Ultra Lab
ClaudeClaude CodeAI 影片AI 開發實戰經驗

Claude Fable 5.2 寫程式算出 110 秒貓視角一鏡到底:沒有用影片生成模型

· · 20 分鐘閱讀
目錄
  1. 它做了什麼
  2. 一鏡到底,110 秒,沒有剪接
  3. 「是一隻貓,不是蹲著的人」:視角怎麼設計
  4. 引擎:一個為這支片寫的路徑追蹤算圖器
  5. 聲音也是算的,而且跟畫面用同一份資料
  6. 品管怎麼做
  7. 為什麼重要:交出來的是整套算圖與模擬程式
  8. 我們自己的對照經驗:用程式做動態片與速查卡
  9. 限制與觀察
  10. 你可以怎麼開始
  11. 參考資料

GitHub 帳號 BubbleBrainBB 在 11 月 16 日把一支 110 秒的影片放上 awesome-fable-5.2:一隻貓從籬笆下鑽進植物園,盯瓢蟲、看蜜蜂、在池邊喝水、在溫室被仙人掌刺到、撲蝴蝶撲空,最後跳上石牆曬太陽,閉上眼睛。整支片一鏡到底,鏡頭就是貓的眼睛。

這支片不是用影片生成模型做的。README 第一段就寫明:程式由 Claude(claude-fable-5-2)在 Claude Code 裡寫,畫面和聲音由那些程式算出來,沒有用任何 AI 生成、照片、貼圖、模型、音效素材,也沒有用 Blender 或現成的算圖器。

這篇的事實全部照 repo 的 總 README 與 cat-garden 的 README(含分鏡、視角設計、QC 報告),資料日期 2026 年 11 月 17 日。repo 沒有授權檔,所以這裡不貼它的程式碼、不轉載它的畫面,想看就直接看成片(304 MB)。文中的圖是我們自己畫的示意圖。

示意圖:貓的眼高看出去,草葉比溫室還大,對焦框框住草尖上的瓢蟲

它做了什麼

一鏡到底,110 秒,沒有剪接

規格是 1920×1080、30 fps、3300 格,附立體聲音軌。植物園是一整個約 38 × 30 公尺的 3D 世界,貓一路走了約 45 公尺;設定是有露水的早晨,太陽仰角約 28 度。README 的分鏡表把 110 秒切成 14 段,大致是:

  • 0 到 7 秒:從斷掉的籬笆板下爬過黃楊樹籬,出來時自動曝光跟不上,短暫過曝,花園第一次打開
  • 7 到 31 秒:草地上湊到 7、8 公分外盯一隻七星瓢蟲,瓢蟲飛走時頭跟著抬到天空;在花境裡被一隻熊蜂飛到鼻子前,頭跟著轉
  • 31 到 66 秒:坐起來看小路,蝴蝶從眼前半公尺內飄過;鑽到長椅底下;在池邊喝水,錦鯉突然浮上來,貓往後一縮
  • 66 到 92 秒:進溫室時鏡頭短暫起霧;聞金琥仙人掌被刺到、往後縮再甩頭;追一隻橘色蝴蝶,起跳撲空
  • 92 到 110 秒:跳上乾砌石牆,回頭看走過的路,趴下,兩隻前腳進入畫面,慢慢眨眼,閉上

「是一隻貓,不是蹲著的人」:視角怎麼設計

README 第 2 節專門講這件事,我們覺得是整個 repo 最值得讀的一段。

  • 眼高:走路時 20 到 23 公分,潛行或匍匐時 10 到 13 公分,喝水時離水面 6 公分,跳上石牆後約 75 公分。草葉、落葉、碎石、磚塊都照真實尺寸建模,所以在畫面裡很大。
  • 步態:步伐相位照「走過的距離除以步長」推進,走得快步頻就高,小跑時步長變長;每一步的上下晃動都有隨機變化。垂直晃動只有 3 到 8 公釐,因為貓的頭本來就很穩。
  • 注視:有一份「注意力腳本」寫每個時間點貓在看什麼(前方、某個點、或某隻動物)。頭的左右轉與上下仰各是一個二階彈簧,有東西在動時彈簧很硬,約 0.15 秒掃過去還帶一點過衝;閒晃時變軟。看的是動物時,視線追的是那隻動物當下的實際位置。
  • 對焦跟著注視物:對焦距離也是一個會延遲的彈簧,目標是正在看的那個東西的真實距離。所以貓湊近瓢蟲時,背景會自己化開。
  • 小動作:嗅聞時加一個 6.5 Hz 的前後點頭,喝水每舔一下頭就低一下,被刺到之後甩頭。
  • 鏡頭:水平 96 度的立體投影(有一點像運動相機的桶狀變形),景深用 0.72:1 的直立橢圓光圈,借一點貓瞳孔的形狀;另有 180 度快門的動態模糊和會延遲的自動曝光。

