夜雨聆风学习资料网

ARTICLE · 1373763

Fable、Opus怎么用:源码、分镜与四模型实测

Fable、Opus怎么用:源码、分镜与四模型实测

SIGNAL / 科技前哨

最近旗舰模型的讨论很多。对做游戏和内容的人,我更关心它们到底做出了什么,过程能不能看、资源能不能拿来研究。这期挑了三组有原始证据的案例:先看Fable写代码做出的八镜头短片,再看Claude Code的测试方法,最后看Fable、Opus与GPT新模型面对同一场景的结果。

01 / Claude

Fable 5.2写出95秒登山短片,源码和八镜头表都能看

作者用Fable 5.2配合Claude Code,写了一套生成山路、植被、相机运动和声音的程序,做成95秒第一人称登山短片。11月16日发布演示,随后于11月17日释出对应项目文件和成片附件。这里展示的是离线渲染的短片;源码公开可读,尚未看到明确的开源复用许可。

最值得做分镜的人参考的,是它把“沿一条路上山”拆成了八个镜头:0–12秒林间行走,12–23秒过溪桥,23–34秒看雾林光束,34–45秒走出林线,45–54秒草坡,54–65秒鞍部,65–75秒雪脊,75–95秒登顶环顾。每段都绑定路径位置、高度、太阳方向和画面内容,同一空间有连续的变化。

我认为可以借鉴的做法是:先固定路线与时间表,再定每镜头看什么、如何移动、何时转头,最后处理声音和剪接。这张表可作为漫剧分镜的结构参考;人物表演、对白、关系与造型连续性,还需要另外设计。项目没有提供可直接套用的小说改编提示词。

项目说明还公开了一个很实用的修复:步速计算让登顶减速时的镜头点头,作者改了相机步态计算,并只重渲受影响的帧。当前仓库说明记录的制作环境为Apple Silicon Mac和Metal,完整重建约六小时是作者在M4 Max上的记录,Windows不能直接照着运行。英文旁白使用edge-tts,不能把整套声音都说成代码独立合成。

本次核对了项目文件与来源视频抽帧,未运行渲染程序。可先打开中文说明和成片,看看镜头表怎样对应画面,再决定是否研究源码。

来源演示视频实际第6秒:林间山路,第一镜头。图片:BubbleBrain · 2026/11/16 18:06:57
来源演示视频实际第38秒:走出林线,对应八镜头表的第4段。图片:BubbleBrain · 2026/11/16 18:06:57
来源演示视频实际第82秒:峰顶与云海,对应最后的环顾段落。图片:BubbleBrain · 2026/11/16 18:06:57

作者:BubbleBrain / @BubbleBrain · 发布时间:2026/11/16 18:06:57

02 / Claude

Claude Code新模式有多省?作者公开192次测试与复查方法

Claude Code的Code Mode会让模型写脚本,把多个工具调用、筛选和汇总放在脚本里完成,减少把中间结果反复塞回对话。功能已在较早版本中提供,仍处于实验阶段;本条新内容是11月17日发布的第三方实测与后续修复。对游戏项目来说,值得先研究的场景是“批量读取工具数据,最后只要一个统计或短清单”;这是使用思路,不是已经测过某个游戏引擎的性能结论。

Bicameral公开了方法、测试脚本和结果:Claude Code 2.1.325与2.1.326两个版本,共192次会话;模型包括Opus 5.5、Fable 5.2、Sonnet 5.5和Haiku 5.5,统一为medium effort。配图展示的是2.1.326这一轮的96次会话,不能把两个数字混为一谈。

结果的边界很有价值:大量MCP工具调用、最后只需要汇总值时,节省较明显;普通找文件、改代码已有脚本可用,并没有同等级的对话上下文收益。读自由文本再判断的测试还出现了漏项。因此,处理过的Token减少不能直接等同于账单减少,也不能套成所有项目通用的提效倍数。

普通开发者可以借它的对照方法:选一个答案可核对的小任务,固定模型、effort、文件和提示词,分别关掉与打开Code Mode,先验收结果,再看时间、请求和成本。作者的运行指南仅在macOS试过,并要求交互式终端;本次未在本机跑这套付费模型测试。仓库允许按规定为自己或组织做评估,不能把它当作可任意改编、再分发的开源模板。

版本补充:北京时间11月18日7:17发布的2.1.327,官方修复说明包含Code Mode并发脚本的权限提示问题、MCP配置其他字段被改动以及Grep分页重复或漏项等。上述实测截至2.1.326,尚不能据此声称2.1.327已通过同一测试。

Bicameral原帖图表:Claude Code 2.1.326、medium effort,96次会话。两版本合计192次;Tokens processed表示处理的Token,并非直接计费金额。图片:Bicameral, LLC / @BicameralAI · 2026/11/17 23:16:17

作者:Bicameral, LLC / @BicameralAI · 发布时间:2026/11/17 23:16:17

03 / Claude

Fable、Opus对上GPT新模型:同题飞机与冰川场景对照

创作者Tony让GPT-6.2 Astra、GPT-6.2 Sol、Fable 5.2和Opus 5.5处理同一个“Alpine Gold”场景题,并把四个结果放在一个视频里。原画面保留了模型名、用时和费用标签,适合直接看飞机造型、场景构成和镜头靠近后的细节。

作者记录:Astra为9.62美元、46分14秒;Sol为2.07美元、30分47秒;Fable为209.50美元、3小时2分54秒;Opus为31.85美元、2小时45分42秒。这是一次具体任务的个人记录;原帖未给出可下载工程、完整提示词、客户端版本与全部设置,因此无法确认成本差异来自模型、思考强度还是工作流程。

更值得一起看的,是同一作者另一条“Cathedral of Ice”场景:他认为Fable画面更好,而Astra更省钱省时间。这里只能说明在这位作者的这两个案例里,成本与视觉偏好可能出现不同结果;不能据此给模型排一个通用高低,也不能从外观演示推断游戏逻辑、碰撞和帧率已通过验证。

对做游戏的读者,我建议借鉴它的验收方式:先定同一个场景目标,再分别检查整体氛围、近看道具、镜头运动和能否交互。先用可以接受的成本做出小样,再判断哪个环节值得换更强的模型。前一句是编辑建议,并非作者公开的完整制作教程。

本地资源入口可直达两段来源对比视频。本次仅核看视频实际抽帧,没有运行这四份场景,也未拿到它们的源码。

飞机对比原视频实际第2秒:四个模型标签及作者记录的时间、费用均保留。图片:EnvolDev · 2026/11/18 05:28:00
飞机对比原视频实际第10秒:镜头靠近后,可对照水上飞机的轮廓与构件。图片:EnvolDev · 2026/11/18 05:28:00
关联冰川原帖视频实际第2秒:上方Fable 5.2,下方GPT-6.2 Astra。用于补充不同任务下的视觉比较,非同一套场景。图片:EnvolDev · 2026/11/18 03:27:42

作者:Tony / @EnvolDev · 发布时间:2026/11/18 05:28:00

本期依据创作者原帖、项目说明与官方版本日志整理。配图来自原帖图片或已注明时间的视频实际帧;资源直达入口保留在本地审核页。编辑核对了资料与抽帧,未运行这些项目;性能、成本和制作过程中的自述均按来源标明。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料