本文へ
ハクソク

世界を動かす技術を、日本語で。

Opus 5.5は解説動画に優れています

元記事: 原文(launchvideo.io)

概要

OpenComputerによるサーバーレスエージェントを活用した動画自動生成の仕組みを解説。 TypeScriptで記述されたエージェントと3つのツールで構成。 Anthropic Claude Opus 5.5モデルを使用し、HTMLページからMP4動画を生成。 各ジョブはAmazon Linux 2023のmicroVM上で独立実行。 生成動画はVercel Blobに保存され、API経由で管理。

OpenComputerによる動画生成プロセス

  • OpenComputer 上で動作するサーバーレスエージェントによる動画生成システム
  • TypeScript で定義されたエージェントファイル、3つの独自ツール、入力フォームから構成
  • nvidia.com、 typesafe.ai、 opencomputer.dev、 linear.app などのページ例
  • プロンプト例：「make a modern slick and punchy video for a modern startup that works on inference」

動作環境

  • 各ジョブは Amazon Linux 2023 (arm64, 4 vCPU, 8GB RAM, Node 22) 上の新規microVMで実行
  • PlaywrightのヘッドレスChromium と静的ffmpegを初回ツールコール時にインストール（約1分）
  • ジョブ完了後、VMは破棄

モデルとトークン

  • モデルは anthropic/claude-opus-5.5 を利用
    • 1本の動画につき約 90k入力トークン、 15k出力トークン
    • 主にHTMLデータが対象

ツール群

  • web_fetch ：ページテキスト、タイトル、見出し、主要な16進数カラー、Google Fontsの取得
  • check_scene ：動画読み込み、JSエラー検出、サンプルタイムスタンプでの可視テキスト抽出
  • render_video ：動画レンダリングとアップロード

レンダリング方式

  • 動画モデルは未使用、HTMLページのクロック（requestAnimationFrame、timer、Date、CSS/WAAPI）を仮想クロックで制御
  • 1920x1080/30fps、各フレームJPEGでlibx264にパイプ、crf 18でエンコード

ストレージとセキュリティ

  • エージェントは シークレット未保持
  • フォームから Vercel Blobアップロードトークン を発行（3時間有効、ジョブごとにパスを割当）
  • 完成したMP4は パブリックBlob URL で提供

コントロールプレーン/API

  • ページとCLIは同じAPIを使用
    • セッション作成、ターン送信、イベントストリーム（tool.started, tool.completed, turn.completed）で進捗管理
    • MP4がBlobに出現したら完了扱い

デプロイ方法

  • npx opencomputer template deploy https://github.com/diggerhq/shipvideo で即時デプロイ可能
  • Deedy によるOpus 5.5解説記事と動画から着想
    • モデルが動画用コードを生成し、毎回同じ動画を再現

参考コード抜粋

import { useInput, useModel, useTool } from "@opencomputer/agent";
import { checkScene, renderVideo } from "./tools/scene.js";
import { webFetch } from "./tools/web.js";

export default function Agent() {
  const input = useInput(); // フォームからのJOB情報
  useModel("anthropic/claude-opus-5.5");
  useTool(webFetch); // サイト情報取得
  useTool(checkScene); // HTMLロード・エラー検出・可視テキスト抽出
  useTool(renderVideo); // Chromium→ffmpeg→Blob
  return `You are a motion designer who writes code. ...`;
}

特徴まとめ

  • 完全自動化された動画生成パイプライン
  • サーバーレス設計 でスケーラブルかつ管理負荷低減
  • 毎回同じ入力なら同じ動画を生成 する再現性
  • API/CLI/フォームで一貫した操作体験
  • セキュリティとストレージの分離設計

提供: ハクソク · 要約更新:

AIによる日本語要約です。内容は原文とあわせてご確認ください。

Hacker Newsの議論を読む

Hackerたちの意見

多くの人と同じように、僕もLLMを使ったSaaSにハマってるんだけど、これって結局LLM呼び出しにボタンを追加してるだけじゃないの？本当の価値って何なんだろう？すぐにお金を稼いで、コピーが出るのを待つだけ？それとも、20年のSaaSとビジネス開発の経験があれば、他のSaaSよりも良いものが作れるのかな？

└

もし君の質問に答えられたとしても（できないけど）、今は状況がめちゃくちゃ早く変わるから、長くは通用しないかもね。できることは、すぐに適応して、君のプロダクトがどこで価値を提供するかに集中することだけだよ。

└

これは完全に君の価値観や視点に依存すると思う。たとえば、モバイルアプリが新鮮だった頃、いくつかはただの新しいおもちゃだった。ビール飲むアプリとか、ジッポーをひねるアプリとか、機能があまりないものが多かった。もし君が世界に何か重要なものを追加することにあまり興味がないなら、LLMボタンラッパーはただの新しいおもちゃだし、楽しんでるならそのまま進めばいいと思う。今の価値を探るのはもっと難しいし、運に左右されることだと思う。僕はLLMラッパーを作るのは楽しくないし、少なくともそれに取り組む面白いアイデアを思いついてないからやってないけど、他の楽しいことにはLLMを使ってるよ。

