GitHub 上有个仓库,十天涨到两千多颗星,媒体把它写成「一句话生成一部电影」。我按老习惯先去把仓库和 README 逐行读完,发现最值得写的地方,其实不在它能生成什么画面。
先看我自己今天(11 月 13 日)从 GitHub API 实测的一组数字:
|
|
|
|---|---|
|
|
sarpstar/cinecode |
|
|
|
|
|
|
|
|
|
|
|
|
| 正式 Release | 0 个 |
一个十天涨到 2370 星的项目,连一个 tagged release 都没有。这不是疏忽,是理解它的第一把钥匙:它压根不是一个等你下载安装的软件。
一、它到底是什么:装进 AI 技能目录的一份制片手册
仓库描述只有一句英文,说得很朴素:Films made with code——用代码写成的电影。后面跟着解释:短片、长视频、广告、科普片、MV,你说想法和品味,AI 编码智能体写剧本、用代码搭每一帧、设计声音,最后交给你一个 MP4。
关键在于它装在哪里。安装命令是这么一行:
git clone https://github.com/sarpstar/cinecode.git ~/.claude/skills/cinecode
注意路径:~/.claude/skills/。这是 Claude Code 存放「技能」的目录,Cursor 则是 ~/.cursor/skills/。也就是说,cinecode 本质上是一份写给智能体看的说明书,外加一组脚本:
SKILL.md:整个制作流程、要问的问题、审批点和硬规则,每部片子都从这份文件开始 references/:十几份工艺指南,剧本、钩子、镜头运动、排版、声音、音乐视频、广告与电影两种目的,各一份 scripts/:抓帧、混音、响度母带、字幕、质检、字体、素材检索,Python 标准库加 Node 写的 templates/与 starter/:新片模板和 three.js 场景起点styles/:58 份风格配方 tests/:每次提交在 Windows 和 Linux 上跑的测试
它不带模型、不带渲染农场、不带订阅。真正干活的是你电脑上已经装着的 Claude Code 或 Cursor,加上本地的 Chrome、ffmpeg、Node.js 和 Python。README 里那句「不需要付费服务」,指的是渲染链路不强制接付费视频生成 API,不是整件事不要钱。
顺带说一个对国内用户很实用的细节:README 明确写着,普通 claude.ai 网页聊天用不了,因为它不能在你的电脑上跑工具;必须用能执行本地命令的 Claude Code(桌面应用、VS Code 扩展或终端)或 Cursor 的 Agent 对话。Windows 用户也不必折腾 bash——工具包在 Claude Code 自带的 PowerShell 里就能跑。
二、三件没上热搜的事实
媒体标题几乎都落在「一句话生成 MP4」上。但把 README 读完,有三件更重要的事,几乎没进过标题。
第一件:它完全不用视频生成模型。
整部片子活在单个 film.html 里:画面是 Canvas 2D 或 three.js/WebGL,声音是 Web Audio,最后用 headless Chrome 逐帧渲染,ffmpeg 合成、混音、做母带。README 里有一句被反复强调的工程约定——每一帧都是时间的纯函数,重新渲染得到逐字节相同的片子。
这句话的分量,做过视频的人才懂。扩散模型生成视频,不满意只能整段重抽,重抽一次别的镜头可能全变了;代码片子是 render(t),改第三幕的一个字,第一幕一个像素都不会动。画面可以进版本管理,可以逐行审,可以精确定位到某一帧。屏幕上的中文字永远是对的,因为它是真的文字,不是模型画出来的形状——这一点恰好是视频生成模型至今最难缠的乱码问题。
第二件:省下的钱换了地方付。
「免费」省的是按秒计费的视频模型调用费,付出去的是智能体的步骤数。README 自己给了数字:30 到 60 秒的 Quick 模式影片,通常需要 100 到 250 个 Agent 步骤;而聊天里每一步都会重读整个会话,所以「让一部片子保持便宜的关键,是保持对话短」。中文社区里也有人实测吐槽,用 Claude Opus 5.5 写一条 15 秒视频花掉近百美元(V2EX 用户自述,未独立核验);更极端的《万物》一片被作者自述烧掉 16 亿 token(同样是自报,输入输出比例未披露,不能当真实账单看)。
