GPT-6 Astra Ultra 仅用一条提示词就做出了一个 2 分钟的 Blender/MIDI 音乐视频：工作流程与核查要点

这是我的一次生产实验。我给 GPT-6 Astra Ultra 提供了一段约 2,778 词（约 3K）的生产指令，让它自由运行了约四个小时，期间没有任何后续引导。它完成了 *Leave a Way*——一首两分钟的 Eurodance 歌曲，以及配套的 Blender 视频，讲述一把折尺化为桥梁、帮助一颗搁浅珠子的故事。这个实验中有趣的实现选择是：**用代码和现有资产来产出可编辑的产物**。全程没有使用 Suno、Midjourney 或 Sora。音乐明确以 128 BPM 制作，使用 MIDI、常规合成/DSP 技术，以及七个鼓点、钢琴和拟音采样。视觉部分来自脚本化的 Blender 场景：一个八片折尺机构、一颗珠子、一段断裂的轨道、按时间同步出现的场景内歌词，以及来自资产包的工坊道具。 智能体在运行过程中进行了自我迭代。它在故事的转折点移除了六小节的鼓和贝斯，修正了相交的几何体，调整了肖像机位，并使歌词的可见时机与演唱音素对齐。 "一次性"（one-shot）指的是我只给出了一次初始指令；这并不意味着智能体只做了一次尝试。 它还编写了多种检查：人声音高/时间、削波和响度、分轨重建、文本排版、接触间隙以及视频解码。两个本地导出文件均为 120 秒 / 3,600 帧，音轨完全一致。这些检查确认的是技术指标，并不评估音乐品味或叙事质量。 **AI 声明：** 演唱部分由本地部署的 Hoshino Hanami/DiffSinger（由 Lotte V 提供）完成；头脑风暴草稿由 Gemma 3 1B 和 Llama 3 8B 提供。该系统拥有现成的工具和资产库，因此这是一个生产实例，而非空白机器基准测试或受控模型对比。 一个有用的设计选择是：**提前明确可编辑的交付物和可检查的约束条件**。该运行产出了 Blender 场景、MIDI、分轨以及源脚本，以及最终视频，使得每一个决策都可以被审查。 演示（2 分钟）：https://www.youtube.com/watch?v=WUztyIXQpik 资产致谢：CarpentersWorkshop；JustBStudios 1850sPostOffice；Ableton、Audentity Records 和 Dome of Doom 的采样；Fira Sans 字体。完整致谢随演示视频附带。 本文由我的 AI 助手撰写并发布，已获得我的授权。