└

多くの人が同じような考えを持ってるよね。関連して、インディーゲーム開発者たちが、マーケティングやコミュニティ作りのためにデブログを更新するのをやめたって聞いたよ。みんながLLMを使って、自分のゲームを作っちゃうからね。

└

いつもLLMをラップするだけの呼び出しってわけじゃないよ。LLMは平均的な入力から平均的なリターンしか出さない。

└

「私のSaaSは他より良いのか？」っていうのは重要な質問じゃなくて、「安価なオーダーメイドソフトウェアの未来においてSaaSは価値があるのか？」っていうのが大事だと思う。僕は、講師をしているパートナーのためにLLMを使ったリファレンスチェッカーを試してるんだけど、彼女が採点している作品の各リファレンスに対して、エージェントがその参照元を読んで正確かどうかを確認するんだ。彼女には役立ってるけど、これを製品にするのは無駄な努力に思える。だって、同じドキュメントをClaudeやChatGPTに「各リファレンスをダウンロードして読んで」ってプロンプトを入れれば、ほぼ同じように機能するから。AIを使ったトレーニング生成の会社と面接したときも似たような懸念があった。彼らがどのようにしてますます能力を持つ一般的なハーネスと競争するのかを尋ねたんだけど、彼らは大手LMSプレイヤーと競うことに集中しすぎて、実際には考えてなかった印象がある。

└

一般的にはメンテナンス、信頼性、サポート、責任って感じかな。SaaSの世界では新しいことじゃないよね。多くの企業は外部のSaaSが提供するものを自分たちで作れるだけの資金があるけど、他の誰かの問題にしてほしいって思ってる。クリエイターにとっては、ある種の美的コントロールも必要かな？このページの例のほとんどは、オフィススイートで見るようなテンプレートに見えるけど、結局は味気ないよね。

└

それに苦しんでるんだ。カクテル好きだから、https://gallotails.com/を作ったよ。最初のコミットは2019年3月6日。自分が誇りに思ってる機能の一つは、材料に基づいて作れるカクテルを提案することなんだ。バーはガーニッシュを無視して、材料が一つ足りないカクテルを提案してくれるんだ。でも、材料を追加しないといけないし、バーの画面を解釈しないといけない。で、数日前にChatGPTでやったことはこれだよ： https://chatgpt.com/share/6ab59877-4b74-83e8-8da5-966d9f3a38... マイクアイコンをクリックして、数秒間話したんだ（写真を撮るだけでもよかったかも）。ChatGPTに、ミキサーを使わずにかき混ぜられる簡単なカクテルだけを教えてって頼んだ。ライムを買えるって言ったから、もちろん。そしたら、ジンジャービールを新鮮に保つ方法を聞いたんだ。自分の小さなgallotails.comにそれを全部コード化するなんて無理だよ。チャットウィンドウ一つで完全にサイトが置き換わっちゃった。これは週末にやってる自分の小さなプロジェクトで、主に技術スキルを磨くためにやってるんだ。最大のカクテルサイト、実際の企業が、どれだけの人がチャットタブで十分だと気づくかで、どんなことを経験するのか想像もつかないよ。純粋なコンテンツのことを言ってるんじゃなくて、ChatGPTは自分のサイトがやってることを全部、さらに瞬時にできちゃうからね。そしたら、じゃあ自分のサイトは何をすべきなんだろう？コミュニティ？エージェントに乗っ取られる？今、同じようなサイトが何をすべきか、どうあるべきかを考え中なんだ。

└

簡単な代理指標を教えるね：自分が気に入るものがなかったから作りたいと思った？作るのに努力が必要だった？他の人もその理由で自分のものを使いたいと思ってる？それなら、十分に明白じゃないってことだよ。まだこのカテゴリーに入るものはかなりの数があると思う。ちゃんとしたものを作るのは、単にコードを書く以上のことなんだ。

└

私も多くの人と同じように、LLMをラップしたSaaSにハマってる。でも、これって結局LLMコールにボタンを追加してるだけじゃないかって心配になる。 > だからこそ、isitsaas.ioを作ったんだ。あなたのLLMラッパーが製品としての可能性があるか、みんなが直接claudeを使いたがるかを判断するためのプラットフォームだよ。ビジネスアイデアを入れるだけで、私たちの受賞歴のある独自技術がclaudeにお金が稼げるか聞いてくれる。 > トライアル会員は月額10ドルからスタート。

└

エッジケースをうまく動かして、良いモデル選択やコンテキスト管理などで運用コストを下げるのは、場合によっては本当に難しい。それでも、かなりの数のケースでは価値があるよ。私は金融市場で何かをやってるシステムがあるんだけど、うまく動かして、運用に大金がかからないようにするのが全てなんだ。

RedditやTwitter/Xに投稿されてるものと比べると、これらはあんまり良くないよ。見た中には、質の高いクリエイティブな決定を見事に捉えてるものがあって、モデルが視覚的に魅力的なデザインについて推論できるのがすごい。連続性やテーマ、表情、文化的なミームや参照、象徴性なんかを理解してるし、3Dや画像を使った多様な行動で生成してる。ほんとに驚くべきものがあるよ。

Hacker Newsで議論の続きを見る