有一個取捨寫得很清楚:它沒有把畫面改成貓的色覺。貓對紅色不敏感,但把罌粟花和瓢蟲變灰,畫面會失去好看和真實感,變成科學示範而不是一段紀錄。所以只保留三件事:視野更寬、近物非常近、遠處略軟。

引擎:一個為這支片寫的路徑追蹤算圖器

  • 主程式用 C++/Objective-C++,算圖核心是一個 Metal compute kernel 裡的路徑追蹤器。它沒有用 Metal 內建的光線追蹤加速結構,BVH 是自己在 CPU 上建、自己在 shader 裡走訪。
  • 場景約 38 萬個實例、216 萬個不重複三角形,展開後約 3.95 億個三角形;約 400 個原型網格,從 14 種草皮、罌粟、毛地黃、睡蓮到溫室裡約 1500 根刺的金琥仙人掌,都是程式建出來的。
  • 材質全部是 shader 裡的程序函式(葉脈、蟲洞、磚、苔、錦鯉花紋、瓢蟲斑點),沒有任何點陣貼圖。
  • 風會讓每株植物依高度剪切擺動;昆蟲和魚每格重建小 BVH;葉片能透光,所以逆光的葉子和花瓣會發亮。
  • 每個像素每格 16 個取樣。

聲音也是算的,而且跟畫面用同一份資料

算圖器先匯出一份事件時間表:每一步落腳的時間和地面種類(落葉、草、土、碎石、石頭五種)、嗅聞、舔水,蜜蜂、蜻蜓、瓢蟲相對貓頭的距離與方位,水花、落地等等。音效腳本用 numpy 和 scipy 照這份時間表合成,所以腳步落在畫面的步伐上,熊蜂的嗡聲(約 188 Hz 的諧波)大小和左右跟著牠離頭多遠、在哪個方向走。環境音有 7 種合成鳥鳴;進溫室時外面的聲音會被低通、壓小,再疊上通風聲、噴霧聲和短殘響。沒有配樂,沒有旁白。

品管怎麼做

README 第 6 節和 qc_report.txt 的數字:

  • 算圖時的守門:累積貼圖的 alpha 存每個像素實際收到的取樣數,只要有任何像素少於 16 個,這一格就退回重算,防的是 GPU 被搶時無聲無息產生的壞格。正式算圖時一次都沒觸發。
  • 解碼後逐格檢查:淡入和眨眼以外的全黑格 0、凍結格(和前一格完全相同)0;「單格掉一塊」的候選 22 個,它把每個候選的前、中、後三格排在一起逐一看過,都是真的內容(掠過鏡頭的草葉、長椅板條、快速轉頭的模糊),沒有一個是算圖錯誤。
  • 獨立重算比對:另外用 320×180、每 10 格取 1 格重算 330 格,逐塊跟成片比對,差異中位數 9.1/255,最大 19.4/255。
  • 聲音:整體響度 -19.6 LUFS、真峰值 -2.1 dBFS、0 個削峰取樣;水花在 58.72 秒比前 0.2 秒高 23.1 dB。被刺到那聲在 84.00 秒只高 1.3 dB,它自己寫「大概被環境音蓋掉、不容易聽到」。

我們最佩服的是第 8 節「沒有驗證到的事」:沒有人(包括它自己)聽過這條音軌,整支片也沒有連續播放看過,它檢查的是抽格。只在一台 M4 Max 上跑過,兩次全片算圖是否逐位元相同沒驗證,render.sh 也沒有從空資料夾一次跑完過。已知缺點也列得很細:每格 16 個取樣,大片失焦前景和陰影裡的牆有顆粒、播放時會「沸騰」;磚塊像肥皂;貓走過時草不會被推開;頭的動作比真的貓穩,比較像穩定器。

為什麼重要:交出來的是整套算圖與模擬程式

影片生成模型交給你的是像素。這個 repo 交出來的是程式:世界怎麼建、光怎麼走、貓頭怎麼動、聲音怎麼對上畫面、壞格怎麼抓,每一個決定都寫在程式裡,眼高是一個數字,對焦是一個彈簧,亂數種子固定,另附 render.sh 設計成一個指令從頭重算(作者自己寫這支腳本還沒從空資料夾一次跑完過,從零重跑的曝光曲線也會和成片略有不同)。

