录屏逆向拆解与 AI 复刻：把别人的视频拆成可复现的配方

一、场景：看到好的，就拆回来

刷到一个网页效果、一段视频质感、一个交互设计，第一反应「这是怎么做的」——与其猜，不如拆。这套工作流把一段录屏拆成可复现的配方，再用本机工具复刻同款。已经用它拆过官网动效、短视频镜头语言、课程课件版式。

二、拆解流水线

原始录屏（B站/EV录屏/会议录像）
  ↓ ① 预处理：裁掉浏览器UI、弹幕、水印，只留内容区
  ↓ ② 抽帧：按 3~5 秒间隔，一次解码出大小图
  ↓ ③ 剪辑点检测：差分 + 阈值，标出每个切点时间戳
  ↓ ④ 音频转写：whisper.cpp 出带时间轴文字稿
  ↓ ⑤ 节奏分析：镜头时长分布、景别变化曲线
  ↓ ⑥ 色彩分析：主色板、明暗曲线、色调倾向
  ↓ ⑦ 合成复刻方案：分镜表 + 提示词 + 工具链
  ↓ ⑧ 本机复刻：进短剧流水线或网页工具做同款

三、预处理：先让画面干净

录屏里一半信息是噪声：浏览器边框、地址栏、弹幕、UP 主水印、鼠标高亮圈。先裁内容区再抽帧，否则差分去重全被 UI 元素带偏——弹幕每一秒都在变，会被当成「画面突变」疯狂保留。

裁剪原则：只保留「作者想让你看的部分」。裁完先抽三帧确认干净，再进正题。

四、剪辑点检测：找到「什么时候切了」

复刻的第一情报是剪辑点——原作者在哪一秒切了镜头、换了景别。做法和课程笔记一样：抽小图算帧间差分，突变即切点，输出带时间戳的切点表：

1
2
3

00:00-00:04 全景（建立镜头）
00:04-00:07 中景（人物入场）
00:07-00:11 特写（手部动作）   ← 切点 00:07，差值 31.2

有了切点表，「节奏」就从感觉变成数据：平均镜头时长、最长镜头、特写占比——这些数字直接指导复刻时的分镜密度。

五、音频转写：whisper.cpp 的本机绕坑

解说词是理解创作者意图的直接材料，用 whisper.cpp 本地转写（不上云，长视频也不怕）。本机坑位：

PATH 里没有 ffmpeg：whisper.cpp 需要 wav 输入，先用剪映目录里的裁剪版 ffmpeg 转码；
模型要手动放：ggml 模型不会自己下载，先去 HuggingFace 拉对应语言的模型放进 models 目录；
中文路径打码：输入输出走 ASCII 临时目录；
GPU 版编译看 CUDA 环境，CPU 版慢但稳——一小时音频 CPU 约十几分钟，放后台。

转写稿和切点表按时间戳对齐，就得到了「这一秒，画面在讲什么」的完整情报。

六、节奏与色彩分析

节奏：切点间隔分布。快切（<2s）是网感节奏，长镜（>8s）是电影感节奏——复刻前先确定自己要哪种；
色彩：抽代表帧提取主色板。是冷调暗调（短剧常用）还是暖调明亮（vlog 常用）？明暗曲线是硬对比还是柔和过渡？这两个数据直接决定复刻时的提示词气质基因（cinematic lighting, strong rim light, high contrast, dark tones 这套就是从拆解里固化下来的）。

七、从配方到复刻

拆解的产出不是「分析报告」，是可直接执行的配方：

拆解产出	复刻时用什么
切点表 + 节奏数据	分镜的镜头时长与景别设计
转写稿	台词/解说文案结构与钩子位置
主色板 + 明暗曲线	锁定图提示词的气质基因
版式截图	参考图，进 ref2va 参考位

拆解结论直接喂给短剧流水线的锁定图/关键帧环节——拆别人的片，做自己的同款。

八、小结

逆向复刻的价值不止「抄」，是把审美变成参数。节奏、色彩、结构一旦数据化，就可以复用、可以迭代、可以教给别人。下一篇讲怎么把一整套知识体系做成可点击的单文件站点。