Opus 5.5 tek bir prompt'u, filmi kod olarak yazarak bitmiş tanıtım videolarına dönüştürüyor

Aynı gün ortaya çıkan iki proje, Anthropic'ın Claude Opus 5.5'ının tanıtım videolarını uçtan uca tamamladığını gösteriyor ve ikisi de bir video üretim modeline dayanmıyor. Her ikisinde de model videoyu kod olarak yazıyor ve deterministik bir renderer bu kodu MP4'e dönüştürüyor.

Tek prompt'tan bir lansman filmi

Hacker News'in ön sayfasına çıkan LaunchVideo isimli site dar kapsamlı bir teklif sunuyor: bir URL yapıştırın veya bir ürünü tanımlayın, Opus 5.5 filmi tasarlarken serverless bir agent onu render ediyor. Sayfadaki her örnek tek bir düzenlenmemiş çalışmadan oluşuyor; yalnızca bir prompt veya URL veriliyor ve bir MP4 geri döndürülüyor. Siteye göre tipik bir iş yaklaşık dört dakika ve kabaca 100.000 token sürüyor; bunun yaklaşık 90k'sı girdi, 15k'sı çıktı ve çıktının çoğu filmin HTML'i.

Pipeline bilinçli olarak küçük: OpenComputer üzerinde dağıtılmış tek bir TypeScript agent ve üç araç. Biri bir ürün sayfasını çekip metnini, başlıklarını, en çok kullanılan hex renklerini ve Google Fonts'u döndürüyor; biri filmi yükleyıp JavaScript hatalarını ve örnek zaman noktalarındaki görünen metni raporluyor; biri de sonucu render edip yüklüyor. Her iş taze bir microVM'de çalışıyor — 4 vCPU ve 8 GB RAM'e sahip, arm64 üzerinde Amazon Linux 2023 — bu makine ilk kullanımda Playwright'ın headless Chromium'unu ve statik bir ffmpeg kuruyor ve sonrasında atılıyor.

Asıl dikkat çekici kısım render süreci. Sayfanın saatleri — requestAnimationFrame ve timer'lardan Date'e ve CSS animasyonlarına kadar — sanal bir saatle değiştiriliyor; böylece her kare deterministik bir seek'e dönüşüyor, 1920x1080 ve 30fps olarak yakalanıyor ve JPEG'ler halinde libx264'e aktarılıyor. Site, fikri Deedy'nin Opus 5.5 ve eğitim videosu hakkındaki yazısına borçlu olduğunu belirtiyor: yazılan kod her çalıştırmada aynı şekilde oynatılıyor.

Nasıl yapıldığını anlatan bir video

Aynı gün dev.to'da yayınlanan, "Bu video bu videonun nasıl yapıldığı hakkındadır" başlıklı bir anlatım daha derine iniyor. Claude Code içinde çalışan Opus 5.5, açık kaynak bir başlangıç noktası olan JohnHeibel/PDoomVideo'dan yola çıkarak 107.5 saniyelik, 3.224 karelik bir film üretti ve yazıda gerçek artefaktlar yayınlanıyor: senaryo, storyboard, subagent'lara verilen brief'ler ve bir yorumlayıcının önceki taslağa verdiği not.

Temelinde tek bir kısıt var: bir karenin gösterdiği şey, yalnızca temsil ettiği zamana bağlı. Math.random() yok, duvar saati yok ve kareler arasında taşınan durum yok; rastgelelik GLSL'den ödünç alınan seed'li bir hash'ten geliyor. Bu, paralel ve kaldığı yerden devam edilebilir render imkanı sağlıyor; çünkü kareler birkaç browser worker arasında sıra dışı üretilebiliyor ve tek bir kare talep üzerine yeniden üretilebiliyor — bitmiş video, 2.000 küsuruncu kare hâlâ render edilirken kendini 1.365. karede gösterebiliyor olmasının sebebi bu.

Zamanlama karakter hassasiyetinde. 15 satırlık bir senaryo işaret kelimeleri süslü parantez içinde gösteriyor; her satır ElevenLabs'ın with-timestamps uç noktasına gönderiliyor, bu uç nokta her karakter için başlangıç ve bitiş zamanlarını döndürüyor ve bir Python aracı bunları kelime zamanlamalarına çevirip klipleri birleştiriyor. Suno'dan gelen müzik, dışa aktarımdaki gizli bir altyazı akışı, Whisper large-v3-turbo kelime zamanlamaları, gerçek sözlerle dizi eşleştirmesi ve ritim ızgarasını bulmak için sesin onset zarfı üzerinde bir tarak aramasıyla hizalanıyor.

Subagent'lar, bir eleştirmen ve bir kör nokta

Herhangi bir bölüm kodu var olmadan önce model bir storyboard dosyası ve yapımcılar için sözleşmeyi tanımlayan bir animasyon kılavuzu yazdı, sonra üç bölümü paralel çalışan üç subagent'a devretti; her biri kendi işini contact sheet'lerle doğruladı. Ayrı bir yorumlayıcı agent ilk taslağı notlandırdı: bir kareye, henüz gösteremediği bir inceleme vaat ettiği için 4/10 verdi ve 76.008 saniyelik hedefe karşı 76.033 saniye okuyan bir HUD yakaladı.

Yolun bir noktasında model artık hiç görsel göremez hale geldi; ekran görüntüleri API tarafından reddediliyordu, bu yüzden kareleri iki başka yolla doğruladı: her karenin ortalama rengini, parlak piksel oranını ve içerik bounding box'ını raporlayan küçük scriptler, ve kareleri tarif edip puanlayan görebilen yorumlayıcı subagent'lar. Son render, paylaşılan bir kuyruktan kare indekslerini çeken dört headless Chrome worker ile yapıldı; ffmpeg JPEG'leri ve anlatımı birleştirdi; altyazı girdisinde süresiz asılı kalan bir ffmpeg -shortest bayrağının açık bir süreyle değiştirilmesi gerekti. Kapanış görüntüsü gerçek bir özyinelemeli döngü: renderer, kendi çıktı canvas'ını ekranda gösterilen bir oynatıcıya geri çiziyor.

Neden önemli

Buradaki sıçrama sinematografik değil, agent'ik. Tek bir frontier model çok dakikalık bir artefakt planladı, bölümleri subagent'lara devretti, bir eleştirmenin geri bildirimine göre hareket etti, kendi görüş kaybını teşhis etti ve yerine sayısal kontroller koydu, sonra tekrarlanabilir bir çıktı teslim etti. Bu döngüyü pratik kılan şey determinizm: filmler kod olduğu için taslaklar karşılaştırılabiliyor, herhangi bir kare yeniden render edilebiliyor ve bir düzeltme etrafındaki her şeyi yeniden karıştırmıyor. Bu aynı zamanda tanıtım içeriği için video modellerine bir alternatif çiziyor: metin, hassas zamanlama ve motion graphics örneklenmiş pikseller yerine denetlenebilir bir program olarak yazılıyor ve işletme maliyeti launchvideo.io sitesine göre film başına 100k token civarı ve dört dakika.