‏„AI solved motion graphic”, כותבים ב-X. בריפו של הקליפ של Opus 5.5 יש חמש גרסאות ולקוח

„I made this with one prompt using Opus 5.5”. כך Donald Jewkes תייג ב-23 בספטמבר את הקליפ שלו לאותו שיר, והוסיף שדיבר עם המחשב חמש דקות, Claude עבד 12 שעות, והוא התעורר לתוצאה. הפוסט צבר 3.4 מיליון צפיות. למחרת המפתח Giacomo Magnanini ‏(ב-X הוא mexicat) הראה גרסה משלו, מצוירת בקוד עם three.js, וב-27 בספטמבר Min Choi פרסם אותה מחדש עם הכיתוב „AI solved motion graphic”.

בדקנו את „פרומפט אחד” ואת „פתר” מול המקור. Magnanini פרסם את הקליפ של Claude Opus 5.5 כריפו פתוח ברישיון MIT, יחד עם ה-treatment, מדריך לכותבי הסצנות וכל היסטוריית הקומיטים. מהקבצים האלה רואים איך השילוב „Claude Code כותב קוד, הקוד מרנדר וידאו” עובד באמת, והתמונה הזאת שימושית יותר מהכיתוב הוויראלי.

איך שיר אחד על P(doom) הפך לבנצ'מרק ל-Opus 5.5

השיר לא שייך לאף אחד מיוצרי הקליפים. את המילים כתבו osmarks ו-MusicPerson, המקור נוצר ב-Udio בנובמבר 2024, וב-9 בספטמבר 2026 משתמש בשם deckard העלה גרסת פופ שנעשתה ב-Suno, בשם Claude-Pop. שיר על AGI, על ממקסם מהדקי הנייר ועל RLHF הפך למשימה משותפת: לכולם אותו פס קול של 2:36, ורק הוויזואליה שונה.

ב-22 בספטמבר המשתמש other__reality העלה קליפ לשיר וכתב שזה העיצוב הוויזואלי הטוב ביותר מכל המודלים שבדק. בפרומפט שלו Donald Jewkes מציין את מקורות הקליפ הזה: הריפו JohnHeibel/PDoomVideo, שבו הפריימים מצוירים במכחול של p5.brush. משם התחיל מרוץ שליחים: Jewkes, אחריו pleometric לפי ה-workflow של Donald, ואחריו mexicat בכיוון סגנוני אחר.

כדאי לקרוא את „הפרומפט האחד” של Jewkes עד הסוף. אלה כ-1,700 מילים של מפרט הפקה: מפתחות ל-ElevenLabs ול-fal ‏(בהכתבה fal נרשם כ-„foul”), קרדיטים לג'נרציה בשווי כאלפיים דולר, הוראה לנצל את כל המכסה של מנוי Max, דמויות, אנימציית JS מעל וידאו גנרטיבי בשיטת רוטוסקופ, ובסוף „make no mistakes”. זה פרומפט אחד במובן הכן שהייתה הודעה אחת. אבל זה בריף הפקה מלא, לא שורה של „תעשה קליפ”.

מה יש בריפו mexicat/pdoom-video

התכונה המרכזית של הרנדרר כתובה בשורה הראשונה של ה-README: כל פריים הוא פונקציה דטרמיניסטית של זמן השיר. לכן התצוגה המקדימה בדפדפן והייצוא האופליין ב-1080p60 או ב-4K60 נותנים אותו פריים בדיוק. אין בקליפ אף פיקסל ממודל וידאו גנרטיבי. כל מה שרואים (חד-הקרן ב-TikZ, האוסצילוסקופ עם גרף ה-loss, הטופס עם החותמת SAFE ENOUGH, שדה מהדקי הנייר) מצויר בשיידרים וב-Canvas.

הצינור מתחלק לשני חלקים: האודיו מנותח פעם אחת, והווידאו מחושב מחדש מהקוד כמה פעמים שרוצים.

1. 1

   לנתח את האודיו

   Demucs מפריד את השירה מהמוזיקה, שני מנועי CTC אקוסטיים מיישרים כל מילה לשירה, ו-Whisper מצליב את התוצאה. בנפרד מחושבים הטמפו (132.007 BPM), הפעמות, התיבות ומעטפות העוצמה.

