10 分钟生成动态视频，Opus 5.5 真正干活的是这套流水线
一条 10 分钟做完的动态设计视频在 X 上传开。拆开看，Opus 5.5 不直接输出 MP4，它写一段可逐帧调用的程序，浏览器画帧，ffmpeg 编码。更耗时间的是制作简报、参考、分镜、音画同步和审片循环。
nicco 在 X 上发了一段动态设计视频，配文说用 Opus 5.5 花了 10 分钟。视频在这：
他把 PDF 丢给 Opus 5.5，让读者自己试。评论区有人贴了竖屏版本，也有人说这不像一句提示词能出的结果。两种反应都对。第一版很快，稳定交付不走同一条路。
seeco（@seeconvm）把这类爆款视频拆过一遍。他的结论很具体：Opus 5.5 没有直接导出 MP4 的能力。你在时间线上看到的片子，背后是模型写的一段程序，浏览器把程序渲染成帧，ffmpeg 再把帧压成视频。核心函数只有一个，seek(t)，给出第 t 秒屏幕上该画什么。15 秒 60fps 的片子，无头浏览器调用 900 次，抓 900 帧。没有计时器，所以第 240 帧可以单独重画。标题早落了半秒，改一个数，重渲染。
这也是为什么光在聊天框里让模型写动画，结果容易发虚。它看不到自己刚渲染的帧，也听不到声音。Claude Code 这类带 shell 的 agent 才能跑渲染、读图、改代码、再渲染。一个最小环境是 Node、ffmpeg、Python、Playwright、Chromium。项目根目录放 CLAUDE.md，把渲染契约写死：window.seek(t) 负责画帧，不用 CSS transition，不用 setTimeout，不用 requestAnimationFrame，噪声必须带种子，不能碰 Math.random。effort 也别停在 medium。爆款里常见 xhigh 或 max，medium 只适合修小问题。
更关键的差距在简报。让模型做一支疯狂的产品视频，它会用最安全的默认值填空白，于是又得到居中标题、渐变背景、所有元素一起淡入。那条著名的 showreel 一句话能用，因为它给了类型，15 秒，6 到 8 个镜头，模型自己当主角，没有产品事实可写错。跑一次测流水线可以，别把它当生产模板。几百个人发同一句，最后会得到互相押韵的片子。seeco 引用的说法叫 brief contagion。
真到产品视频，简报要像制作文档：观众是谁，时长和画幅，真实 logo、真实 UI 截图、品牌字体和颜色、音频，哪些参考要保留，哪些陈词滥调要避开，哪条线不能碰，比如不许编造产品界面和指标。Tony Dinh 的 TypingMind 片子只多给了三行：产品 URL、要求真实截图和资产、必须有音乐。Opus 自己去站点抓素材，半小时内做完。他一年前做类似发布视频，报价约 1200 美元。Rob Hallam 在同一个会话里接着要产品广告，速度快了，因为渲染器、音频合成和导出管线已经在了。
参考决定片子像不像你。没有视觉语法，Opus 会带自己的默认审美，不同项目的片子开始像亲戚。Rexan Wong 翻了几十个爆款，看到同一个规律：给风格名字比描述风格有用，一帧参考视频或一段参考片段能一次交出节奏、字体和转场。Pleometric 的 TikTok feed 作品从另一支爆款动画的一帧长出来，他的 Donald 风格片子指向自己的 PC-98 图库，那是别人抄不走的库。
分镜也别写成效果清单。放大、变形、加粒子，这些是动作，不告诉观众每一秒知道什么。更有用的写法是状态列表：0 到 2 秒钩子，2 到 5 秒问题，5 到 9 秒产品通过真实交互进入，9 到 13 秒一个屏幕或数字作证，13 到 16 秒收束和 CTA。@twoclipping 的 UI morph 用了这种结构，907K 播放，19K 收藏。一个容器在状态之间改变尺寸、圆角和颜色，光标用真实点击驱动，最后一帧接回第一帧，片子能循环。
廉价感常出在运动曲线和声音。固定 easing 从 A 滑到 B，有质量的运动会加速、轻微过冲、再停住。闭式弹簧能保持 seek(t) 的确定性，值多次换目标时，每次变化叠一个弹簧，不要重启。声音和画面共用一条时钟。Rob Hallam 以为音频是后期加的，结果它直接从代码里出来。@oozn 的 Steve Jobs 传记片在 Node 里合成配乐，23 个转场锁在 120 BPM。自己有音轨就先量：librosa 跑 bpm、beats、downbeats、hits，状态变化压拍，大时刻压下拍，点击和 whoosh 压 hit。闭眼听一遍，声音没有形状，声音设计就没做完。
审片是分水岭。Opus 5.5 能读图，所以它能看自己刚渲染的 contact sheet。别把完整导出连看十遍，让 ffmpeg 出证据：每秒 2 帧、6 列一张 contact sheet，最快运动附近 12 帧连拍，缩到 360px 宽做手机可读性测试，循环播放两遍，300 帧渲染两次比对哈希。然后把有牙齿的审片任务交给它：只看渲染帧，忽略你想做什么，按 2 秒钩子、手机可读性、运动、变化、音画同步、品牌准确度打分，列出最差 3 个缺陷，带时间戳、证据和局部修法，改那几秒，重渲染，直到每项 8 分以上。@mablesjoseph 的水彩短片用了 163 次模型调用，接近 7 小时。Drew 的发布日片子到 1.7M 播放，也还在清可见的修补轮次。
最后把这些收进一个 skill。目录里有 brief.md、style_guide.md、shotlist.md、assets、src、reviews、out。过夜跑要设门禁：参考和产品资产批准，风格指南和镜头表批准，每个镜头的静帧被批，960x540 的动态分镜和占位音轨，完整 pass，格式和循环检查。Donald 口述 5 分钟去睡觉，醒来拿到 142 秒音乐视频，后来 2.1M 播放。他的提示词约 9500 字符，@pradeepXkapoor 的 Pip 机器人片子用了 19000 字符。John Heibel 的 PDoom 仓库 1.1K stars，展示了子 agent 版本：Opus 写 ANIMATION_GUIDE.md，把九个章节分给并行 worker。
这套东西已经有人卖成服务。achxvi 接音乐、任意风格吉祥物、产品功能、结尾 offer、多语言、最多 3 次修改，38 秒竖屏产品片 45 分钟。
回复里还有一条竖屏测试视频：
一句提示词能出 demo，这没问题。可交付的片子靠的是文件、门禁和审片。第一版看起来像进展，这一步最容易骗过人。
原文和 PDF 在这：
发布时间: 2026-10-30 10:43