Model może zrobić wideo produktowe od początku do końca: zaplanować ujęcia, nagrać je, skleić i dobrać muzykę. Tylko że jeśli od razu każesz mu tworzyć wideo, dostaniesz kiepski efekt i spalisz mnóstwo czasu oraz tokenów. Kanał AI LABS pokazuje cały przepływ pracy, w którym model G P T sześć Astra odpowiada za kierunek twórczy, a Claude Code uruchamia narzędzia. Poniżej kolejne kroki, razem z problemami, które po drodze wyskakują.
Dlaczego taki zestaw. Astra jest jednym z lepszych modeli do montażu wideo i ma lepszy kierunek w projektowaniu — wygrała też pod tym względem w porównaniu z modelem Fable w poprzednim materiale kanału. Narzędzia Claude Code są zdaniem autorów lepsze od tych, które Astra dostaje w Codeksie, więc łączą jedno z drugim. Jeśli nie chcesz Claude Code, możesz użyć Codeksa albo dowolnego innego agenta kodującego i pominąć całą część o konfiguracji.
Uruchomienie Astry w Claude Code
Claude Code musi rozpoznać Astrę jako model. Da się to zrobić przez płatne API OpenAI, ale autorzy tego nie polecają: model jest drogi, a tworzenie wideo zjada bardzo dużo tokenów. Koszty rosną szybko.
Druga droga to skorzystanie z subskrypcji Codeksa, którą już masz. Służy do tego narzędzie o nazwie C L I proxy API. Uruchamia ono mały serwer na twoim komputerze, który łączy Claude Code z agentami kodującymi zainstalowanymi lokalnie. Dzięki temu korzystasz z istniejącej subskrypcji zamiast płacić osobno za API.
Kolejność jest taka:
- Zainstaluj narzędzie jednym poleceniem
brew install. - Ustawienia i klucz A P I zleć agentowi, którego już używasz. W poleceniu podaj, którego modelu chcesz używać przez to narzędzie. Agent zwróci ci klucz — zachowaj go.
- Serwer startuje sam po instalacji. Nie musisz uruchamiać żadnej komendy.
- Zaloguj C L I proxy API do konta Codeksa jego poleceniem logowania. Otworzy się przeglądarka, a narzędzie zapamięta twoje dane i będzie korzystać z twojego planu.
Ważne zastrzeżenie o kluczu. To nie jest zwykły klucz A P I, który nalicza opłatę za każdy token. Ten klucz pozwala tylko korzystać z zainstalowanych agentów przez serwer działający na twoim komputerze. Działa wyłącznie w twoim systemie i u nikogo innego.
Na koniec zmieniasz w Claude Code ustawienie zwane bazowym adresem U R L. Normalnie Claude Code wysyła wszystko do Anthropic — po zmianie wysyła to do serwera na twoim komputerze. Dokładasz skopiowany wcześniej klucz i jako model wpisujesz G P T sześć Astra. Po uruchomieniu model jest dostępny.
Zostaje jeszcze instalacja narzędzi do tworzenia wideo. Wystarczy pokazać agentowi listę, a on zainstaluje wszystko sam. Narzędzia przychodzą razem z umiejętnościami, które mówią agentowi, jak z nich korzystać przy tworzeniu wideo.
Plan powstaje przed pierwszym ujęciem
Produkt w demonstracji to artystyczny sklep z ubraniami, w którym można złożyć zestaw i go kupić. Powstał z szablonu aplikacji udostępnionego w społeczności kanału.
Planowanie jest tu najważniejsze, bo samo tworzenie wideo potrafi zająć godziny. Jeśli nie sprawdzisz planu na początku, stracisz te godziny na materiał, którego nie chciałeś.
W poleceniu dla Claude Code znalazły się:
- adres, pod którym działa sklep, żeby agent mógł go otworzyć i zaplanować wideo wokół tego, co naprawdę tam jest,
- długość i format: trzydzieści sekund w układzie szesnaście do dziewięciu, czyli poziomym, typowym dla demonstracji produktu. Do treści pionowych wybierasz dziewięć do szesnastu,
- muzyka bez lektora,
- prośba o pokazanie planu w przeglądarce, razem z miejscem na komentarze,
- odnośniki do filmów premierowych Anthropic i Linear jako punktu odniesienia.