2. 2

   לשמור את התזמונים

   התוצאה נשמרת ב-data/lyrics.json ‏(התחלה וסוף של כל מילה) וב-data/audio.json ‏(פעמות, חלקים, מכות תופים). הרנדרר לא צריך שום דבר אחר.

3. 3

   לפרק את הקליפ לסצנות

   17 מודולים, אחד לכל „טבלו”: open, loss, prompt, hook, room, shoggoth וכך הלאה עד outro. חלונות הסצנות קשורים לשורות המילים ומיושרים לרשת הפעמות.

4. 4

   לצפות בדפדפן

   שרת Vite מציג את הקליפ בזמן אמת, עם דילוג פריים אחר פריים ולולאה על סצנה אחת.

5. 5

   לייצא

   סקריפט מריץ headless Chrome פריים אחר פריים, מעביר פריימים גולמיים ל-ffmpeg ומקודד ב-x264. ה-motion blur נבנה מ-4 עד 324 תת-פריימים לכל פריים, לפי מהירות התנועה בתמונה.

סצנות מוצאות שורת טקסט לפי התוכן שלה, לא לפי שניות: lyrics.get('sudden drop'), ואז את תחילת המילה הדרושה. אם מתקנים את התזמון, כל הסצנות זזות איתו. כך Claude Code יכול לעבד מחדש חלקים מהקליפ בלי לשבור את הסנכרון של השאר.

בריף, במאי וכותבי סצנות: איך Claude Code ניהל צוות

הדברים המעניינים ביותר בריפו הם שני מסמכים שיושבים ליד הקוד. docs/TREATMENT.md הוא ה-treatment וה-style bible: הרעיון בפסקה אחת, פלטה עם קודי HEX, ארבע משפחות גופנים והתפקיד של כל אחת, כללי קריוקי ותיאור של כל סצנה. שם גם כתוב מה אסור שיופיע בקליפ: ניאון סגול-ציאן, מוחות זוהרים, הגשם של „המטריקס”, ובנפרד „nothing that looks AI-generated”.

הלקוח כאן הוא אדם, וה-treatment שומר את עקבות ההחלטות שלו גרסה אחר גרסה, עד החמישית. העין הריאליסטית הוסרה כי הלקוח חש ממנה אי-נוחות. הדגש הכחול הוסר כי נראה מפחיד. הכיתובים בפינות הפריים הוסרו. Magnanini עצמו מנסח את זה בצניעות רבה יותר בפוסט: התוצאה מרשימה „after a few rounds of tweaking”.

המסמך השני, docs/ENGINE.md, ממוען ל„כותבי הסצנות”. בטבלת הסצנות לכל סצנה יש בעלים: A1–A8, ‏B1 ו-lead. הכללים לכותבים נשמעים כמו תקנון לקבלני משנה: לא לגעת בקבצים מחוץ לסצנה שלך, לא לערוך את ציר הזמן, ועל שינויים במנוע „ask the lead”. אנחנו קוראים את זה כמבנה של סוכן-במאי אחד וכמה סוכנים על הסצנות. בריפו של JohnHeibel זה כתוב במפורש: את ANIMATION_GUIDE.md כתב Opus כדי לתדרך את סוכני המשנה שהריץ במקביל.

שורה נוספת ב-ENGINE.md מסבירה למה המודל מסוגל לעשות וידאו בכלל. הדרך העיקרית לבדוק סצנה מתוארת שם כך: לרנדר תמונות סטילס, „then LOOK at the PNGs with the Read tool”. ‏Claude Code לא צופה בווידאו, אבל יודע לקרוא תמונות. לכן בקרת האיכות עובדת כמו אנימטור עם סטוריבורד: לשלוף פריימים בשניות הנכונות, להסתכל, לתקן. לתנועה יש דפי קונטקט וקליפים קצרים, ותקציב הביצועים קשיח: יעד של פחות מ-25 ms לפריים.

