John Heibel తన మ్యూజిక్ వీడియో “I’m Upping My P(doom)” వెనుక ఉన్న ప్రాజెక్ట్ ఫైళ్లను ప్రచురించారు. దాని స్టోరీబోర్డు, JavaScript యానిమేషన్‌ను Claude Opus 5.5 రాసిందని ఆయన చెబుతున్నారు. బ్రౌజర్ ఫ్రేమ్‌లను గీసిందనీ, ఇప్పటికే ఉన్న పాటతో వాటిని ffmpeg కలిపిందనీ ఫైళ్లు చూపిస్తున్నాయి. పూర్తయిన వీడియో YouTubeలో ఉంది.

ఈ చిత్రం, Opus 5.5 సెప్టెంబర్ 22న విడుదలైన తర్వాత సృష్టికర్తలు పంచుకున్న పోస్టుల్లో ఆధారాలతో నమోదైన ఉదాహరణల్లో ఒకటి. “Claude వీడియో చేసింది” అంటే సన్నివేశాలు, రెండరింగ్ కోడ్ రాయడమని అర్థం కావచ్చు; వీడియో మోడల్‌లా నేరుగా కదిలే చిత్రాలను రూపొందించడం కాదు. ఒక క్లిప్‌లో మోడల్ ఎంతవరకు భాగస్వామి, సంగీతం, సాధనాలు, మానవ మార్గదర్శకత్వం ఎంతవరకు తోడ్పడ్డాయో అంచనా వేయడంలో ఈ తేడా ముఖ్యం.

ముఖ్యమైన మార్పు

  • ఏం మారింది: సృష్టికర్తలు AI కోడింగ్ ఏజెంట్‌తో యానిమేషన్‌లను సాఫ్ట్‌వేర్ ప్రాజెక్టులుగా నిర్మించి, ఫలితాలను వీడియోలుగా రెండర్ చేస్తున్నారు. అలాంటి ఒక విధానానికి సంబంధించిన కోడ్‌ను, మళ్లీ వాడుకోదగిన ప్రారంభ కిట్‌ను Heibel ప్రచురించారు.
  • ఇది ఎందుకు ముఖ్యం: స్టోరీబోర్డు, సన్నివేశాల ఫైళ్లు, రెండరర్—క్లిప్ వెనుక జరిగిన పనిని, ఇతర చోట్ల నుంచి అందించిన అంశాలను బయటపెడతాయి. పూర్తయిన క్లిప్ ఒక్కటే ఈ పని విభజనను చూపలేదు.
  • ఇంకా స్పష్టత లేనివి: సాధారణంగా ఎంత సమయం, ఖర్చు అవుతాయో, విజయ శాతం ఎంతనో, మరో సృష్టికర్త అదే నాణ్యతను ఎంత సులభంగా సాధించగలడో బహిరంగ ఉదాహరణలు నిరూపించవు. BIG CHANGE ఈ రెండు ప్రాజెక్టుల్లో దేనినీ మళ్లీ తయారు చేసి పరీక్షించలేదు.

P(doom) ప్రాజెక్టులో నిజంగా ఏముంది

ఈ చిత్రం Claude Codeలో రెండు విడతల్లో రూపొందిందని Heibel చెబుతున్నారు. మొదటి విడతలో medium effortతో Opus 5.5 వాడారు; రెండో విడతలో p5 brushstrokeలను ఉపయోగించి, సన్నివేశాలను ఆసక్తికరంగా చేసి, ఒక్కో సన్నివేశాన్ని తర్వాతిదానితో అనుసంధానించాలని ఆయన సూచించారు. రిపాజిటరీ వివరణ ప్రకారం, ఒక్కో సన్నివేశానికి ప్రత్యేక ఆలోచనలను ఆయన ఇవ్వలేదు; కానీ Clawd పాత్రను నిర్దేశించి, ప్రతి పాట పాదానికి ప్రత్యేక దృశ్య రూపాన్ని ఇవ్వాలని కోరారు.

