Opus 5.5 viết video giải thích chỉ từ một URL: Claude tự dựng phim hoạt họa bằng code

Claude Opus 5.5 đang chứng minh một khả năng mới đáng chú ý: tự viết ra những video giải thích sản phẩm hoàn chỉnh chỉ từ một đường dẫn URL hoặc một câu lệnh ngắn. Trang LaunchVideo.io đã trình diễn điều này với loạt video thử nghiệm cho Nvidia, Linear, OpenComputer và nhiều sản phẩm khác — tất cả đều được tạo trong một lần chạy duy nhất, không chỉnh sửa hậu kỳ. Điểm đáng chú ý là mô hình không hề dùng đến các mô hình sinh video, mà viết phim dưới dạng code rồi render ra MP4.

Một URL vào, một file MP4 ra

Ý tưởng cốt lõi rất đơn giản: người dùng nhập một URL trang sản phẩm hoặc một câu lệnh mô tả, hệ thống sẽ trả về một video MP4 hoàn chỉnh dài khoảng 30 giây. Mỗi video là kết quả của một lần chạy duy nhất, không qua bất kỳ bước biên tập thủ công nào.

Các ví dụ được đăng tải đều giữ nguyên trạng thái gốc, bao gồm cả những video cho thương hiệu lớn như Nvidia, sản phẩm Linear, OpenComputer, Jev của TypeSafe AI, hay thậm chí là một video sinh ra từ câu lệnh trừu tượng: "make a modern slick and punchy video for a modern startup that works on inference".

Video giải thích sản phẩm Nvidia được tạo tự động bởi Opus 5.5

Điều khiến cách tiếp cận này khác biệt so với các công cụ tạo video AI hiện có nằm ở triết lý: mô hình viết phim như viết code, và chính code đó render ra khung hình giống hệt nhau ở mọi lần chạy. Đây là hướng đi mà Deedy, một kỹ sư nổi tiếng, đã đề xuất trong bài viết về Opus 5.5 và video hướng dẫn.

Kiến trúc: agent serverless tự lo mọi thứ

Toàn bộ sản phẩm được gói gọn trong một agent file, ba công cụ và một biểu mẫu. Hạ tầng chạy trên OpenComputer — nền tảng agent serverless — đảm nhận luôn cả microVM để render, cổng kết nối mô hình (model gateway) và API phiên làm việc mà trang web dùng để theo dõi tiến độ.

• Agent: Một agent serverless viết bằng TypeScript, triển khai bằng lệnh opencomputer deploy. Không framework, không hàng đợi, không máy chủ riêng.
• Model: anthropic/claude-opus-5.5 thông qua model gateway của OpenComputer, tiêu thụ khoảng 90 nghìn token đầu vào và 15 nghìn token đầu ra cho mỗi phim — phần lớn là chính đoạn HTML.
• Runtime: Mỗi tác vụ chạy trong một phiên riêng biệt trên microVM mới tinh: Amazon Linux 2023 trên kiến trúc arm64, 4 vCPU, 8 GB RAM, Node 22.
• Công cụ: Ba hàm defineTool gồm web_fetch (đọc nội dung trang), check_scene (tải phim, báo lỗi JS và văn bản hiển thị) và render_video (render rồi tải lên).

Sơ đồ kiến trúc agent serverless của OpenComputer

Lệnh gọi công cụ đầu tiên sẽ cài Chromium headless của Playwright và ffmpeg tĩnh, mất khoảng một phút. Sau khi hoàn tất, toàn bộ máy ảo bị hủy bỏ — một mô hình xử lý vừa tiết kiệm chi phí vừa đảm bảo cách ly bảo mật.

Bí quyết render: đồng hồ ảo thay cho mô hình video

Điểm kỹ thuật thú vị nhất nằm ở khâu render. Thay vì dùng mô hình sinh video, hệ thống thay thế toàn bộ đồng hồ của trang web — từ requestAnimationFrame, các timer, Date cho đến CSS và Web Animations — bằng một đồng hồ ảo. Nhờ đó, mỗi khung hình là một điểm tua xác định (deterministic seek), đảm bảo video render ra giống nhau ở mọi lần chạy.

Quy trình xuất video gồm: khung hình 1920x1080 ở 30 fps, nén dạng JPEG rồi đưa vào libx264 với crf 18. Về lưu trữ, agent không giữ bí mật nào cả — biểu mẫu tạo một token tải lên Vercel Blob được giới hạn cho một đường dẫn duy nhất trong ba giờ, lưu vào manifest theo từng tác vụ, và công cụ sẽ truy xuất theo job id. File MP4 hoàn chỉnh trở thành một URL Blob công khai.

Ý tưởng cốt lõi: mô hình viết phim dưới dạng code, và code render ra kết quả giống hệt nhau mỗi lần.

Mở ra hướng đi mới cho sản xuất video

Với người dùng Việt Nam, hướng tiếp cận này đặc biệt đáng chú ý. Các doanh nghiệp khởi nghiệp, đội marketing nhỏ hay lập trình viên độc lập thường không đủ nguồn lực thuê dựng video chuyên nghiệp. Việc có thể nhập một URL và nhận về video quảng cáo hoàn chỉnh có thể thay đổi đáng kể chi phí sản xuất nội dung.

Tuy nhiên, cần lưu ý rằng giải pháp này vẫn phụ thuộc vào hạ tầng cloud nước ngoài và tiêu tốn lượng token đáng kể cho mỗi phim. Dù vậy, toàn bộ mã nguồn đã được công khai trên kho diggerhq/shipvideo — bao gồm agent, trình render và ứng dụng web — nghĩa là bất kỳ ai cũng có thể tự triển khai sau khoảng mười phút làm quen.

Linear cũng có video giải thích được tạo tự động

Sự kết hợp giữa khả năng viết code của mô hình ngôn ngữ lớn và hạ tầng agent serverless đang mở ra một không gian mới: AI không chỉ tạo nội dung, mà còn vận hành cả quy trình sản xuất nội dung. Nếu xu hướng này tiếp tục, việc dựng video giải thích sản phẩm có thể sớm trở thành một tác vụ tự động hóa đơn giản như viết email.