75-second animated short drawn and scored entirely in code

观默@guanmo_ai

当全网还在卷 AI 视频的逼真物理特效、拼 4K 写实大片时，我们用 Opus 5.5 跑通另一条完全相反的极客路径：

整部 75 秒的动画短片，没有一张图片素材，没有调用任何 AI 视频模型，也没有一段音频采样。

你看到的每一帧画面、听到的每一个音符，全靠一个仅 170KB 的 HTML 单文件，由浏览器里的原生 JavaScript 当场作画、当场合成。

拆解一下这背后的核心管线：
Opus 5.5（分镜架构与程序化算法）→ Canvas 2D（实时噪声渲染）→ Web Audio API（全栈声音合成）→ Headless Chromium + FFmpeg（逐帧直出成片）。

为什么在视频大模型如此强大的今天，选择用底层的纯代码去磕一部手绘动画？对比当下的生成式视频管线，分享 3 个底层的创作思考：

▸ 以数学的确定性，终结概率模型的跨镜头崩坏
当下的视频生成模型本质是概率抽卡，虽然擅长制造单镜头的视觉奇观，却极难维持长叙事的跨镜头一致性，更无法精准控制像素级的重绘，画面往往伴随难以消除的潜空间涂抹感。

而纯代码渲染是绝对的确定性工程——我们将车顶的青苔、野花与鸟巢写进同一套几何设定稿，再用光照方向与值噪声将树冠量化为四五个平涂色块，在粗网格上计算且放大不做平滑。没有算力黑盒的随机漂移，十个镜头严丝合缝，反而精准复刻了传统赛璐璐手绘那份碎而硬的笔触肌理。

▸ 以帧率分层的生命律动，对抗生成视频的塑料流淌感
现有的 AI 视频模型为了掩盖帧间闪烁，往往依赖光流插帧或高帧率平滑，结果导致画面呈现出一种毫无重量的塑料流淌感，丧失了动画应有的顿挫与呼吸。

我们在代码底层严格重现了传统手绘动画的一拍二法则：让电车、飞鸟与落叶按每秒 12 帧更新，保留手绘帧与帧之间的微妙留白与生命张力；同时让摄像机运镜保持每秒 24 帧丝滑推进。动静分离的帧率差，配合暖色柔光、青色暗部提亮与纸张纹理，让算法彻底褪去了电子味。

▸ 以视听同源的波形演算，打破音画割裂的拼接感
在这部无对白短片里，视觉与听觉共享同一套时间轴函数：F 大调 64 BPM 的钢琴主题、电车破土时的金属低鸣、光之铁轨升起时的上行音阶，乃至林间惊飞的百鸟与簌簌落叶，全部由 Web Audio 振荡器与噪声包络实时合成。当第 44 秒车头转向太阳、全乐队弦乐与光轨同步炸开时，那是数学与声学在代码里达成的绝对共振。

视频模型正在把影像生成的门槛无限拉低。但工具越强大，越能印证一个事实：

概率算力可以模拟表象的繁华，而对传统美学的敬畏与深入底层的工程控制力，也是创作者真正跨越周期的壁垒之一。