这几天刷到的东西有点意思。Claude Opus 5.5 火了，但这次出圈的作品有点反常，清一色是视频，看上去像拿专业软件磨了好几天，跟代码和文档没多大关系。
有人用它做了一支"末日论者"视角的音乐 MV，画面从废墟慢慢推到城市天际线，情绪一路压着走。有个叫 el.cine 的账号，把它和 Seedance 2.5 搭配着用，直接生成电影级的片段，运镜、光影、景深都在线。还有个开发者 Kevin Ngo，让 Opus 5.5 用 Python 写了一段钢琴曲，配上一套 3D 动画，最后丢进 Blender 渲染出来，音画是卡在点上的。
奇怪的地方就在这。Opus 5.5 是个纯文本模型，你给它发视频，它看不见；你让它直接吐一段 MP4，它也给不出。那这些视频到底是怎么来的。

换了一条路先说说它没做什么。Seedance、Sora 这一类视频模型，走的是扩散概率算法的路子。生成的时候，它是在逐帧"猜"像素，这一帧大概长什么样，下一帧大概往哪动。猜得好，画面惊艳；猜得不好，你也没什么办法。想改一个小细节，比如让人物把手抬高三厘米，通常得把整条重跑一遍。用玩家的话说，这叫开盲盒。
Opus 5.5 走的是另一条路。它不猜像素，它写代码。
第一步，用代码把画面画出来。SVG、Canvas 2D、WebGL、Three.js 这些都能用，人物、背景、光影，一笔一笔地画。
第二步，让画面动起来。JavaScript、p5.js、Remotion 都可以，再配上贝塞尔曲线和时间轴，控制每一层图层的动画。
第三步，逐帧合成。用 Node.js 加 Playwright 开一个无头浏览器，把每一帧截图截下来，再用 FFmpeg 合成 MP4。
好处是精准。哪里不满意就改哪里，改的是代码，不是运气。
随便换一个生成模型，你都能感觉到它在赌。同一条提示词跑两次，结果不会完全一样，你很难把它当成一件能反复修改的作品。代码这边是另一种体验，它可读、可改、可复用，动一行只影响那一处，音画卡点也能精确到帧。今天不满意，明天接着改，不用推倒重来。

为什么偏偏是现在还爆了那为什么偏偏是 Opus 5.5 现在爆了。
代码画视频这个思路并不新，早几年就有人试。以前卡住的地方有两个，一个是对美的判断，一个是对错的耐心。前者决定它画出来的东西好不好看，后者决定它能不能在几千行代码里，把自己写错的地方找出来。
Opus 5.5 在这两点上跨了一步。它的审美直觉明显更在线，配色、构图、节奏，给出来的东西不太像机器。而拉开差距的，是它的极限长上下文和端到端纠错能力。一个视频项目，代码动辄几千行，图层一多就乱，物理一复杂就穿模，音画一对不上就全废。它能在一片代码里保持图层不乱、角色不穿模、卡点精准，还能自己发现哪里错了，回头改掉。
动手前要做的准备想自己动手的话，前置准备不复杂。把模型切到 Opus 5.5，推理强度调到 UltraCode 模式。这个模式下它会自动唤起多个子 Agent 并行干活，分镜、写码、纠错各管一摊。跟平时聊天不一样，它先把任务拆开，再派给不同的子 Agent，有人管画面，有人管写码，有人专门挑错。你要做的，是把目标、风格和不能出现的东西说清楚，剩下的交给它迭代。
七个能直接上手的场景具体能做哪些东西，大致能分七类。
产品宣传视频。让它自己去查产品、提炼卖点、组织分镜，配乐和音效直接用代码合成，旁白交给 TTS。你给一个产品名，回来的是一条成片。
儿童绘本。用 Canvas 的噪点算法模拟水彩纸的纹理，再叠上手绘抖线，一整个故事绘本就出来了，画风还是统一的。
项目介绍。丢给它一个 GitHub 仓库，它从源码里把卖点拎出来，自动分镜，配上 BGM，卡点卡好。
15 秒高密度动效大片。这一类看重手法，非线性弹性曲线、交错延迟这些高级动画技巧，它用得挺熟。
UI 一镜到底变形动画。同一个形状连续变形，中间是弹簧动效，光标驱动交互，成片还能循环播放。
科普视频。三分钟叙事动画，配乐是原创的。
电影故事。这一类最复杂，Opus 5.5 当统筹，GPT Image 2.5 出角色设定，Seedance 2.5 出镜头。

电影故事，最难的一类最后这一类值得展开说。
第一步，用 GPT Image 2.5 生成角色设定表，包括转面图和面部细节，先把人物的样子钉死。
第二步，Opus 5.5 调 GPT Image 2.5 生成初始帧画面，确定开场那一帧是什么样。
第三步，Opus 5.5 调 Seedance 2.5 生成视频镜头。头一个镜头是车内的十秒一镜到底，要写清楚分时段的表演指导，用的什么胶片风格，还有哪些东西不能出现，负面要求也要写进去。第二个镜头是六段公路旅行的蒙太奇，航拍、侧拍、低机位、车内、后座、副驾近景，一段一段接起来。
故事短片是最难的一类，因为它要同时管三件事。角色得前后一致，不能这个镜头是圆脸，下个镜头成了方脸；镜头语言得说人话，航拍就是航拍，低机位就是低机位；音画还得对得上，鼓点落在动作上。任何一环崩了，整片就废。用代码把这三件事拆开，分头交给不同的工具，反而更稳。

几句说实话的经验回头看，很多人生成的视频一眼就能看出是 AI 做的，风格趋同。原因也简单，大家写的提示词长得差不多，模型默认给出的审美也差不多。破局的办法不复杂，上传一张你喜欢的画面，让模型照着你要的调性走，这就是所谓的视觉参考大法。一张参考图，经常比三百字形容词管用。
制作思路上，可以按难度分三层。二维动画、文字特效、平面图形这类，代码直接画就行。人物和实拍片段，交给生成工具出素材，再用代码做多层编排。复杂的 3D 角色和场景，就用 Python 全程操纵 Blender。
回到最实在的一层，代码带来的是毫秒级的精准控制。Opus 5.5 把数学物理、动态排版和多模态工具编到了一起，一个独立创作者，现在能交出工业级精度的作品。以前这件事需要一个团队，现在更缺的，可能是把需求描述清楚的能力。