代码拍电影：2313星项目 cinecode 的5条反AI铁律

结论先行： GitHub 上有个 2313 星的项目叫 cinecode，它不是"用 AI 生成视频"，而是用代码画出每一帧。没有生成模型，没有 GPU 算力账单，产出的是一个 -14 LUFS 母版的 MP4。

但这个项目真正值得老板抄走的，不是技术，是它把"品味"变成了一条条可执行、可测量、能被脚本拦截的铁律。

我把它拆成了 5 条。每一条都是可以直接搬进你自己公司的规则。

---

一、项目说明：它到底是什么

cinecode 是一个 Agent Skill 包（Claude Code / Cursor / Codex 都能装）。你给它一句话的想法，它和你一起把它做成一部短片。

它的定位原话："You make a short film with the user. Their taste decides; you do the rest: story, script, picture, sound, edit, checks. The aim is a film worth the wait."

翻译过来：你决定品味，剩下它做：剧本、画面、声音、剪辑、检查。

项目	数据
星标 / Fork	2313 星 / 398 个 fork
许可证	MIT
作者	Sarp Yıldız（@sarpstar）
技术栈	three.js（WebGL）+ ffmpeg + Node 22 + Python 3
风格库	58 种风格配方，51 种来自 LemoLab（MIT）
脚本数	39 个 Python/Node 脚本
文档量	references/ 目录 524 KB，24 个参考文件
依赖	仅标准库，three.js 走 CDN
成本	无生成模型调用，代码渲染不烧 token

关键认知：这套东西的产出不是"AI 视频"，是"用代码渲染的动画短片"。 所以它没有扩散模型那种"脸会飘、手会崩"的随机性，也不会把你的片子训进别人的模型里。

它能做的片子包括：短片、YouTube 长纪录片、广告与产品片、竖屏科普短视频、音乐视频、参考视频改编、自己素材的重新剪辑。

---

二、五条反 AI 铁律（这是本文的核心思想）

我把最值钱的部分单独拎出来。这 5 条，每一条都在对抗 AI 生成内容的通病。

铁律 1：素材永远来自"外面的真实事物"，不靠灵感

AI 写东西最爱重复训练集里最顺的那个答案。这个项目的做法很硬：先从外部随机抽一个真实的东西（博物馆藏品、动物、NASA 照片、老发明、历史地点、手工艺），再把你的想法和它交叉。

我实跑了一下它的抽牌工具，出来的结果是这样的：

s1: seed: Study of a Female Nude (possibly for an unrealized allegorical painting)
    place: a theatre's fly tower · form: a list of ten
    medium: mosaic · era: ancient Egypt · engine: a dare
    来源: clevelandart.org/art/2010.249.a

法国的黑粉笔画、剧场的舞台塔、清单体、古埃及、镶嵌画。这不是 AI 想的，这是从真实档案里发牌发出来的。 你的片子从此不会撞进任何人（包括模型）的惯性路径。

[🖼 建议截图：制作卡片段，展示镜头行与声音层的具体数字]

铁律 2：每一条意见都要变成一个数字

原文："notes as numbers"，即「what changes, by how much」。

AI 协作最大的坑是，你说"这里感觉不对"，它给你改三处，你也不知道改了什么、好了没有。这个项目强制每条反馈落成可量化的动作：

• 声音上「再小声点」→ 变成 0:12–0:18 这一段 +4 dB，对着底噪

• 节奏上「太快了」→ 变成镜头数从 12 改成 8，平均镜长 6 秒改 4 秒

• 画面上「糊」→ 变成运动模糊关掉、颗粒关掉、印刷色调开

翻译成老板语言：你的团队现在说的话，有多少能直接变成工单？ 大多数管理沟通传到最后都变成了形容词，而形容词不能被验收。

铁律 3：不许用 AI 惯性审美，且要被脚本拦住

这是最狠的一条。原文明确写了：kit 里没有默认字体，也没有默认配色。

那些"AI 一上手就会用"的视觉，灯塔、灯笼、霓虹、漂浮气球，永远不能作为默认值。要用，必须在卡上写明理由：

- Habit image: <那个图像>: <为什么这个故事需要它>

守卫脚本会拦住"悄悄把这些图像带进来"的卡片、路线图或剧本。

同时还有一条更狠的：每一帧都要问自己："这一帧能不能属于另一部电影？" 如果能，就重做。

翻译成商业语言：这就是差异化测试。一个能套在任何人身上的广告片，等于没有广告片。cinecode 把它做成了硬门，不是提醒。

[🖼 建议截图：capture.mjs 的状态文件，显示 state / done / total / eta_s 四个字段]