我們看到三件事。

  1. 規模。約 5000 行程式,橫跨 C++、Objective-C++、Metal shader、Python 後製、音效與品管。規模是一套小型的影片製作管線,不只是一個函式或一個網頁。
  2. 長任務裡的判斷。第一次全片算圖用每像素 20 個取樣,跑了 36 分鐘只完成 4 段。它發現自己的速度估計差了 2 到 3 倍(估的時候樹、樹籬、溫室還沒建),於是停下來、做效能分析、優化,改用 16 個取樣重來。正式算圖 55 段全部一次成功。
  3. 品管是交付的一部分。報告寫了驗過什麼、沒驗過什麼、哪裡還不夠好。v2 版本是「依回饋」把 v1 裡一個看起來像假人的路人拿掉,只重算受影響的 9 段,花 22.3 分鐘,接縫兩側也檢查過亮度沒有跳。

要說清楚的是,README 沒有公開提示詞和對話過程,所以人給了多少方向、看了幾輪,我們不知道。能確定的是程式出自 claude-fable-5-2,而且至少有一輪人的回饋(拿掉路人那次)。

我們自己的對照經驗:用程式做動態片與速查卡

Ultra Lab 也用程式做片,但走的是比較省的路:畫面在無頭瀏覽器裡逐格算(three.js 光柵化,不是路徑追蹤),配樂用 numpy 合成。下面兩支都有內部報告,數字照報告寫。

一人公司短片(27.4 秒,60 fps,直式與橫式各一)

  • 引擎是 three.js,每一格用 16 個子幀疊出動態模糊,加上 7 層景深、文字清晰層、bloom、色散、顆粒;配樂用 numpy 全程式合成,沒有外部素材。
  • 一個比例的畫面算圖約 60 秒,兩個比例從算圖、混音、壓上傳版到檢查全部重出約 12 分鐘。
  • 自動檢查:相鄰格差異算「最長靜止」(要求 0.5 秒以內,實測 0.083 秒)、逐格亮度找黑格、每 0.05 秒探一次畫面上的字有沒有越過 5% 安全框(兩比例各 548 個時間點,0 次)、響度 -14 LUFS。
  • 檢查真的抓到東西:第一版有 5 格整格全黑。原因是人形輪廓光的 shader 在某些角度對負數取次方得到 NaN,再被 bloom 擴散成整格黑。我們修了 shader,另外寫一支腳本掃「比前後格暗一半以上的單格」,有就自動重算,最多三輪,修完兩個比例都是 0 格。這跟 Fable 5.2 在算圖時檢查取樣數、防無聲壞格,是同一種問題意識。

每週 GitHub 前十速查卡短片(15 秒,直式)

  • 畫面是 HTML 版型,交給開源的 HyperFrames 逐格算成影片:十張卡依序點亮,每張一支自己的微動畫。
  • 出片前跑一組關卡:片長、響度 -16 LUFS、每個元素的安全區座標、用字(不能有破折號)、跟最近幾支有沒有重複用同一段配樂或主視覺;黑格偵測與凍結偵測都是 0。
  • 十個名次的名字和漲星數,用程式從渲染出的頁面資料逐張比對原始榜單,10/10 一致。
  • 每週一重跑約 2 分鐘。這支的第一、二版其實是 3D,內部看過覺得轉場都長得一樣,第三版才改回速查卡。

兩相對照,最有感的是同一個盲點。我們的一人公司短片報告寫了「沒有實際播放、也沒聽音軌」,Fable 5.2 的 README 也寫了一樣的話。機器檢查能證明「沒壞、照規格」,證明不了好不好看、好不好聽。這件事目前還是要人來做:播一次,聽一次。

Fable 5.2 的貓片 我們的一人公司短片
算圖方式 自寫路徑追蹤 three.js 光柵化,無頭瀏覽器逐格算
長度 110 秒一鏡到底 27.4 秒
算圖時間 183.9 分鐘(M4 Max) 每個比例約 60 秒
動態模糊 180 度快門 每格 16 子幀
壞格防線 算圖時查取樣數 算完掃暗格重算
聲音 照事件表合成 照分鏡合成
人播過、聽過 沒有 沒有

