个标识重放逐字节相同的冻结载荷;任务 ID 丢失时,按对应能力把任务列出来,先把候选逐个对照自己的台账,再考虑重试——参考查询除外,它没有可以据以列举任务的能力,只能靠记录下来的 operationkey、参数和 schemahash 去比对。重做某一张帧时,其余产物原样复用;分段重建时,只重做失败的那个单元,并维持复刻工作流(references/workflow.md)里的按单元台账。遇到 insufficientbalance 时,原样转达返回的消息,把余额错误里的充值地址保持逐字不变,并且只有在用户说自己已经充值之后,才用同一个冻结的 clientrequest_id 重试。
账户余额
用户问还剩多少积分,或某次实时估价够不够时,调用 beatra.wallet.get。问已经扣了多少 时,调用 beatra.wallet.ledger。两者都是只读的。不要臆造查余额或充值的工具。也不要把 wallet.get 变成每次付费提交前的必需步骤。
模型卡返回里带 top_up 块时,按卡片给出的档位和顺序原样转述。不要给档位排高低,不要 贬低其中任何一档,也不要替用户挑。选哪一档是用户自己的事,钱包页会把整份清单摆在他 面前。任何时候都不要凭记忆报档位。
按任务查阅参考
- 按片长、切点密度、模型上限、以及用户自己会不会剪,在 R1 和 R2 之间做选择:三条重建路线(references/rebuild-routes.md)
- 这条路线从参考视频借什么、什么绝对不能带过来,任何生成调用跑之前先核对:六条红线(references/compliance.md)
- 从链接读参考视频、每次查询要花多少、查到的结果如何标注来源:从链接读参考视频(references/reference-lookup.md)
- 三层来源怎么叠、模型给出的时间点怎么按真实时长重标定、四张证据和评分表怎么填:拆解参考视频(references/teardown.md)
- 把结构搬到新题材上、写成画面与口播成对的字段、选定模式和它的锁、参考帧先从真实素材取再生成:重写到你的题材上(references/remake-plan.md)
- 确切载荷、每次确认冻结了什么、轮询、重做某一步或某一个单元、按单元台账、故障恢复与取消:复刻工作流(references/workflow.md)
- 台词导演、免费试听、原声转写、人声分离、音频处理边界与免费对齐字幕:语音与音频指南(references/speech-and-audio.md)
- 拆解或成片交付后,选择并提出一个下一步:下一步(references/next-step.md)和提出一个下一步(references/next-step-offers.md)
- 首次安装或授权过期:安装与认证(references/installation-and-auth.md)
- 非计费的包注册:安装注册(references/installation-registration.md)
- 任务轮询、产物(artifact)与结果字段:任务与结果(references/tasks-and-results.md)
- 余额、校验与结构化错误:计费、错误与恢复(references/billing-errors-and-recovery.md)
- 随包客户端连不上时:随包 MCP Client 连接诊断(references/mcp-connection.md)
- 更新与安全:更新与安全(references/updates-and-security.md)
- 移除本包或共享凭据:卸载与断开连接(references/uninstall-and-disconnect.md)
更新与安全
本 Skill 会自动更新。内置客户端每天最多一次从 Beatra 官网读取本渠道的版本信息 (中国大陆网络走 www.beatra.cn 与 cdn.beatra.cn)。有新版本时,它下载官方发布包, 逐个文件校验 SHA-256,再替换本 Skill 自己的文件;你放进这个目录的其他文件不会被 改动。替换过程中断时,下次运行会自动恢复到替换前的状态。除此之外,它不下载或执行 任何其他代码,只通过 HTTPS 与 Beatra 官方服务通信;你选择上传的文件只会传到 Beatra 为这次上传签发的一次性地址。
关闭自动更新:python3 scripts/mcp_client.py update --auto off。关闭后,客户端每天 最多提示一次在你安装它的商店里更新的命令。详见更新与安全(references/updates-and-security.md)。
同分类其他技能
查看全部 ›李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹,将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写(词汇→
144 135.4万 文章去AI味工具去除文本中的AI写作痕迹,让文字读起来更像人类写作。当用户要求'去AI味'、'降AI味'、'让回复更像人话'、'润色'、'改写得更自然'
807 131.4万 libai-skill李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹,将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流
14 110.5万 视频号爆款短视频拆解(付费版:全能)【零一数科·出品】【零一数科·出品】视频号爆款短视频拆解(全能版)(付费版)。视频号爆款短视频拆解(付费版:全能)。一键拆解爆款,把一条视频号视频拆成结构
122 108.1万 Suno歌词成曲输入完整歌词、歌词草稿、零散歌词行或一个 hook,把歌词变成歌。这个 Suno 歌词成曲流程可选择保留模式完整保留原词,也可选择优化模
32 66.2万 视频号挂车爆单短视频脚本生成【零一数科·出品】【零一数科·出品】视频号挂车爆单短视频脚本生成(付费版)。一条链接二创脚本,丢进爆款视频号链接即以此骨架改写成你的挂车脚本,或按方向/目
40 63.8万