用 GPT Image 2.5 原画加代码渲染的 4K 短片

Feicai @zhu185178原推发布于 2026.09.26

在 X 上打开原推

都说 OPUS 5.5 终结了 AI 视频生成这个赛道，我觉得这是夸张的。 比如像 Seedance 2.5，还是有很多惊艳的瞬间、惊艳的片段，其实你是没有办法用 code to video 去实现的。但是，如果我们不要求电影级别的画面，此时此刻，今天用 Opus 5.5 也确实可以做出一些风格化、很高级的视频。 现在这一条就是Opus 5.5 直出的，具体流程就是，Opus 5.5 让调用 GPT Image 2.5 画原画，用 Real-ESRGAN 超分放大、用 Depth Anything 估算深度，再用自己写的 Python 渲染器按真实机位和焦距逐帧合成运镜、景深、雨和光，配上真实音效、采样乐器配乐和 AI 台词，最后用 ffmpeg 输出 4K 成片。 具体用来生成这条视频的提示词，我放在放下面了： 帮我做一条 30 秒的 2D 动画分镜预演短片《雨站》，要标杆级画质。不装 HyperFrames/Remotion，全部自己写代码（Python + ffmpeg）完成。 故事（24fps，2.39:1，4K）：雨夜高架站台。她穿米色风衣、撑透明伞，站在近侧站台；对面路灯下站着他，穿深灰长大衣、围围巾。 1. 0–6.4s 透明伞雨珠特写 → 后拉，焦点移到对面露出他（过肩镜头） 2. 6.4–9.4s 他的中近景：低头 → 抬头看向画左 3. 9.4–12.4s 她的正面近景：眨眼 → 认出他；远处传来鸣笛 4. 12.4–17s 远景：车头灯光先到，5 节列车驶过；第一个车厢缝隙里他还在，第二个已经空了 5. 17–18.8s 她含泪的近景，车窗光带扫过她的脸，头发被风吹起 6. 18.8–22.4s 尾灯远去，对面站台空了；他那盏灯闪几下后熄灭 7. 22.4–28.6s 她的背影，焦点从空站台拉回她；身后脚步声，一把黑伞遮到她头顶，她回头看向镜头；男声“好久不见。”，配字幕 8. 28.6–30s 黑场片名“雨站 / RAIN STATION” 做法： - 原画：用GPT Image 2.5 画远景、他、她、列车（头车/中车/尾车）。人物一律用纯绿 #00FF00 背景，自己抠像（带参考图要透明背景会得到假棋盘格）。同一角色的各个姿态放在同一个会话里，以基准图为参考连续编辑；换姿态时只合成变化的区域。 - 画质：用 Real-ESRGAN x4plus anime 6B（HF 上的 safetensors 版，自己写 RRDBNet，跑在 MPS 上）把全部原画放大 4 倍；用 Depth Anything V2 估算远景深度，做逐像素视差。 - 渲染：自己写 2.5D 合成器。各层按真实深度摆放，针孔相机按真实焦距运动；做圆形焦外光斑、焦点转移、3D 雨丝、列车运动模糊、体积光、泛光和胶片光晕、细颗粒、调色。人物用网格变形做呼吸、风吹发梢、伞抖，关键姿态按日式“一拍二”切换。4K 超采样，逐帧缓存到磁盘，分 3 个进程按时间段并行（16GB 内存）。 - 声音：Mixkit 真实音效（雨、伞面雨声、列车、鸣笛、脚步）；按剧情节点写谱，用 Logic/GarageBand 自带的施坦威钢琴和弦乐采样渲染；台词用 Kokoro 中文男声；按镜头做声音远近，响度 -16 LUFS。 - 每一步都渲染预览帧、拼成图自检，修好再出片。交付 4K 母版和 1080p 分享版。