Te odnośniki to nie ozdobnik. Dzięki nim agent wie, jaki masz pomysł w głowie, i planuje, jak widok przesuwa się po stronie i na którym przycisku ma się przybliżyć.
Po wysłaniu polecenia agent załadował umiejętności z Hyperframes, jednego z zainstalowanych narzędzi, zaplanował ujęcia, a następnie otworzył cały plan w przeglądarce. Plan pokazuje, co pojawi się w której sekundzie, jak porusza się kamera i co dzieje się na stronie. Obok jest sekcja komentarzy: piszesz w niej, co zmienić, prosisz agenta o przejrzenie komentarzy i naniesienie poprawek. Gdy plan ci odpowiada, każesz go zablokować. To sygnał dla agenta, że kierunek jest ostateczny.
Każde ujęcie osobno
Najpierw powstaje podstawowa wersja każdego ujęcia. Chodzi o to, żeby sprawdzić ruchy kamery zanim zainwestujesz czas w dopracowanie. Ujęcia są tworzone pojedynczo z prostego powodu: jeśli jedno się nie uda, poprawiasz tylko je, a nie całe wideo od nowa.
Polecenie brzmiało: otwórz przeglądarkę, nagraj każde ujęcie w pełnej rozdzielczości ekranu i zamień je na wideo, żeby dało się obejrzeć ruchy kamery.
Agent stworzył pierwsze ujęcie i poprosił o ocenę, zanim ruszył dalej. To celowe — błąd wyłapujesz na starcie, zamiast znajdować go potem w każdym kolejnym ujęciu. Pokazał obrazy i nagrany klip w przeglądarce. Możesz poprosić o zmiany, a gdy pierwsze ujęcie jest w porządku, każesz wygenerować resztę.
W tym przypadku kilka klipów z niejasnych powodów trzęsło się, a część przybliżeń nie zgadzała się z planem. Agent to poprawił. Poprawki możesz zgłaszać dowolnie długo, aż będziesz zadowolony.
Sklejanie klipów
Na tym etapie masz osobne klipy z podstawowym ruchem i przybliżeniami. Trzeba je połączyć w jedno wideo, które płynnie przechodzi z ujęcia w ujęcie. W poleceniu do Claude Code trafiło, jak ma się poruszać kamera, gdzie przybliżać i kiedy ma następować pisanie na klawiaturze.
Tworzenie połączonego wideo zajęło dużo czasu. Efektem jest jedno wideo bez muzyki, zapisane w folderze roboczym agenta — otwierasz je stamtąd i oglądasz. Jeśli coś jest nie tak, musisz powiedzieć agentowi, w którym miejscu wideo to widać. Tu jedno z ujęć zostało umieszczone za bardzo po prawej, więc agent przesunął je z powrotem.
Po naniesieniu poprawek proś agenta o ponowne sprawdzenie materiału. Zainstalowane narzędzia mają wbudowane kontrole, które wyłapują drobne usterki. Po ich przejściu wideo ich nie zawiera.
Muzyka dobrana do cięć
Muzyka trzyma widza przy kolejnych ujęciach i to ona decyduje, czy wideo się ogląda. Jeśli po prostu każesz agentowi dodać muzykę, wybierze utwór sam — i zwykle nie będzie on pasował. Potrzebna jest wskazówka.
Autorzy zrobili do tego osobną umiejętność. Odczytuje ona styl produktu z planu i sprawdza, jak często wideo przechodzi z ujęcia w ujęcie. Z tego czasu wyciąga tempo i szuka muzyki o pasującym rytmie. Źródłem jest serwis Mixkit z darmową muzyką, w kategoriach takich jak spokojna i fortepianowa.
Umiejętność powstała z polecenia opisującego agentowi dokładny przepływ pracy. Możesz skopiować to samo polecenie i kazać swojemu agentowi zbudować ją u siebie. Uruchamiasz ją ukośnikiem i nazwą: znajduje utwór, dodaje go i renderuje nową wersję wideo z muzyką.
Dla kogo to jest
Dla każdego, kto buduje produkt i potrzebuje materiału przyciągającego uwagę bez zmuszania ludzi do instalowania czegokolwiek. Dla osób nietechnicznych, które chcą gotowy montaż bez uczenia się programu do edycji. I dla tych, którzy próbowali montażu przez czat i wolą, żeby ten sam model sterował prawdziwymi narzędziami.
Koniec artykułu.