$ cd app && bun scripts/render.ts stills --t 12.5,13.0,14.2 --only open --out ../out/wip/open
$ bun scripts/render.ts sheet --from 1.5 --to 9 --n 16 --cols 4 --only open --out ../out/wip/open/sheet.png
# then the agent opens the PNGs with Read and compares them to the treatment

מה שלא המודל ולא המחבר שמו לב אליו

ב-28 בספטמבר הגיע לריפו PR ממפתח חיצוני, וגם הוא נכתב יחד עם Claude Opus 5.5. העיקר: הפריימים הועברו ל-ffmpeg ב-sRGB, אבל הומרו ל-yuv420p עם מטריצת ברירת המחדל BT.601 ובלי תגי צבע. נגנים, דפדפנים ו-YouTube מפענחים וידאו HD בלי תגים כ-BT.709. השורה התחתונה בתיאור ה-PR: „every render came out shifted”, והירוק הטהור ‎#20C040 הפך ב-Chrome ל-(20, 169, 62). הקידוד עם הבאג הזה היה בריפו מהקומיט הראשון ב-24 בספטמבר.

זה מראה בדיוק איפה נגמרת הבדיקה דרך סטילס. ה-PNG שהסוכן רואה דרך Read נלקחים לפני הקידוד, ולכן הצבעים בהם נכונים. הבאג חי בשלב האחרון, שאליו המודל לא הסתכל, והסטת גוון בווידאו מוגמר אי אפשר לתפוס בעין בלי משהו להשוות אליו. מפתח חיצוני מצא אותה כשהשווה ערכי פיקסלים.

יש עוד מקומות שבהם האוטומציה לא הסתדרה. ב-analysis/align.py יש תיקונים ידניים לגבולות המילים, שנקבעו לפי ספקטרוגרמות וגרפי QA. בפזמון האחרון השירה הראשית קבורה מתחת לקולות הרקע, יישור ה-CTC לא מוצא שם כלום, והמילים מוקמו ידנית עם ביטחון של 0.35–0.45. הקליפ ביוטיוב, כפי שה-README מודה, הוא רינדור ישן עם ארבעה תת-פריימים לפריים, שבו תנועות מהירות מתפרקות למדרגות. הגרסה הטובה ביותר קיימת רק אם מרנדרים אותה בעצמכם, וזה לוקח כ-2.5 שעות על M5 Pro ומייצר קובץ של 13 GB ב-4K בהגדרות ברירת המחדל.

מה לקחת לעצמכם אם אתם עושים וידאו עם Claude Code

הדעה שלנו, ואפשר להתווכח איתה: מה שה-AI שלט בו כאן הוא לא מושן גרפיקס אלא העבודה של הבמאי. המודל מחזיק בראש 17 סצנות, כותב להן בריף, מחלק אותן למבצעים ובודק את התוצאה פריים אחר פריים. החלטות אסתטיות, כמו להוריד את העין המטרידה או את הכחול, עדיין מקבל אדם, והריפו מתעד אותן כגרסאות. אם הקליפ הבא מהסוג הזה ייצא בלי אף תיקון של לקוח ועם היסטוריה פתוחה, יתברר שטעינו.

שלוש טכניקות מהריפו שווה לקחת, והן עובדות לכל וידאו מקוד, כשהקליפ הוא רק מקרה פרטי:

1. תזמונים בנפרד מהתמונה. האודיו והמילים מנותחים פעם אחת ל-JSON, והסצנות מחפשות מילים לפי תוכן. תיקונים לא שוברים את הסנכרון.
2. ה-treatment כחוזה. פלטה, גופנים, איסורים ותיאור של כל סצנה נמצאים בקובץ אחד, וכל גרסה נוספת נכתבת לתוכו. הסוכן שכותב את הסצנה החמישית רואה את אותם כללים כמו הראשון.
3. בדיקה בפריימים. סטילס ודפי קונטקט שהסוכן בודק בעצמו, ועוד שלב אחד שהוא לא רואה: הקובץ הסופי אחרי הקידוד.

לאנימציה באתר ולא בווידאו, שימו לב לקומפוננטות האנימציה המוכנות של React Bits. על האופן שבו כמה סוכנים עובדים תחת מוביל אחד כתבנו בפירוק של מתזמר הסוכנים Paperclip, ואת העלות של משימה על Opus 5.5 מול GPT-6 Sol חישבנו במאמר נפרד.

גרסאות הריפו, מספרי הצפיות והתיאורים נכונים ל-28 בספטמבר 2026, בדקו את העדכניים.