Link bài viết gốc： https://x.com/Hypewangyolo/status/210963...
Hype｜AI · X · @Hypewangyolo · 2026-10-12 21:21
Bài viết này được chia sẻ lại, bản quyền thuộc về tác giả gốc, toàn văn căn cứ theo link bài gốc
Cuối cùng thì!!! Codex của tôi cũng có thể tạo hiệu ứng động ở cấp độ Opus 5.5 rồi!!!
Tải về phiên bản mới:
Claude Motion v0.2.0-beta.1
Ý tưởng bắt nguồn từ bài đăng này:
Do kết quả Codex tạo ra quá tệ, lại không thể dùng Claude, tôi đã tự mình phân tích mã nguồn của hơn 100 hoạt ảnh Claude mã nguồn mở từ nước ngoài, đồng thời tiến hành thử nghiệm mù đôi và ablation study cho từng mục.
Đại khái bạn có thể hiểu là: trước tiên để model học 50 mẫu đầu tiên, sau đó lấy 50 mẫu sau làm nhóm mù đôi, tức là để model tạo hoạt ảnh trong môi trường cô lập trước, rồi mới so sánh với kết quả thực tế để học hỏi và cải tiến.
Cuối cùng, sau khi dùng hết hai tài khoản Codex 20x và lặp lại hàng chục phiên bản, tôi đã hoàn thiện được một skill hype-video như thế này.
Dưới đây là một số thành quả (tạo hoàn toàn qua blind test, không có tham chiếu), hiệu ứng làm tôi thực sự kinh ngạc đến rớt hàm.
Xem trọn bộ 5 nhóm đối chiếu: hypeyolo.com/motion/
Cái "chất Claude" mà tôi nói, tôi đoán ai từng dùng qua đều sẽ hiểu.
Nhưng quả thực rất khó để khái quát bằng một phong cách đồ họa duy nhất. Tranh cắt giấy, thị trấn pixel, kết cấu cơ khí – hình thức hoàn toàn khác biệt, nhưng có những tác phẩm nhìn vào là khiến tôi nhận ra ngay "cái này giống như do Claude làm".
Cuối cùng, qua vài vòng mày mò thử nghiệm, tôi đã tổng hợp mã nguồn, module vẽ và model thành Claude Motion . Năm nhóm đối chiếu dưới đây sẽ cho thấy nó trông như thế nào khi áp dụng vào đề bài mới trong thực tế.
Ở ba nhóm đầu, bên trái là GPT không dùng bộ skill này, bên phải dùng Claude Motion. Ở hai nhóm sau, bên trái dùng skill chính thức của Lemo, bên phải dùng Claude Motion. Cả hai bên đều dùng GPT.
Điểm chung là video thành phẩm cuối cùng đều là one-shot, không qua chỉnh sửa tinh chỉnh thủ công, chỉ dùng trạng thái nguyên bản nhất để đối chiếu.
Đài thiên văn: Mượn độ sâu trường ảnh và công cụ tạo hình, kể lại một câu chuyện mới
prompt chung: Robot bảo trì thức dậy, mở mái vòm bị kẹt, nhìn mưa sao băng qua kính viễn vọng.
hypeyolo.com/motion/#observatory
Kiện hàng đỉnh núi: Model hoàn chỉnh cũng có thể tạo nên sự khác biệt
prompt chung: Một chiếc xe tải chạy dọc đường núi vận chuyển kiện hàng phát sáng, đưa nó đến bưu điện trên đỉnh núi, cuối cùng bưu điện sáng đèn lúc bình minh.
hypeyolo.com/motion/#parcel
Phòng đọc sách: Tiếp tục trau chuốt tỉ mỉ các tương tác tiếp xúc và chuyển động
Cùng một prompt: Buổi chiều trong phòng đọc sách, một cơn gió lay động rèm cửa, lật qua một trang sách, căn phòng trở lại yên tĩnh.
hypeyolo.com/motion/#reading-room
Ngọn hải đăng: Sự tiến bộ thực sự của skill
Những nội dung dưới đây là kết quả tôi tạo ra bằng cùng một prompt khi dùng skill của blogger này để kiểm tra xem skill của mình có thực sự hữu ích hay không
Cùng một prompt: Trong giông bão, người gác đèn sửa lại thấu kính xoay bị kẹt. Ánh đèn quét qua mặt biển một lần nữa, con thuyền nhỏ tìm thấy bến cảng.
hypeyolo.com/motion/#beacon
Khẩu độ: Kho tư liệu không có model này, vậy mà vẫn có thể làm tốt đến thế
Đề bài là thể hiện cách khẩu độ cơ học kiểm soát ánh sáng đi qua: nhìn rõ các lá khẩu xếp chồng lên nhau, cùng mở ra và khép lại, cuối cùng giữ lại cấu trúc hoàn chỉnh.
hypeyolo.com/motion/#iris
Phía bên phải không tìm thấy một model khẩu độ có sẵn nào. Nó đã chọn bối cảnh studio và cách xử lý kim loại từ case study sản phẩm thủy tinh, giữ lại phản xạ ánh sáng thanh, ánh sáng môi trường và hiệu ứng xước kim loại, rồi dựng mới 8 lá khẩu, vỏ ngoài cùng logic đóng mở.