铁律 4：所有工具都是纯函数，可复现

核心约定只有一句：frame = f(t, seed)，每一帧都是时间的纯函数。

意思是：单独渲染第 250 帧和连着渲染第 250 帧，像素完全一致。任何一帧可以乱序、并行、单独渲染。

这带来三个直接好处：

• 改了第 3 镜，第 7 镜一帧不动（位级相同）

• 整个渲染可以后台跑、断点续跑（状态文件记录 state / done / total / eta_s）

• 任何时候都能只渲染 3 帧给你看，而不是让你等 5 分钟

翻译成老板语言：这一条直接决定了"能不能大规模并行"。 如果你的内容生产链路里有一环不可复现，你的质检、你的 A/B 测试、你的成本核算全部会塌。

铁律 5：声音从第一版就有，且每部片子有自己的"声音身份"

原文："Sound from version 1"，而且旁白永远不是裸 TTS。

具体到数值：

指标	目标
整体响度	-14 LUFS 积分，真峰 ≤ -1 dBTP
英雄时刻	瞬时约 -10 LUFS
混音起点	-16 到 -14 LUFS
峰值	≤ -2 dBFS
编码	AAC 320k / 48 kHz

更狠的是它要求逐场测量：某个场景的响度偏离中位数超过 3 LU，或者 2-5 kHz 刺耳度比中位数高 3 dB，直接标出来。理由很实在：整体 -14 LUFS 会掩盖一个特别吵或者特别刺耳的场景。

至于每个场景配什么声音，也规定死了：冲击音要分五层（瞬态 0-20ms、本体、房间、衰减尾音 0.5-3 秒、40-80 Hz 的次低频），一扇铁门是五层都有，一个杯子放在桌上只有三层。

翻译成老板语言：你的品牌视频如果声音是"随便配的"，观众说不出哪里不对，但就是觉得廉价。 声音不是配上去的，是设计出来的。

---

三、设计哲学：它到底相信什么

我把项目的信条提炼成四条，你可以直接拿去改造自己的团队。

哲学一：品味在用户，判断在工具

"最终决定权永远是用户的"。它甚至不允许 AI 自己选旁白的声音，必须生成 2-3 个候选文件让你用耳朵挑，而且必须逐字听。工具的职责是执行机械规则，品味必须留给人。

哲学二：先看，再问

原文："Show before you ask. Never ask for an OK on something the user has not seen."

还有一句更狠的："your own eyes before anything long renders"（长渲染之前先用自己的眼睛看）。

所以流程永远是：文字计划 → 静帧 → 才渲染。而不是：渲染 5 分钟 → 给你看 → 你说不满意。

哲学三：库是词汇，不是清单

原文："Libraries are vocabulary, never a checklist."

58 种风格库、命名过的运镜词典（推轨、环绕、变焦推、FPV、肩扛、速度斜坡、焦点转移、匹配剪辑、甩镜、J-cut）、字体库，这些是词汇表，不是打勾清单。如果你只是逐条勾选，画出来的一定是"所有风格都用了"的怪东西。

哲学四：单调和杂乱是同一种毛病

原文："Monotony is a fault just like clutter."（单调跟杂乱一样是缺陷。）

它要求：每一两秒必须有新东西进到眼睛或耳朵；但不变的是影片的身份，一种视觉语言，一个会回来但每次都变样的签名。

翻译成内容生意的语言：这正是"稳定人设"和"内容重复"之间的分界线。 大部分账号的日常更新之所以失效，就是因为把"单调当稳定"了。

---

四、详细教程：从零跑通一部片子

第 0 步：装环境

需要四样：Node.js 22+、Python 3.9+、ffmpeg、Chrome/Chromium/Edge。

node -v        # 需要 v22 或更高
python3 -V     # 需要 3.9 或更高
ffmpeg -version

磁盘：快速模式几百 MB 就够，电影模式每部片子渲染期间要几个 GB（1080p24 的 PNG 全尺寸帧是 2-6 MB/张，30 秒约 720 帧，约 1.5-4 GB）。