所以它改写的是成本结构,不是取消了成本:从「按成片秒数付算力费」变成「按智能体步骤付 token 费」。前者贵在生成,后者贵在反复沟通和修改。
第三件:它把版权、字体和响度做进了流水线。
这一层几乎没有同类工具在做,也是我认为整个项目最专业的部分:
-
下载任何外部素材的那一刻,立刻写一行许可证记录,汇总进 LICENSES.csv -
每部成片旁边生成一个 <片名>-credits.txt,注明贴到 YouTube 描述或帖子文字里,不要叠在画面上 -
README 甚至写了应对方案:CC BY 音乐被 YouTube Content ID 申诉时,「你的答复就是这个 credit 文件」 -
字体走 Fontsource 的开放许可,品牌自有字体留在本地不打包;四款来自 Fontshare 的字体要求用户自己下载、不得转交 -
参考视频只测形式——剪辑节奏、色彩、光线、BPM——绝不使用原帧或原音乐 -
音频统一做 −14 LUFS 母带,字幕默认关闭、最多两种语言上下排列
一个十天大的个人项目,把「发布时怎么证明素材是干净的」写进了工具链。这不是技术炫技,是做过交付的人才有的肌肉记忆。
三、怎么用:从一句话到 MP4,中间到底发生什么
依赖就五样:能跑工具的 Agent、Node.js 22+、Python 3.9+、ffmpeg、Chrome/Chromium/Edge,再加一块 Chrome 能调用到的 GPU。缺什么,智能体开场会检查并在征得同意后安装;脚本只用语言内置模块,three.js 从固定版本的 CDN 加载。
开工只要给一个想法,其他留空它来问:
用 cinecode 做一部影片:讲一个灯塔看守人教一只鸟认字。60 秒,横屏,不要旁白,剪纸风格。
装完之后,每部片子在它自己的文件夹里长大:
|
|
|
|---|---|
<片名>.mp4 |
|
STATE.md |
|
film.html |
|
ROADMAP.md
SCRIPT.md
|
engine/
|
refs/research/ |
|
audio/assets/ |
LICENSES.csv
|
review/renders/ |
|
notes/round-N.md |
|
跨片的东西统一放在 ~/.cinecode/:API 密钥、保存过的片型、口味日志、下载缓存。README 特意强调,密钥永远不会进入影片文件夹或仓库。
四、两条流水线,真正的差别是「确认几次」
cinecode 有两种模式,扒开看,区别不在画质,在审批密度。
|
|
|
|
|---|---|---|
|
|
|
|
|
|
film.html,场景是时间的函数
|
|
|
|
|
六个问题 → 路线图 → 完整剧本 → 风格帧 → 动态分镜 → 渲染 |
|
|
|
|
|
|
|
|
Quick 模式里我最喜欢两个设计:一是先只做两场静帧给你看——开场,以及与开场最不相似的一场,批准了才做剩下的;二是草稿最多两轮定向修改,防止无限返工。
Film 模式则更像真实剧组:先给一张包含三个视觉方向的「方向板」,每个方向配两三帧真实电影画面(仅作气氛参考)和测出来的调色板;再出一张最终质量的风格帧,作为后面每一帧的标尺;然后才是低分辨率、带临时声音的动态分镜,专查节奏。
README 里有一句特别诚实的话,值得原样记下来:「时间主要花在你的笔记上;目的就是这个。」
五、这篇真正想说的:它把「生成」改成了「交付」
我上周写过一篇《AI 视频的第二条路:不用模型抽卡,用代码画每一帧》,讲的是整条赛道的形成——Claude Motion 明确不使用视频生成模型、VibeVideoBench 给代码路线立了基准、HyperFrames 与 Remotion 补齐工具层。cinecode 属于这条赛道,但它真正值得单独写一篇,是因为它解决的是另一个问题:
AI 生成内容最大的麻烦,从来不是生成不出来,是没法验收。
cinecode 把验收拆成了一堆可以写进代码的规则:
-
每帧是时间的纯函数,重渲染完全一致;带种子的随机数与惰性缓存,保证「随机」也可复现 -
画面和声音共用一张 cue 表,音效锁在图像提示点上,剪辑表每次渲染前复查 - 开头两秒必须有运动,而且是可测量的
;每镜头只做一个动作 -
草稿出来后自动查首帧运动、音量、文字可读性、重复,然后交给一个不了解前情的「独立观众」冷眼看一遍 -
剧本要「先复制后选择」「先写结尾」「用展示代替讲述」,有字数预算、朗读并砍掉三成、英土双语陈词滥调禁用表,还有预测测试(让观众猜下一步,猜中了说明太俗) -
你的修改意见原样写进 notes/round-N.md,只应用到被触及的镜头、台词或声音层,不牵动全片 -
上下文太长就开新对话,从 STATE.md继续;tools/make.py的渲染结果只用四行字回复,智能体看小尺寸接触表而不是全尺寸帧——全是为了压 token
这套东西的价值超出视频本身。它示范了一件事:当你把一件复杂创作拆成可检查的阶段、把状态写进文件、把素材授权留痕、把质量检查变成脚本,智能体才从「碰运气的生成器」变成「能交付的执行者」。
顺带一提,这套方法论换个领域照样成立。先定义输出物和审批点,再让智能体自动跑;把「完成」定义成一个可以验证的文件,而不是一句「看起来差不多了」。
六、能力边界:会画,不会拍
它内置的视觉词汇其实相当讲究:八种外观预设(电影写实、赛璐璐、粉彩绘本、黏土、纸艺拼贴、复古 VHS、明亮广告、手作水墨),58 份风格配方,还有一套命名相机词典——dolly in、orbit、dolly zoom、肩扛、速度渐变、焦点转移、whip pan、J-cut,每个词都写了它在观众心里唤起什么、默认时长、速度和缓动,再统一实现为时间的纯函数。
MV 模式会先测出歌曲的节拍网格,剪切落在小节、重音落在拍点、每行歌词配一个画面,旁白出现时音乐自动 duck。广告模式会做「特异性测试」,防止片子看着像另一个品牌,并一次交付 9:16、1:1、16:9 三个带安全区的版本。
但边界也很清楚:
-
README 自己承认,人脸近景最好做成风格化或剪影。写实人物、连续表演、复杂自然运动,代码路线不擅长 -
只有长片涉及真实事件时才引入开放档案:Wikimedia Commons、Internet Archive、NASA、博物馆、Pixabay,每一项都要记许可证 -
用户自己接了 fal、Higgsfield 这类图像生成器时,智能体只在明确要求且作为最后手段才用,从不主动推荐 -
有个中文读者会很在意、却几乎没被中文报道提到的细节:它内置的免费离线配音全是土耳其语(EMA Lightning 约 800MB 跑 CPU、VoxCPM2 约 3.7GB 需 Apple Silicon 或 N 卡、Ahenk 权重是 CC BY 4.0 用了要署名)。想做中文旁白,得自己填 Gemini TTS key、用 ElevenLabs,或退到系统语音。项目本身不安装这些声音
七、必须泼的六盆冷水
一,它非常新。 今天实测零正式 Release、11 个未关闭 issue;有第三方在 11 月 8 日核验时记录到仅 7 个提交、无 tagged release。README 坦白写着:Windows 上从头到尾做完一部完整影片,当时还没验证过;测试在 Windows 与 Linux 上每次提交跑,macOS 在改动前跑。macOS 覆盖反而比前两者薄。
二,「一句话」是营销剪辑。 官方流程是一堆问答、方案、两场静帧、草稿、两轮修改;30—60 秒就要 100—250 个 Agent 步骤。网上流传的睡前一句话、早上醒来八分钟纪录片,是作者自己的演示,不是可复现的平均体验。
三,装它不是装一个纯文本提示词。 它会执行本地命令、检查并可能安装 Node/Python/ffmpeg/Chrome/Git、从 CDN 加载 three.js、下载字体与素材、往 ~/.cinecode/keys.env 写密钥、启动辅助智能体。MIT 许可证不等于每次更新都该无条件信任。稳妥做法:固定一个 commit,先读 SKILL.md 和 Claude Code 的 hooks,在独立空目录或容器里跑一条 15 秒测试片,看清楚它到底动了什么。