Từ đó bạn có thể thấy khả năng tự đệ quy của skill này, cũng như kho tư liệu mà nó thu thập đã nâng cao năng lực render video ra sao.
Xem ra đối chuẩn benchmark vẫn là thứ AI giỏi nhất.
Ghi chú:
Năm nhóm video đều dùng các video thành phẩm đã tạo qua từng vòng, mỗi video dài 18 giây, 720p, 24 frame. Video đặt cạnh nhau chỉ được co giãn tỷ lệ, gắn nhãn điều kiện, giữ nguyên toàn bộ timeline và phát nhạc nền gốc ở bên phải.
Tóm tắt nguyên lý tầng dưới của skill này: cho phép GPT khi sáng tạo có thể trực tiếp tra cứu các case study trong kho tư liệu, và sử dụng mã nguồn vẽ có sẵn trong đó.
Ví dụ với một hiệu ứng in ấn, dự án gốc đã viết sẵn cách tạo đường khắc, cách chồng bản màu, cách để mực in thấm lên giấy. Khi làm đề bài mới, GPT có thể giữ lại các phần triển khai này, rồi thiết kế lại chủ thể, chuyển động và góc máy.
Nếu chỉ đúc kết thành một câu "hình ảnh cần có chất thủ công", thì vẽ cụ thể thế nào model vẫn phải tự đoán lại từ đầu.
Skill này từ lúc nhận đầu vào đến khi ra video thành phẩm đã làm cụ thể những gì?
Quy tắc văn bản chịu trách nhiệm định hướng lựa chọn, mã nguồn và model cung cấp năng lực vẽ, còn GPT phụ trách cải biên và sắp đặt. Ba phần này phối hợp hoạt động cùng nhau.
Đầu tiên, xác định đề bài này cần những gì
Khi nhập "Sửa ngọn hải đăng, đưa thuyền nhỏ về cảng", GPT trước tiên phải nhận diện cần vẽ những đối tượng nào, diễn ra hành động gì, và người xem cần hiểu được mối quan hệ nào.
Đề bài hải đăng cần động tác sửa chữa và luồng sáng quét biển; đề bài khẩu độ cần các lá khẩu xếp chồng và đóng mở đồng bộ. Dù trong đề bài đều có từ "ánh sáng", nhưng cách triển khai thực tế lại hoàn toàn khác nhau.
Tiếp theo là tra cứu danh mục để tìm case study, scene hoặc model phù hợp với những nhu cầu này.
Script tìm kiếm trong package sẽ khớp theo tag tiếng Trung và tiếng Anh, đưa ra các ứng viên và vị trí mã nguồn. Nó không có model chấm điểm tự động đánh giá tính thẩm mỹ; cuối cùng vẫn phải do GPT đọc code triển khai, xem preview và đánh giá xem có phù hợp hay không.
Chọn phong cách hình ảnh, rồi chọn tiếp các bộ phận cụ thể
GPT sẽ xem xét code tạo hình, chất liệu và chuyển động của các case study ứng viên để chọn một hướng đi chủ đạo.
Ví dụ: video hải đăng chọn phong cách in ấn 2D, video khẩu độ chọn studio sản phẩm, đài thiên văn chọn 3D thu nhỏ. Sau khi quyết định, tỷ lệ, màu sắc, đường nét, ánh sáng và nhịp điệu chuyển động của toàn bộ video sẽ được cân nhắc đồng bộ.
Sao chép phần triển khai khả dụng, rồi viết lại cho đề bài mới
Skill có vài lối vào tạo mới: sao chép case study gốc, sao chép scene hoặc hệ thống dựng đã kết nối sẵn, trích xuất model hoàn chỉnh. Giấy phép bản quyền và nguồn gốc liên quan đều được giữ lại nguyên vẹn.
Sau khi sao chép xong, GPT còn phải viết lại chủ thể, sự kiện, góc máy và timeline. Công cụ tạo mới chỉ đưa ra điểm khởi đầu cho dự án, chứ không tự mình biến câu chuyện cũ thành câu chuyện mới.
Đài thiên văn giữ lại độ sâu trường ảnh và công cụ hình học; kiện hàng đỉnh núi giữ lại model xe tải; khẩu độ giữ lại studio và chất liệu. Các đề bài khác nhau sẽ giữ lại các phần khác nhau, không bắt buộc lần nào cũng gọi cùng một bộ code.
Điều cốt lõi nhất là những phần triển khai đó phải thực sự tham gia vào quá trình vẽ cuối cùng. Nếu chỉ đọc qua mã nguồn rồi tự vẽ lại vài hình khối, thêm một lớp noise, thì năng lực ban đầu vẫn sẽ bị mất đi.
Kho tư liệu thiếu thứ gì, cứ bổ sung theo cùng một bộ quy tắc
Không thể chuẩn bị sẵn mọi vật thể cho bất kỳ câu chuyện nào từ trước.
