«AI solved motion graphic», пишут в X. В репозитории клипа Opus 5.5 пять ревизий и заказчик

«I made this with one prompt using Opus 5.5». Так 23 сентября Donald Jewkes подписал свой клип на ту же песню, что и герой этой статьи, и добавил: «я пять минут говорил с компьютером, Claude работал 12 часов, я проснулся, и вот». Пост собрал 3,4 миллиона просмотров. На следующий день разработчик Giacomo Magnanini (в X он mexicat) показал свою версию, нарисованную кодом на three.js, а 27 сентября Min Choi переопубликовал её с подписью «AI solved motion graphic».

Слова «один промпт» и «решил» мы проверили по первоисточнику. Magnanini выложил клип Claude Opus 5.5 в открытый репозиторий под MIT вместе с тритментом, инструкцией для авторов сцен и историей коммитов. По ним видно, как на самом деле работает связка «Claude Code пишет код, код рендерит видео», и эта картина полезнее вирусной подписи.

Как один трек про P(doom) стал бенчмарком для Opus 5.5

Песня не принадлежит ни одному из авторов клипов. Текст написали osmarks и MusicPerson, оригинал сгенерирован в Udio в ноябре 2024 года, а 9 сентября 2026 пользователь deckard выложил её поп-версию, сделанную в Suno, под названием Claude-Pop. Трек про AGI, максимизатор скрепок и RLHF стал общей задачей: у всех одна и та же аудиодорожка на 2:36, различаются только визуалы.

22 сентября пользователь other__reality выложил на неё клип с подписью «лучший визуальный дизайн из всех моделей, что я тестировал». Donald Jewkes в своём промпте называет исходники этого ролика: репозиторий JohnHeibel/PDoomVideo, где кадры рисуются кистью p5.brush. Дальше пошла эстафета: Jewkes, потом pleometric «по воркфлоу Donald», потом mexicat «в другом стилевом направлении».

«Один промпт» Jewkes стоит прочитать целиком. Это около 1 700 слов технического задания: ключи ElevenLabs и fal (в диктовке он записан как «foul»), около двух тысяч долларов кредитов на генерацию, указание «потратить весь лимит» тарифа Max, персонажи, JS-анимация поверх сгенерированного видео по принципу ротоскопа и финальное «make no mistakes». Один промпт здесь честный в том смысле, что сообщение было одно. Но это полноценный бриф для продакшена, а не строчка «сделай клип».

Что лежит в репозитории mexicat/pdoom-video

Главное свойство рендерера записано в первой строке README: каждый кадр это детерминированная функция времени песни. Поэтому превью в браузере и офлайн-экспорт в 1080p60 или 4K60 дают один и тот же кадр. Ни одного пикселя из генеративной видеомодели в ролике нет. Всё, что вы видите (TikZ-единорог, осциллограф с графиком loss, бланк с печатью SAFE ENOUGH, поле из скрепок), нарисовано шейдерами и Canvas.

Конвейер делится на две части: звук разбирается один раз, а видео пересчитывается из кода сколько угодно.

1. 1

   Разобрать звук

   Demucs отделяет вокал от музыки, два акустических CTC-движка выравнивают каждое слово по вокалу, Whisper проверяет результат. Отдельно считаются темп (132.007 BPM), доли, такты и огибающие громкости.

2. 2

   Сохранить тайминги

   Итог ложится в data/lyrics.json (начало и конец каждого слова) и data/audio.json (биты, секции, удары барабанов). Рендереру больше ничего не нужно.

3. 3

   Разложить клип на сцены

   17 модулей, по одному на «таблицу»: open, loss, prompt, hook, room, shoggoth и дальше до outro. Окна сцен привязаны к строкам текста и выровнены по сетке битов.

4. 4

   Смотреть в браузере

   Vite-сервер показывает клип в реальном времени, с перемоткой по кадрам и зацикливанием одной сцены.

5. 5

   Экспортировать

   Скрипт гонит headless Chrome по кадрам, передаёт сырые кадры в ffmpeg и кодирует x264. Motion blur собирается из 4–324 подкадров на кадр, по тому, насколько быстро движется картинка.

Сцены ищут строку текста по содержимому, а не по секундам: lyrics.get('sudden drop'), затем начало нужного слова. Если поправить разметку, все сцены сдвинутся вместе с ней. Именно так Claude Code может переделывать куски клипа, не ломая синхронизацию остальных.

Бриф, режиссёр и авторы сцен: как Claude Code вёл команду

Самое интересное в репозитории лежит в двух документах рядом с кодом. docs/TREATMENT.md это тритмент и style bible: идея в одном абзаце, палитра с HEX-кодами, четыре семейства шрифтов и их роли, правила караоке, описание каждой сцены. Там же прописано, чего в клипе быть не должно: фиолетово-цианового неона, светящихся мозгов, дождя из «Матрицы», и отдельно «ничего, что выглядит сгенерированным ИИ».