GPU 不是硬要求，但 capture.mjs --probe 会告诉你机器上有没有，掉到 CPU 渲染就慢。

第 1 步：装技能

git clone <项目仓库地址> ~/.claude/skills/cinecode

Windows 用户把 ~/.claude/skills/cinecode 换成 %USERPROFILE%\.claude\skills/cinecode。

装完新开一个对话。技能靠对话启动时加载，老对话里装是看不见的。

Cursor 用户装到 ~/.cursor/skills/cinecode。

第 2 步：开一个空文件夹，写下你的想法

mkdir my-film && cd my-film && claude

然后直接说：

用 cinecode 一起做一部片子：<你想讲什么，一两句话>

不用写模式，它会按工作量推荐。你写得越少，它问得越多；你写得越全，它越少打扰你。

可选补充（不知道就留空）：

时长：<15秒 / 1分钟 / 5分钟…>
投放位置：<抖音竖屏 / YouTube 横屏…>
声音：<要旁白 / 不要 / 我自己的歌：文件>
视觉参考：<你想到的某部电影、某张照片、某个画家，或"你推荐">

第 3 步：选模式和用途

第一个问题会同时问两个：

模式：快速模式 vs 电影模式。快速模式单文件出片，约 3 次批准；电影模式是六个门控步骤的制片厂流程，分阶段或一次性到草稿。

★ 推荐规则：按作品大小，不按用途。60 秒以内、单镜头或少数场景走快速；60 秒以上、多场景、需要研究素材或档案素材走电影。

用途：电影质感 vs 广告产品。广告产品会额外跑"差异化测试"（把竞品名字换进去必须不成立），并输出 9:16、1:1、16:9 三版带安全区。

第 4 步（电影模式）：走六个门

#	步骤	你会看到什么
1	访谈	3 个 call、6 个问题，中间夹一张方向看板
2	路线图	一屏内容：logline、转折、带时间的分镜、视觉、音色、钩子、三个风险、差异化测试
3	剧本与文字	完整剧本一次性给全，同时选生产节奏
4	风格帧	最终质量的一张静帧，之后每一帧的标尺
4b	字体方向	3 张字体样卡，你挑
5	动态分镜	低分辨率、已定时、带临时声音的视频，你只看节奏对不对
6	渲染、声音、成片	先半尺寸混音草稿，再全尺寸、-14 LUFS 母版、质检、交付

第 4b 步那个生产节奏选择，是整个项目最实用的一个开关：

• Aşama aşama（逐步）：每一步都给你看、等你点头。适合长片。

• Hepsini üret, taslakta göster（一次到草稿）：不再打断你，一路跑到草稿。适合短片和急活。

它会写进 STATE.md 的 Pace: steps 或 Pace: through。选 through 之后，每个选择自动走 ★ 推荐项，并记进 STATE.md，草稿里会列出做过的选择，你想改随时说。

[🖼 建议截图：qc.py sheet 生成的接触印相表，每 2 秒一格]

第 5 步：看质量控制

所有检查都是命令行，跑的是测量不是感觉：

python3 tools/qc.py hook renders/film-v1.mp4          # 钩子硬规则：前2秒必须有运动
python3 tools/qc.py all renders/film-v1.mp4          # 全套：黑帧、冻结、重复帧、亮度、剪辑点、响度、频谱
python3 tools/qc.py sheet renders/film-v1.mp4 2 6     # 每2秒一格的接触印相表
python3 tools/qc.py phone renders/film-v1.mp4 0.5,1.5,10   # 390px 宽，手机可读性
python3 tools/qc.py action renders/film-v1.mp4 0,3,7.5,12   # 每个镜头的"主体动作"
python3 tools/qc.py sceneloud renders/film-v1.mp4 0,3,7.5,12  # 逐场响度与刺耳度