ఈ ప్రాజెక్టులో ప్రతి షాట్‌కు స్టోరీబోర్డు, సబ్‌ఏజెంట్లకు సూచనలు ఇచ్చే యానిమేషన్ మార్గదర్శిని, తొమ్మిది అధ్యాయాల ఫైళ్లు, పాత్రకు, కాలక్రమానికి సంబంధించిన ఉమ్మడి కోడ్ ఉన్నాయి. అలాగే studio.html p5.js, p5.brushతో చిత్రించిన పేజీ ఉంది. రెండరింగ్ స్క్రిప్ట్ headless Chromeలో ఫ్రేమ్‌లను సేకరించి MP4గా ఎన్‌కోడ్ చేయడానికి ffmpegను ఉపయోగిస్తుంది. రిపాజిటరీ పాటను ఆడియో ఫైల్‌గా చేర్చి, ముందుగా చేసిన రికార్డింగ్‌కు గుర్తింపునిస్తుంది; Opus 5.5 ఆ పాటను కూర్చిందని మాత్రం చెప్పదు. Heibel మరో ముందుగా Xలో వచ్చిన ఒక పోస్టును కూడా Heibel ప్రస్తావించారు.

ఆయన తర్వాత Claude Animation Base విడుదల చేశారు. పాత్రల ఆస్తులు, మార్గదర్శిని, బ్రౌజర్ స్టూడియో, రెండరింగ్ స్క్రిప్ట్‌లతో ఉన్న ప్రారంభ కిట్ ఇది. మొదట Clawd కార్టూన్‌ను 15 సెకన్ల పాటు రూపొందించాలని README సూచిస్తుంది. ఏజెంట్ స్టోరీబోర్డు తయారు చేసి, షాట్‌లను నిర్మించి, MP4 రాయడానికి ముందు కాంటాక్ట్ షీట్‌లను తనిఖీ చేస్తుందని అందులో ఉంది; Node.js, Chrome, ffmpeg అవసరమని పేర్కొంటుంది. ప్రత్యేక GPU లేకుండా వాటర్‌కలర్ నింపే ప్రక్రియకు ఒక్కో ఫ్రేమ్‌కు కొన్ని సెకన్లు పడుతుందని Heibel నివేదించారు.

మరో మ్యూజిక్ వీడియోలో మానవుల మార్గదర్శకత్వం కనిపిస్తుంది

Joshua Ledbetter రూపొందించిన “Functional Emotions” ప్రాజెక్టు ఉపయోగకరమైన పోలికను అందిస్తుంది. పాత Claude మోడల్ పాట సాహిత్యం రాయగా, Suno దాని సంగీత ట్రాక్‌ను రూపొందించిందని సృష్టికర్త చెబుతున్నారు. ఆ తర్వాత Claude Codeలో పనిచేసిన Opus 5.5 వీడియో ప్రాజెక్టును రాసింది. మొదటి లిరిక్-వీడియో రూపాన్ని Ledbetter తిరస్కరించి, మరింత బలమైన సన్నివేశాలు, మెరుగైన సమయ కూర్పు కోరారు; లయ కోసం Heibel P(doom) వీడియోను చూపించారు. రిపాజిటరీలో తిరస్కరించిన తొలి రూపం, సవరించిన స్టోరీబోర్డు, అధ్యాయాల కోడ్, ఆఫ్‌లైన్ రెండరర్ ఉన్నాయి. తర్వాతి అధ్యాయాలకు ఏడుగురు సబ్‌ఏజెంట్లు చిత్రాలు వేసి, మోడల్ కాంటాక్ట్ షీట్‌లను సమీక్షించిందని అందులోని వివరణ చెబుతోంది.

Ledbetter ప్రాజెక్టులో ప్రత్యేక WebGL2 brushstroke రెండరర్ ఉంది. బీట్ గ్రిడ్, పదాల స్థాయి సమయ సూచనలతో షాట్‌లను అప్పటికే ఉన్న పాటకు సరిపోల్చారు. సృష్టికర్త పోస్ట్ చేసిన చిత్రాన్ని మూలాలతో పాటు చూడవచ్చు. తొలి అభ్యర్థన నుంచి ప్రచురించిన ఫలితం వరకు సృజనాత్మక మార్గదర్శకత్వం ఎలా మారిందో తెలిపిన సవరణలు చూపుతున్నాయి. కోడ్‌ను రిపాజిటరీ నమోదు చేస్తుంది; అయితే రచయిత ఎవరు, ఉత్పత్తికి ఎంత సమయం పట్టిందనే ప్రతి వాదనను స్వతంత్రంగా నిర్ధారించలేం.