限制與觀察

  • 只能在 Mac 上跑。三支影片都要 Apple Silicon 的 macOS(Metal),算圖核心在 Metal shader 裡,Windows 和 Linux 不能直接跑。只有那張室內光靜態圖是純 C++17,一般電腦能編譯。
  • 沒有授權。repo 沒有 LICENSE 檔,GitHub API 查授權回 404。作者沒有開放改用,所以可以看、可以學它的做法,但不能拿程式或畫面去改作、轉載或商用。
  • 算圖很慢。110 秒算了 183.9 分鐘,最慢那段(剛出樹籬、貼地看草)每格 8.4 秒。README 的解釋是貓的眼睛貼著草看,幾乎每條光線都要掠過成百上千片草葉,這個成本是本質的;換大塊草皮、拿掉樹和樹籬、簡化遠處反彈,全部加起來只快了一成多。同 repo 的登山片純算圖約 5.6 小時,潛水片連同前置約 1 小時 45 分。
  • 離真實還有距離。README 自己的評語是:草地、花境、池塘、溫室的單格接近真的微距或運動相機畫面,連續看還是認得出是算的。聲音全是合成器音色,鳥鳴也不會被當成錄音。
  • 成片很大。304 MB、約 21.9 Mbps,因為顆粒和雜訊很吃位元率;第一次用 crf 20 壓出來是 1.0 GB。

我們的觀察:從這個 repo 看得到,AI 寫程式做片的瓶頸已經不在「寫不寫得出來」,而在算圖時間、硬體、授權,以及最後那一步有沒有人真的看過、聽過。

你可以怎麼開始

  1. 先看成片:cat_garden.mp4(304 MB),再對照 cat-garden README 的分鏡表一段一段看,特別是 7 到 14 秒盯瓢蟲那段的對焦。
  2. 讀它的「沒驗證到的事」:自己請 AI 做長任務時,要求它交件時也寫一段,比多跑一輪更有用。
  3. 用自己的電腦做一支小的:不需要 Mac,也不需要路徑追蹤。我們把影片類開源工具整理在 /picks 的影片與動畫類,像是我們做速查卡用的 HyperFrames(用 HTML 寫畫面直接算成 MP4)、讓程式代理把 HTML 動畫錄成 MP4 的本機工具、在 Blender 裡建模算圖的技能包,每張卡都寫了授權能不能商用。這個作品集本身也有一張靈感卡。
  4. 從第一天就加檢查:黑格、凍結格、字有沒有出框,各寫一支小腳本,片子出來先跑一次再看。我們一人公司短片的 5 格全黑就是這樣抓到的。

參考資料

常見問題

這支貓的影片是 AI 生成影片嗎?

不是。README 寫明整支片沒有用任何 AI 生成、照片、貼圖、3D 模型、HDRI、音效素材或現成算圖器。Claude Fable 5.2 寫的是程式:一個路徑追蹤算圖器、整座植物園的程式化模型、貓頭部的運動模擬、合成音效和品管腳本。畫面和聲音是那些程式算出來的,ffmpeg 只負責編碼與混合音軌。

我可以拿它的程式碼來改、或把畫面拿去用嗎?

不行。這個 repo 沒有授權檔(GitHub API 查 license 回 404),等於作者沒有開放任何改用、轉載或商用。可以看 README、看程式、看成片;要用任何部分,先去問作者。我們這篇也因此不貼它的程式碼、不轉載它的畫面。

Windows 電腦可以自己重算一次嗎?

不能直接跑。README 列的需求是 Apple Silicon 的 macOS(Metal)、clang++、Python 3(numpy、scipy、Pillow)和 ffmpeg。算圖核心寫在 Metal compute shader 裡,Windows 和 Linux 沒有 Metal。作者在一台 M4 Max 上全片算圖花了 183.9 分鐘。

做這支片花了多久?

README 的時間表:寫引擎、建模、分鏡靜態圖和三輪以上的自我檢討約 1.5 小時(從檔案時間推估);第一次全片算圖跑了 36 分鐘就中止,因為速度估錯了 2 到 3 倍,優化後重來;正式算圖 183.9 分鐘,平均每格 3.34 秒;去除孤立亮點(despeckle)、最後編碼與混音 2 分 53 秒。

聲音也是算出來的嗎?

是。算圖器先輸出一份事件時間表(每一步落腳的時間和地面種類、嗅聞、喝水、蜜蜂相對頭部的距離與方位等),音效腳本再用 numpy 照這份時間表合成,所以聲音和畫面來自同一份資料。沒有配樂也沒有旁白。同一個 repo 裡只有登山那支的英文旁白是例外,用了線上語音合成 edge-tts。

想自己動手試試?

UltraProbe 免費、免註冊,掃一次網站就知道 Google 與 AI 找不找得到你。

ULTRA LAB 週報

每週一,GitHub 前十+一件學到的事

每個工具都標清楚能不能商用、適合誰。卡關了可以到 Discord 問。

只用來寄週報,不會給別人;每封都能一鍵退訂。

加入 Discord