一条 3K 字 prompt 跑 4 小时：Agent 独立产出 2 分钟 Blender+MIDI 音乐视频
mika314 · reddit · 2026-10-09
作者分享了一次生产实验：用一条约 2778 词的生产 prompt 驱动「GPT-6 Astra Ultra」无人为干预运行约四小时，产出一支 2 分钟 Eurodance 歌曲《Leave a Way》与配套 Blender 视频。
- 不用媒体生成模型：音乐用 MIDI 按 128 BPM 显式作曲，配合传统合成/DSP 与 7 个鼓、钢琴、Foley 采样；画面是脚本化 Blender 场景（八叶折叠机构、串珠、断裂轨道、随歌词同步的字幕），道具来自素材包。
- 运行中自主迭代：Agent 在故事转折点移除了六小节的鼓和贝斯、修正相交几何、调整镜头、让字幕与唱词音素对齐。「one-shot」指只给一条初始指令，不代表只尝试一次。
- 自动化质检：Agent 自行编写了人声音高/时值、削波与响度、stem 重建、文字取景、接触间隙、视频解码等检查项；两份本地导出均为 120 秒 / 3600 帧且音轨一致。作者强调这些检查只保证技术属性，不衡量音乐品味与叙事质量。
- 关键设计：事先约定可编辑交付物（Blender 场景、MIDI、stem、源脚本）与可检查约束，使每个决策可回溯。另披露本地 DiffSinger 负责演唱，Gemma 3 1B 与 Llama 3 8B 参与头脑风暴；且因系统带既有工具与素材库，这是单例生产展示而非基准对比。
「编程与Agent」频道最新
- Garry Tan 力挺 Aside Browser：让 Agent 真正用好网页的解法 — garrytan · 2026-10-23
- 1Password 推出 Agent 专用登录方案，AI 可代登录却不接触密码 — AndrewSchmidtFC · 2026-10-23
- MCP 服务器 30 天后暗藏窃取 SSH 密钥指令，作者开源 mcp-guard 防变节 — ErgoniaWorks · 2026-10-23
- 实测：不在 AGENTS.md 里写明的 MCP 工具，编码 Agent 不会用 — colinmcnamara · 2026-10-23
- 用开源模型+Claude 把一段网球视频变成世界级教练 — tweetsatpreet · 2026-10-23
- 132 个免费开源 AI Agent 与 RAG 项目合集，星标 1.65 万 — Arindam_1729 · 2026-10-23