其中 qc.py action 特别值得注意：它先把摄影机运动抵消掉，再看剩下的画面变化够不够。变化太小就报警，意思是"镜头在动，主体没动"，这是 AI 视频和廉价动画最常见的病。

还有一条我觉得是整套方法里最聪明的："一句话测试"。给一个完全没看过项目的助手，只给接触印相表和一句话："用一句话说这部电影讲什么"。把它的话和你的 logline 并排放。如果它没说中主题或转折，先修这个，其他意见都往后排。

翻译成老板语言：这是最便宜的质检。 一张缩略图 + 一个陌生人，比你自己重看十遍更容易发现"我懂了我没懂"。

第 6 步：交付和清理

成片躺在项目文件夹最上层：<标题>.mp4。带字幕的另有一份 -altyazili.mp4。

最终确认后，它会一次问两个问题：要不要清理中间文件（会告诉你清哪些、留哪些、腾多少空间），要不要把这个格式存下来（存了下次说"照这个格式做"就能复用视觉、字体、声音、镜头语言和节奏）。

它从来不让你碰 git，也从不提 git。 版本历史是它自己在本地悄悄留的。

---

五、归纳总结：六条可以直接搬走的观点

观点一：把品味编译成规则，而不是期待 AI 有品味

这是整个项目的方法论内核。AI 不知道什么是"高级"，但它极其擅长执行被写下来的规则。所以"高级感"必须被翻译成：首帧有运动、一个镜头一个动作、撞库色卡要理由、每帧必须通过"能不能属于另一部电影"测试。

观点二：可复现性是规模化的前提

frame = f(t, seed) 这一条，价值超出影视。你做任何需要批量生产、需要 A/B、需要回滚的内容流水线，不可复现的环节就是不可规模化的环节。

观点三：先看再问，是把返工成本前置

大部分 AI 协作的返工发生在"我以为你看过了"。它把"看静帧"设成硬门，连守卫脚本都会拦。这就是把 5 分钟的渲染等待，换成 3 秒的静帧确认。

观点四：惯性审美是最大的同质化来源

它把"灯塔、霓虹、气球"这类东西明确列为 AI 惯性，且不许做默认值。这条可以直接搬到你的文案、你的选题、你的视觉模板上。 你团队出的东西越来越像彼此，通常不是因为能力不够，是因为都在往同一个默认分布上靠。

观点五：差异化的判定标准是"能不能套给别人"

"这一帧能不能属于另一部电影？"换成商业语言就是：你的广告片能不能只换品牌名就成立？ 不能，就说明你没做出差异化。

[📝 建议此处加入你自己的相关经历：你团队在内容生产或产品交付里，哪一次是因为"改了一处要重跑全流程"而多花的时间]

观点六：内容生产的成本正在从"生成"转移到"验收"

550 美元做游戏那篇我写过，这里是同一个结论的另一面：当生产几乎免费，稀缺的就是判断。 所以整个项目的重心不是"怎么做得更炫"，是"怎么让判断更准"。三条质检工具、一个独立观众、一句话测试，都是在干这件事。

---

**六、给你老板的三条动作

• 拿你团队最近一条内容做"能不能属于另一部电影"测试。 把品牌名遮住，如果它看起来属于任何一家同行，问题不在执行，在你没选。

• 把下一条内容的反馈全部改成数字。 不要"再高级点"，要"这个镜头从 6 秒压到 4 秒，这个画面从 70% 亮度降到 55%"。不能被验收的意见等于没有意见。

• 把"改一处只动一处"当硬指标。 你现在的内容链路里，改一个 logo 是不是要重跑全流程？如果是，规模化那天你会撞墙。

---

最后一句

cinecode 最让我服气的地方，是它敢把"品味"写成硬规则，然后用脚本强制执行。守卫程序 1815 行，专门拦截破折号、没看过的静帧、悄悄带进来的默认审美、没登记的密钥。

它证明了一件事：当工具足够锋利，AI 协作的质量就不再取决于你今天有多清醒。

这就是我认为每个做内容、做产品的老板都该看一眼的东西。