四,「像这个视频但不取帧」不自动消除法律风险。 整体表达仍可能过近,商标、人物肖像、品牌字体、用户上传音乐都由发布者负责;CC BY/CC BY-SA 要正确署名;研究脚本里的事实和引用仍需人工核对。项目生成 credit 文件是加分项,责任仍在发布者。
五,58 份风格配方里,51 份来自另一个开源项目(LemoLab 的 lemo-opuscar,MIT,固定在单一 commit),作者自写的只有 7 份。README 把十几个借鉴来源逐一列了许可证,这点很规矩;但也意味着视觉风格的原创度没有星数看起来那么高,同质化是可以预期的。
六,目前没有独立第三方评测。 样例作品全部是作者自己做的,中文报道(新浪、ByteNote 等)与英文教程(AI Frontier Post、arsentev.ai、VePrompts)基本都是基于 README 的转述和复核,不是独立跑片后的质量结论。
八、它到底改变了谁的成本结构
对做科普、数据解释、产品动效、模板化批量版本的开发者和团队,这是实打实的红利:可重复渲染、可审计素材、可脚本化批量出版本,改价签不用重拍整条片子。
对期待真人电影级画面的人,它会让人失望;对不愿装本地工具、不想承担 Agent 使用量的人,它也不合适;对要求成熟版本、长期维护承诺、完整跨平台验证的生产团队,现在还太早。
再往下想一层,可以接上我 11 月 9 日写过的 AI 短剧账本:那一篇里最扎眼的数字是 98.7% 的 AI 微短剧半年内没回本,因为产能涨了十几倍而收入蛋糕几乎没变大。cinecode 这类工具会把「做出来」再压低一个数量级——但便宜的是执行,稀缺的仍然是故事和分发。执行越便宜,分配规则没换代这件事反而越刺眼。
九、给准备动手的人三个判断
- 别把「一句话」当真,把审批门当产品。
六道确认不是能力不足的妥协,是把人的判断放在循环里。真正该学的是这个结构,不是那个 demo。 - 先跑一条 15 秒的测试片
,量出你这套环境真实的 token/分钟、渲染耗时和中文配音方案,再决定要不要上生产。 - 看懂省钱的位置
:视频模型按秒收的钱没了,智能体按步骤收的钱来了。片子长、修改多、聊天长,账单会从另一头涨回来。
三个可跟踪的指标:会不会出现第一个正式 Release 与独立第三方的跑片评测;中文配音与中文字体有没有官方方案;「每条成片消耗多少 Agent 步骤」能不能稳定到可报价的区间。第三个数一旦可预期,这条路线才算从炫技走进生产。
最后留一个有点意思的观察。就在同一个星期,GitHub 上还有一个更火的项目叫 pinky,做的是让 AI 操作你的真手机。一个是让 AI 拍片,一个是让 AI 点手机,八竿子打不着,但两个作者不约而同做了同一个设计选择:把「允许」这个动作从 AI 手里拿走,交回给人。cinecode 用六道审批门,pinky 用一道本地网关。下一篇单独讲它。
也许这才是 2026 年秋天这批工具真正的新东西:不是模型又能生成什么,而是我们终于开始认真设计——人在哪里说不。
资料来源与核验说明
-
一手: github.com/sarpstar/cinecode仓库与 README(土耳其语主版,另有英/中/日版);仓库元数据、Release 列表为 2026-11-13 通过 GitHub API 实测 -
中文:新浪科技《把电影当代码写》、ByteNote《代码做视频:cinecode 开源 skill 与商汤 Code2Video》、公众号「一句话生成 MP4?Cinecode 核验」、什么值得买《16 亿 Token 烧出来的 AI 炫技短片〈万物〉》 -
英文:AI Frontier Post 上手教程、arsentev.ai 项目解读、VePrompts skill 页、Hamidun News -
口径提醒:Star 数随时间变动(11 月 8 日第三方核验约 1272,11 月 9 日英文教程记 1676,11 月 13 日我实测 2370);「15 秒近百美元」「16 亿 token」均为用户/作者自述,未经独立核验;「153 款应用」等与本文无关的数字一概未引用 -
本文只做技术介绍与判断,不构成安装或使用建议。工具会执行本地命令,请先自行审计