ఈ రూపం మ్యూజిక్ వీడియోలకే పరిమితం కాదు. criticasterdotcom పేరుతో పోస్టులు చేసే ఒక సృష్టికర్త Headroom ఉత్పత్తి వివరణ వీడియోను అలాగే రెండు రెండర్ చేసిన రూపాలున్న రిపాజిటరీని పంచుకున్నారు. ఫైళ్లు Canvas యానిమేషన్, బ్రౌజర్ నుంచి ffmpegకు ఎగుమతి చేసే విధానాన్ని వివరిస్తాయి. స్థానిక Kokoro మోడల్‌తో వీడియోకు స్వరం అందించాననీ, ఆడియోలోని కొన్ని భాగాలకు సాంపిల్ చేసిన వాయిద్యాలు, ధ్వని ప్రభావాలు వాడాననీ సృష్టికర్త చెబుతున్నారు. Opus 5.5తో 55 నిమిషాలు పని చేశాననీ, అదనపు ఆస్తుల కోసం ఖర్చు కాలేదనీ ఆ పోస్ట్ పేర్కొంటుంది; ఈ సమయం, ఖర్చు గణాంకాలు సృష్టికర్త స్వయంగా తెలిపినవే, స్వతంత్రంగా కొలిచినవి కావు.

ఉదాహరణలను చూసి, ఆపై మూలాలను పరిశీలించండి

సవరించగల సాఫ్ట్‌వేర్ విధానం ద్వారా వీడియోకు మార్గదర్శకత్వం ఇవ్వడానికి ఈ ప్రాజెక్టులు సృష్టికర్తలకు అవకాశం కల్పిస్తున్నాయి. ఆధారాలతో నమోదైన రెండు మ్యూజిక్ వీడియోల్లో Opus 5.5 గణనీయమైన యానిమేషన్ కోడ్ రాసింది; అయితే అప్పటికే ఉన్న పాటలు, ప్రాంప్ట్‌లు, సూచనలు, సమీక్షలు తుది ఫలితాన్ని తీర్చిదిద్దాయి.

మూలాలు, తదుపరి పఠనం

  • Anthropic Opus 5.5 ప్రకటన మోడల్ విడుదల తేదీని తెలియజేస్తూ, కోడింగ్‌పై దాని దృష్టిని వివరిస్తుంది. స్థానిక వీడియో-సృష్టి ఫీచర్ గురించి అందులో నమోదు లేదు.
  • John Heibel P(doom) రిపాజిటరీ స్టోరీబోర్డు, అధ్యాయాల నిర్మాణం, రెండరర్, రెండు విడతల పని, అందించిన సంగీతంపై సృష్టికర్త వివరణను అందిస్తుంది.
  • Claude Animation Base Heibel మళ్లీ ఉపయోగించుకోదగిన పనివిధానం, అవసరమైన ఆధారాలు, రెండరింగ్ పరిమితిపై ఆయన తెలిపిన వివరాలను నమోదు చేస్తుంది.
  • Joshua Ledbetter “Functional Emotions” రిపాజిటరీ రెండో కోడ్-ఆధారిత పనివిధానం, ఆడియో మూలాలు, సృష్టికర్త చేసిన పునర్విమర్శలను నమోదు చేస్తుంది.
  • Headroom యానిమేషన్ రిపాజిటరీ మరియు సృష్టికర్త పోస్ట్ వివరణాత్మక వీడియో, దాని ఆడియో మూలాలను అందిస్తాయి. పని సమయం, శూన్య అదనపు ఖర్చుపై వాదనలు నిర్ధారితం కాలేదు.