零视频模型:Claude Opus 5.5 纯写代码产出 50 镜头手绘风 MV
DigitalDaydreamers1 · reddit · 2026-09-25
Reddit 用户给 Claude Opus 5.5 一首 Suno 生成的 MP3 和十几条简短美术指令,让模型全程用代码(不调用任何图像/视频生成模型)做出一支约 50 个镜头的手绘风格音乐视频。
模型做了什么
- 分析音频的节拍、节奏、能量和 32 频段频谱,并从 MP3 元数据读出歌词;安装离线语音对齐工具,把每个歌词词与 vocals 对齐,让剧情卡在对应歌词上
- 写出故事:凌晨 3 点失眠者的思绪化作霓虹小生物,被歌曲哄睡;共 9 章、约 50 个镜头,剪切点全部贴合节拍
- 读取并改编开源 WebGL 笔触渲染器(Joshua Ledbetter 的 functional-emotions-video,MIT 协议),融合 synthwave 风格
- 所有角色、道具、场景均程序化绘制;应要求把画面上的歌词替换为无文字符号
亮点与限制
- 它在沙箱里跑起 headless browser 自检渲染帧,自己发现并修掉了太阳过曝、汽车被粉色网格吞没、尴尬姿势、镜头出画和多次崩溃——没人提示
- 无 GPU,软件渲染 4698 帧 1080p30,耗时 2 小时余;沙箱重启两次都能从上次保存帧恢复
- 限制:视觉风格基于现成开源渲染器;长渲染仍需人工喊「continue」;vocoder 重的 vocals 歌词对齐偶有偏差;风格化程序动画而非写实
作者感叹:一年前这需要懂 WebGL、音频分析和动画的人做一周,现在只是一场对话。
「编程与Agent」频道最新
- Plurai 推出 Agent 仿真测试:让 agent 在数字孪生世界里先失败再修复 — PrajwalTomar_ · 2026-11-11
- AI 做的游戏太难：Claude 6 分钟通关，作者砍 40% 难度 — builderjaydub · 2026-11-11
- Anthropic 推出 Claude Tag，65% 产品代码由内部 AI 生成 — nikola_mr64990 · 2026-11-11
- 评测工作流核心：最大化专家每单位注意力的信息增益 — danshipper · 2026-11-11
- 开源 Node 把 ComfyUI 工作流变一键模型，内置 19 个工作流 — jefoce · 2026-11-11
- Aqua 推出 Notetaker：会议记录经 MCP 直接喂给 AI 智能体 — Scobleizer · 2026-11-11