Запуск Huashu-motion: комерційні відео для продуктів у один клік

Стій, не гортай далі! Давай спершу подивимось два відео — тільки не забудь увімкнути звук 😐.

Перше — це launch-відео, яке я зробив за допомогою Opus 5.5, коли вчора вийшов DeepSeek-V4.1-Flash-1017. Після публікації в X багато хто подумав, що це офіційний промо-ролик DeepSeek:

https://x.com/AlchainHust/status/2111396576123830528

https://x.com/deepseek_ai/status/2111375640717033777

Друге — демо, яке я створив, щоб перевірити, наскільки добре нова модель DeepSeek може демонструвати власні можливості анімації:

https://x.com/AlchainHust/status/2111416302149505270

22 секунди, з музикою та звуковими ефектами, від початку до кінця зайняли менше ніж пів години. Вартість — близько $0.27 (при hit rate кешу 99.4%).

Звісно, жодне з цих відео не було зроблено простим «промптом в один рядок», бо за ними стоїть навичка — сьогоднішня open-source зірка: Huashu-motion.

Як видно з назви, сприймай це як навичку, яка допомагає використовувати кодинг-агентів для створення промо-відео продуктів комерційного рівня.

Щойно huashu-motion встановлено, ти просто кажеш Claude Code або Codex: «Зроби 30-секундне launch-відео для мого продукту». Агент спочатку прочитає деталі твого продукту (або пошукає їх в інтернеті за тебе), запропонує три концепції, як це робить Huashu-Design, напише весь сценарій після твого вибору, сам створить музику, а потім відкриє редактор у твоєму браузері. Якщо щось не так, натискаєш C, клікаєш на екрані, пишеш, що треба змінити, і він виправить лише цю конкретну частину.

Порівняння з launch-відео технологічних гігантів

Цей проєкт почався з Claude Motion. Anthropic випустив його 8 жовтня, дозволивши Claude перетворювати звіти, графіки та пояснення продуктів на короткі анімації за допомогою коду, з інтерактивними функціями редагування. Однак я виявив, що він досі доступний лише в бета-версії для тарифів Team та Enterprise. Коли у квітні вийшов Claude Design, я реверс-інжинірингом витягнув його ключові можливості у вигляді навички, яка стала huashu-design. Тож цього разу я дав Claude Code завдання працювати з однією вимогою:

Наша навичка має повністю повторити можливості Claude Motion, але бути значно потужнішою!

Те, що ми створили першого дня, здалося мені нудним. У нас були редактори, контроль версій, понад сотня тестів і 19-секундний семпл 3D-міста, але... це було жахливо. Рухам камери бракувало ритму, вони були надто плавними, а отже — посередніми... І справа була не лише в підгонці анімації для цього конкретного випадку.

Тому пізніше я поставив агенту мету, намалювавши візію того, що наша навичка має допомагати користувачам створювати роботи найвищого рівня. Ми хотіли візуальних ефектів, руху, звукових ефектів і музики, які передають рівень launch-реклами продуктів на мільйон доларів!

Отже, наша мета в тестуванні та продакшені — дати тобі змогу створювати промо-відео комерційного рівня, як у Apple, Google та Anthropic.

З такими високими стандартами нам спершу потрібно було зрозуміти, як саме створюються ті відео. Тому агент завантажив 21 реальне launch- та intro-відео з YouTube (Apple, Nothing, GoPro, Google, Vercel, Linear і навіть від самого Anthropic) та використав ffmpeg, щоб виміряти точки склейок, біти, гучність, криві енергії та кольори для кожного з них. Він також проаналізував 142 launch- та motion-відео з високою залученістю, систематизувавши техніки за типом продукту.

Ці виміряні інсайти зрештою стали правилами режисури для huashu-motion. Наступні кроки — читання інформації про продукти, пошук кольорів, написання ритмічних таблиць, створення музики, холодні перегляди — це, по суті, розкладання методів із сотень відео на складові та покрокове навчання їм агента. Усі наші тести використовували реальні launch-відео продуктів: DeepSeek V4.1 Flash, Kitten Fill Light Pro, huashu-design 3.0, Nüwa та кілька продуктів друзів.

Що відбувається після однієї фрази

«Вивід в один клік» означає ось що: ти вводиш одне речення, а отримуєш готове відео з музикою, яке можна публікувати. Будь-які зміни після цього — лише фінальне шліфування деталей. Найпростіший спосіб використання — сказати йому просто зробити це; воно автоматично обере найбезпечніший напрямок, пояснить чому, а при видачі результату коротко згадає інші два варіанти. Усі кроки, як-от ритмічні таблиці та перевірки, воно виконає самостійно.