Заказчик здесь человек, и тритмент хранит следы его решений ревизия за ревизией, до пятой. Реалистичный глаз убран, потому что заказчику стало не по себе. Синий акцент убран, потому что «читался жутко». Подписи в углах кадра убраны. Сам Magnanini в посте формулирует то же скромнее: результат впечатляет «после нескольких раундов доработки».

Второй документ, docs/ENGINE.md, адресован «авторам сцен». В таблице сцен у каждой есть владелец: A1–A8, B1 и lead. Правила для авторов звучат как регламент для подрядчиков: не трогать файлы вне своей сцены, не править таймлайн, об изменениях движка «спросить лида». Мы читаем это как схему «один агент-режиссёр и несколько агентов на сценах». В репозитории JohnHeibel это сказано прямо: ANIMATION_GUIDE.md написал Opus, чтобы ставить задачи субагентам, которых запускал параллельно.

Ещё одна строчка из ENGINE.md объясняет, почему у модели вообще получается видео. Главный способ проверить сцену там назван так: отрендерить стоп-кадры, «затем посмотреть PNG инструментом Read». Claude Code не смотрит видео, но умеет читать картинки. Поэтому контроль качества устроен как у аниматора с раскадровкой: вытащить кадры в нужные секунды, посмотреть, поправить. Для движения есть листы контактов и короткие клипы, а бюджет производительности задан жёстко: цель до 25 мс на кадр.

$ 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
# затем агент открывает PNG через Read и сверяет с тритментом

Что не заметили ни модель, ни автор

28 сентября в репозиторий пришёл PR от стороннего разработчика, и написан он тоже вместе с Claude Opus 5.5. Суть: кадры передавались в ffmpeg в sRGB, но переводились в yuv420p по умолчанию, матрицей BT.601, и без меток цвета. Плееры, браузеры и YouTube декодируют HD-видео без меток как BT.709. Итог в описании PR: «every render came out shifted», чистый зелёный #20C040 в Chrome превращался в (20, 169, 62). Кодирование с этой ошибкой лежало в репозитории с первого коммита 24 сентября.

Это хорошо показывает границу проверки через стоп-кадры. PNG, которые агент смотрит через Read, берутся до кодирования, поэтому в них цвета правильные. Ошибка жила на последнем шаге, куда модель не смотрела, а сдвиг оттенка на готовом ролике глазом не поймать, если не с чем сравнить. Нашёл её сторонний разработчик, сравнив значения пикселей.

Есть и другие места, где автоматика не справилась. В analysis/align.py лежат ручные поправки границ слов, выставленные по спектрограммам и графикам проверки. В финальном припеве ведущий вокал утоплен под бэк-вокалом, CTC-выравнивание там «ничего не находит», и слова расставлены вручную с уверенностью 0,35–0,45. Ролик на YouTube, по признанию README, старый рендер с четырьмя подкадрами на кадр, где быстрые движения распадаются на ступеньки. Лучшая версия получается, только если отрендерить её у себя, а это около 2,5 часа на M5 Pro и 13 ГБ файла в 4K при настройках по умолчанию.

Что брать себе, если делаете видео с Claude Code

Наше мнение, с которым можно спорить: ИИ здесь освоил не моушн-графику, а работу режиссёра. Модель держит в голове 17 сцен, пишет для них бриф, раздаёт исполнителям и проверяет результат по кадрам. Эстетические решения («это жутко», «синий лишний») всё ещё принимает человек, и в репозитории они записаны как ревизии. Если следующий такой клип выйдет без единой правки заказчика и с открытой историей, мы окажемся неправы.

Из репозитория стоит забрать три приёма, и они работают для любого видео из кода, клип тут частный случай:

1. Тайминги отдельно от картинки. Звук и текст разбираются один раз в JSON, сцены ищут слова по содержимому. Правки не ломают синхронизацию.
2. Тритмент как контракт. Палитра, шрифты, запреты и описание каждой сцены лежат в одном файле, а каждая ревизия дописывается туда же. Агент, который пишет пятую сцену, видит те же правила, что и первый.
3. Проверка кадрами. Стоп-кадры и листы контактов, которые агент смотрит сам, плюс один шаг, который он не видит: готовый файл после кодирования.

Если хочется собрать такой конвейер без three.js и шейдеров, тот же подход «описываете сцену, Claude пишет код, код рендерит MP4» мы разбираем в гайде по моушн-видео на Remotion, а полный путь от сценария до ролика в курсе по моушн-видео с ИИ. Для анимаций на сайте, а не в видео, пригодятся готовые анимированные компоненты React Bits. Про то, как вообще устроена работа нескольких агентов под одним руководителем, мы писали в разборе оркестратора агентов Paperclip, а сколько стоит задача на Opus 5.5 по сравнению с GPT-6 Sol, считали в отдельной статье.

Версии репозиториев, просмотры и описания на 28 сентября 2026, проверяйте актуальные.