LaunchVideo把解释视频做成Agent产物:Opus 5.5写片,约10万token出片4分钟

LaunchVideo把解释视频做成Agent产物:Opus 5.5写片,约10万token出片4分钟

2026年9月24日,一个名为LaunchVideo的项目登上Hacker News,它把产品的解释视频制作完全交给Anthropic的Claude Opus 5.5模型来完成。使用方式极简:粘贴一个产品URL或写一句描述,Opus 5.5写出影片脚本,再由一个无服务器Agent渲染成片,每条视频大约耗时4分钟、消耗约10万个token。页面上的示例包括NVIDIA、Jev by TypeSafe AI、OpenComputer与Linear,每条都标注为单次运行产出、未经人工剪辑。

整套产品只是一个Agent文件加三个工具函数

项目的工程化程度在页面上完整公开。整个产品由一个Agent文件、三个工具和当前这个表单组成,OpenComputer负责运行Agent、承载渲染用微型虚拟机、提供模型网关以及页面轮询的会话API。模型固定为anthropic的claude-opus-5.5,通过OpenComputer的模型网关调用,每部影片约9万输入token加1.5万输出token,其中绝大部分是HTML本身。

运行时方面,每个作业都在一个全新的微型虚拟机中执行:Amazon Linux 2023的arm64实例、4个vCPU、8GB内存、Node 22运行时。第一个工具调用负责安装Playwright的无头Chromium与静态ffmpeg,约耗时一分钟,虚拟机在作业结束后即被丢弃。三个工具函数分别是负责抓取页面文本、标题、 headings、最高频十六进制颜色与Google字体的web_fetch,负责载入影片并报告JS错误与采样时间戳可见文本的check_scene,以及负责渲染并上传的render_video。

最关键的工程细节在渲染环节:整套流程没有调用任何视频生成模型。页面上的时钟机制,包括requestAnimationFrame、计时器、Date对象、CSS动画与Web Animations,被替换为虚拟时钟,因此每一帧都是一次确定性的寻址定位,渲染结果可复现。输出规格为1920x1080分辨率、每秒30帧,JPEG帧管道送入libx264编码、crf参数设为18。

虚拟时钟换确定性渲染,思路来自模型能力讨论而非视频模型

存储与控制平面同样被完整披露。Agent本身不持有任何密钥,表单签发一个限定单一路径、有效期3小时的Vercel Blob上传令牌,按作业ID存放于清单中,工具按作业ID取用,成品MP4是一个公开的Blob URL。网页与CLI调用同一套API:创建会话、发送一个回合、轮询事件流中的tool.started、tool.completed与turn.completed事件,以MP4出现在Blob中作为完成标志。

作者在页面上注明,这个点子来自Deedy关于Opus 5.5与教学视频的讨论帖,核心思路是让模型把影片写成代码,而代码每次渲染的结果都一样。这与当前主流的生成式视频模型路线完全不同:它不生成像素,而是生成一段可确定渲染的网页程序,再逐帧截取成视频。

从产业视角看,LaunchVideo验证了一条低成本的视频内容生产路径。约10万token的消耗按当前定价仍在个位数美元量级,而4分钟的端到端时长意味着产品宣传视频的边际成本接近于零。HN讨论中虽然有大量关于内容同质化与AI填充内容的批评,但技术实现本身获得的评价相当正面,尤其是虚拟时钟换确定性渲染这一被反复称赞的工程细节。