Khi thiếu đối tượng, bạn có thể kết hợp các bộ phận sẵn có, hoặc viết thêm path vẽ hay hình học 3D mới. Nếu cần model phức tạp hơn, hãy đưa vào các tài nguyên bên ngoài có giấy phép rõ ràng, rồi đồng bộ lại tỷ lệ, chất liệu và chuyển động.
Khẩu độ là một ví dụ: chủ thể được dựng mới, còn studio và phần triển khai chất liệu xung quanh tiếp tục được tái sử dụng. Khi câu chuyện in ấn 2D cần nhân vật mới, nó cũng có thể kế thừa cơ chế nét vẽ và mực in cũ, không nhất thiết phải đột ngột chuyển sang 3D.
Dựng hình 3D không phải bước bắt buộc cho mọi video. Chỉ những đề tài yêu cầu cú máy quay vòng quanh, che khuất không gian hoặc kết cấu lập thể mới cần dùng đến 3D.
Xem đoạn trích tiêu biểu, sửa chuyển động, rồi mới export
Trước tiên hãy xem một phân đoạn hình ảnh và chuyển động then chốt đại diện cho video hoàn chỉnh. Nếu tạo hình chủ thể, chất liệu hoặc tương tác tiếp xúc chưa hợp lý, hãy sửa đoạn này trước, rồi mới mở rộng ra toàn bộ timeline.
Cuối cùng để trình duyệt vẽ từng frame theo thời gian quy định, rồi dùng FFmpeg ghép thành MP4. Âm thanh cần được project cung cấp riêng; nếu không có audio thì sẽ không tự động ghép nhạc nền, và cũng không tự ý thêm phụ đề tiếng Trung chỉ vì tôi hỏi bằng tiếng Trung.
Khi bàn giao, ngoài video ra còn giữ lại code có thể chỉnh sửa, kèm theo một bản giải trình: đã dùng tài nguyên của ai, giữ lại cái gì, viết lại cái gì, và đã thực tế kiểm tra những gì.
Việc kiểm tra tệp và video có thể phát hiện các lỗi như tải thất bại hay lỗi giải mã. Còn về độ tinh xảo, bạn vẫn phải mở video thành phẩm ra xem trực tiếp.
Kho tư liệu có những gì
Phiên bản v0.2.0-beta.1 được tổng hợp lần này bao gồm:
- Case study mã nguồn: 47 mục Tra cứu và gọi lại phần triển khai vẽ ban đầu.
- Hệ thống sản xuất: 5 bộ (bao gồm 10 ví dụ phát triển) Cải biên từ các dự án đã tích hợp sẵn.
- Điểm truy cập scene: 14 mục (trong đó có 3 component thử nghiệm) Tái sử dụng cấu trúc scene và timeline.
- Gói object: 30 mục Tái sử dụng hình học, texture và một số chuyển động khung xương.
Trong 47 mục mã nguồn, 36 mục đã có frame trích xuất từ mẫu gốc, 11 mục vẫn còn thiếu preview; scene phòng đọc sách có kèm riêng 14 file đồ nội thất, không tính vào danh mục 30 object đó.
Trong kho có mã nguồn vẽ bằng JavaScript, cũng có model GLB, texture, ảnh preview và file giấy phép. Chúng đều được cung cấp kèm theo thư mục skill, chỉ đọc khi cần thiết, không nhồi toàn bộ mã nguồn vào context trong mỗi lần chạy.
Cuộc trò chuyện mới khi gọi skill này sẽ tìm kiếm lại và sử dụng các file này.
Điều tôi làm là chuẩn hóa các năng lực vẽ sẵn có thành công cụ mà GPT có thể dùng khi sáng tạo.
Cài đặt và Sử dụng
Hãy sao chép đoạn văn bản dưới đây gửi cho Codex để nó giúp bạn hoàn tất cài đặt:
Hãy giúp tôi cài đặt Skill animation này: https://github.com/Hype-yolo/claude-motion-skill . Làm theo hướng dẫn cài đặt của repository, tải xuống phiên bản phát hành hiện tại, cài đặt các dependency cần thiết và hoàn tất xác minh. Nếu đã có Skill trùng tên, hãy sao lưu trước. Sau khi cài đặt xong, hãy cho tôi biết cách gọi nó để tạo video.
Sau khi cài đặt xong, bạn chỉ cần cho nó biết bạn muốn làm video gì, cùng với các yêu cầu về thời lượng, âm thanh và phụ đề là được.
Nguồn Skill: Lemo Opuscar , ReelMimic , animate , ClaudeAnimationBase , cũng như các asset mẫu của Khronos, Kenney và Quaternius. Ghi nhận tác giả gốc, phiên bản cố định và các giấy phép tương ứng đều được giữ lại bên trong gói.
Học tương tác với AI (NotebookLM)
Ngoài đọc , bạn có thể nghe , xem và xem hoạ thông tin ở đầu bài. Bài này còn có bộ công cụ tương tác do AI tạo: Bài kiểm tra trắc nghiệm, Thẻ ghi nhớ, Sơ đồ tư duy, Bản trình bày và Báo cáo chuyên sâu.
Mở không gian học tương tác