Якщо хочеш брати більше участі, ось приблизно дев'ять кроків, яких воно дотримуватиметься:

1. Спершу прочитає твої попередні вподобання та досвід, накопичений з минулих відео;

1. Прочитає деталі твого продукту — сайт, сторінку в App Store, README, логотип, брендові кольори — і надішле тобі повідомлення з налаштуваннями за замовчуванням щодо того, як планує діяти. Ти можеш змінити все, з чим не згоден, і вирішити, чи потрібна озвучка;

1. Запропонує три напрямки, кожен із відрендереним ключовим кадром і карткою, де показані палітра кольорів, ритм і музика. Ти обираєш один або міксуєш їх;

1. Після вибору напише treatment.md (ритмічну таблицю). Робота не може початися, поки це не буде зроблено;

1. Створить найскладніший кадр першим у фінальній роздільній здатності, зі шрифтами та кольорами, а потім зробить решту;

1. Автоматично запустить перевірки, захопить ключові кадри, щоб переконатися, що текст не обрізаний, UI не перекривається, а кадри не порожні;

1. Напише музику та додасть звукові ефекти, синхронізовані з появою кожного елемента на екрані;

GIF

1. Відкриє редактор у браузері й чекатиме, поки ти вкажеш, що редагувати;

GIF

1. Коли ти все затвердиш, експортує відео. Воно збирає твої відгуки та правки з цієї сесії, видаючи тобі готове промо-відео. Якщо результат не влаштовує, ти все одно можеш вільно його змінювати.

Двадцять відео за один день

О 2 ночі позавчора я попрощався зі сном і сказав йому:

Я йду спати. Дороби всі залишки промо-відео. Приймай усі рішення сам!

Коли я прокинувся, п'ять відео, що залишалися, були готові. Вдень я відкрив кілька вікон у FanBox, щоб продовжити створювати ще, і загалом вийшло близько двадцяти відео.

GIF

Цей фрагмент — із власного launch-відео huashu-motion, де 16 кадрів із семи різних роликів змонтовані під біт.

Kitten Fill Light Pro: Перша вертикальна 16-секундна версія стала прев'ю-відео в App Store і вже відправлена на модерацію. Пізніше було створено три нові напрямки з використанням нового методу ритму. Ось один із них, де освітлення перемикається між вісьмома кольорами на кожен біт:

GIF

Grok Bot (фанатська, неофіційна версія): 30-секундне відео, де завдання ставляться ввечері, агенти працюють самостійно всю ніч, а о 7 ранку на твій телефон приходять чотири звіти:

Як отримати цю навичку

Навичка викладена у відкритий доступ на GitHub:

https://github.com/alchaincyf/huashu-motion

Встановлення:

1npx skills add alchaincyf/huashu-motion

Або просто скажи своєму агенту:

1Допоможи мені встановити навичку huashu-motion
2(github.com/alchaincyf/huashu-motion), а після встановлення запусти демо

Потрібен Node 22+, Chrome (або Chromium/Edge) на комп'ютері та FFmpeg для експорту відео й зведення звуку. Наразі протестовано лише на macOS. Щоб отримати справжнє звучання фортепіано та струнних, попроси агента виконати om samples build для завантаження ~55 МБ безкоштовних семплів (ліцензії CC0 та CC-BY). Без цього використовуватимуться синтезовані звуки. Виконай om doctor, щоб перевірити відсутні залежності; агент може сам подбати про їх встановлення.

Після встановлення ти можеш казати щось на кшталт:

1Використай huashu-motion, щоб зробити 30-секундне launch-відео для мого продукту, сайт xxx.com

1Використай huashu-motion, щоб перетворити {графік даних/PPT} на 30-секундний експлейнер, який пояснює, чому наш рівень реєстрацій подвоївся

1Використай huashu-motion, щоб зробити launch-відео з озвучкою, використовуючи мій запис: {відео/аудіофайл}

Я переважно використовую його в Claude Code з Opus 5.5. Як видно вище, DeepSeek V4.1 Flash теж чудово справляється, хоча різниця у «смаках» між моделями цілком реальна. Codex протестовано; Cursor, OpenClaw, Gemini CLI та інші агенти, що підтримують навички, також мають працювати, хоча я не тестував кожен окремо. Додаткові API-ключі не потрібні.

Ось деякі обмеження: він не чує, тому якість музики залежить від перевірки ритмічних таблиць, кривих енергії та спектрограм — слухати доведеться тобі самому. Він не може генерувати live-action кадри чи реальних людей; для цього використовуй власні матеріали, а він подбає про синтез і пакування.

Репозиторій містить 20 мов руху (motion languages), 10 стартових шаблонів, 23 звукові ефекти, 3 демо-партитури та документацію з методологією режисури, ритму, кольору, звуку й озвучки.

Сміливо пробуй у WorkBuddy, Doubao Work, Grok bot, Muse тощо і ділися зі мною результатами або проблемами.

І ще одне! Оскільки це інструмент для створення промо-відео продуктів, нехай він сам представить свій реліз 👇