ARTICLE · 1207645
一句话,零素材:AI 用代码＂算＂出了一支 63 秒的短片
前两篇写了我和 Opus 5.5 搭档的一天，还有一天做出来的养猪人 MV。那两次，我多少都给了它点东西：品牌素材、歌词、参考视频。
这次我想摸摸它的上限：不给素材，不给脚本，只给一段话。
晚上 10 点 49 分发出需求，11 点 33 分收到成片：《未来已来》，63 秒，1080P、60 帧，画面、配乐、音效全部从零生成。
我只发了这一段话
主题、时长、气质，再加一个结尾露出 ID 的要求。最后我还补了一句：如果觉得被我的要求限制了，可以直接忽略，尽可能炫技。
这种需求丢给人，大概率会被追问十个问题。它一个都没问，回了一句“我来从零制作”，就开工了。
01 它没去找素材，而是用代码“画”
我本来以为它会去 Pinterest 扒图，或者调一个生视频的模型。结果它选了一条最硬核的路：每一帧画面，都用程序算出来。
理由也很实在：
- 我说“必须清晰”
：那就不能靠压缩过的网图和视频。代码画的线和字，每一帧都是原生 1080P。 - 我说“有节奏”
：那画面和音乐就得读同一张时间表，鼓点落在哪一毫秒，画面就在哪一毫秒切。 - 版权
：网图和流行音乐都有版权，干脆全部自己造，只用了开源字体。
Pinterest 那条它也没忽略，只是拿来当审美方向：瑞士网格、海报式的大字排版，黑、白、信号橙三个颜色。
02 先写歌，再画画
它做事的顺序让我印象很深：先把音乐写完，再做画面。
底鼓、拍手、贝斯、和弦、上升音效、撞击声，全是用数学公式一个个“造”出来的。整首歌合成，不到 10 秒。
然后它把 63 秒切成 7 段，每段一个场景：
两次高潮里一共 36 个镜头，全部卡在拍子上。高潮爆发前，它还各留了一拍完全静音、画面全黑。那一下“真空”，比任何特效都炸。
还有个细节我是看了复盘才知道的：高潮里有一镜示波器，上面跳的波形，就是这首歌那一刻的真实波形。
03 我的 ID，藏了整整一分钟
我要求“结尾自然地呈现 ID”。最常见的做法，是片尾贴一张署名卡。
它没这么干。从片头开始，画面右下角就有一个“SRC 信号来源”字段，一直在跳乱码，几乎没人会注意。到了结尾，这串乱码在标题下面一个字母一个字母锁定，最后解码成 Doub1eB，“叮”一声，一道橙色下划线划过去。
整支片子被它包装成“一段来自未来的信号”，我就是这段信号的发送者。这个“自然”，比我想的高级。
04 它看不见成片，也听不到声音
这次最让我意外的，是它的工作条件：在那台机器上，它听不了声音，也放不了视频，只能看一张张静帧截图、读数据。
所以它的办法是不停地检查。渲染前先抽了 40 多张静帧逐张看，编码前先拿 1 秒测码率。这几个坑，都是这么查出来的：
最直观的是第 2 条。有一镜橙色画面里，莫名冒出一块青色方块：
声音那块它也很坦白：混音是靠频谱和响度分析调的，不是靠耳朵。交付时它直接说了，哪一段听着不对，指出来就单独重做那一段。
最后交了什么
成片之外，它还顺手出了抖音、小红书、B 站、微博四个平台的发布文案，以及你现在看到的这篇文章的初稿和配图。
这次的收获
1. 它会把一句话“翻译”成方案。“清晰”被翻译成了技术路线，“自然呈现 ID”被翻译成了贯穿全片的一个设定。
2. 它会给自己的活挑刺。先抽查、再测试、最后才全量渲染，没有“一把梭”。
3. 它清楚自己的边界。听不到声音，就老实说“这是算出来的，最后一道关请你用耳朵过”。
如果你也想试试
- 需求可以开放，但要有底线
：主题、时长、气质，再加一两条“必须做到”的（比如“必须清晰”），就够了。 - 给它越界的许可
：我那句“可以忽略我的要求”，换来了一个我自己想不到的方案。 - 想露出 ID 或品牌，就说“自然一点”
：它会自己想办法融进叙事里。 - 最后那一下，用耳朵和眼睛自己过
：它算得准，但好不好听、好不好看，还是人说了算。
写在最后
这三篇写下来，我的位置一直在往后退：第一篇，我给了品牌和素材；第二篇，我写好了歌词；这一篇，我只说了一段话。
这次我最大的感受是：需求是我的，执行是 AI 的，判断还是我的。
如果给 AI 出一道开放题，你会出什么？欢迎在评论区聊聊。
注：文中耗时、帧数等为本次实际记录；画面与音乐均由代码生成，未使用外部素材。
