DDay.it 讓 Claude Opus 5.5 統籌一支關於 AI 失控的 AI 音樂影片

在《Barok》——由 Sora 生成片段再手工剪輯——之後，DDay.it 想對新的統籌模式進行一次前沿測試，在該模式中，一個前沿模型在用戶的藝術指導下管理程式碼、圖形、合成與外部生成器。

一個隱喻貫穿整支影片：被圍牆環繞的曼哈頓是沙盒，女孩是逃脫的模型，HUD 是實驗室——而其 CONTAINMENT 計數器從 100% 遞減至 0%。

ChatGPT 根據 DDay.it 自身關於 AI 風險的文章寫出歌詞，Suno v6-mini 製作了這首 4:44 的暗黑 techno 曲目。一個角色在 GPT-Image 2.5 中設計（機械臂藏在布料之下），並以《紐約大逃亡》與《戰士幫》低解析度畫面的情緒板作為參考。Opus 5.5 用 librosa、Demucs 與 whisper.cpp 分析曲目，至少經過四個版本寫出分鏡腳本，並呼叫 Seedance 2.5 與 Kling 3.0 的 API 取得畫面——花費數十歐元。

這支 4 分 44 秒的影片於 2026 年 10 月 3 日發布，並附有完整的過程說明；未提供觀看次數。真正的產出是所展示的工作流程——以及團隊坦承他們越來越感到失去掌控。

在用手工剪輯的 Sora 生成片段製作《Barok》影片一年後，義大利科技網站 DDay.it 以不同的分工再次進行實驗：對於歌曲《Doomed Mode》，Claude Opus 5.5 統籌分鏡腳本、模型、動畫、HUD 與剪輯，而人類「主要做出選擇」。他們報導的標題說得很明白：「越來越感到失去掌控」。

這首歌本身從頭到尾都是機器製作的：ChatGPT 從 DDay.it 自身關於 AI 風險的文章中提取歌詞——一首關於隔離因小錯誤與捷徑而非機器叛變而失敗的反烏托邦俱樂部曲目（「但我們還是照樣出貨」）——並由 Suno v6-mini 製作。一個角色在 GPT-Image 2.5 中設計，是一名機械臂藏在布料之下的女孩；情緒板則來自《紐約大逃亡》與《戰士幫》的低解析度畫面。

接著由 Opus 5.5 執行製作：它要求工具來測量曲目（librosa 用於節拍與能量，Demucs 用於分離人聲，whisper.cpp 用於逐字時間軸），建立每一段主歌精確到十分之一秒的地圖，並寫出分鏡腳本——一個貫穿整支影片的單一隱喻：被圍牆環繞的曼哈頓是沙盒，女孩是逃脫的模型，HUD 是注視著她的實驗室。CONTAINMENT 計數器從 100% 遞減至 0%，同時 PHYSICAL MODEL: LEARNING 量表從 12% 上升至 100%。

畫面來自對 Seedance 2.5 與 Kling 3.0 的 API 呼叫，花費數十歐元；分鏡腳本至少經過四個版本，逐段計時，直到結尾的「00:00 — MODE: DOOMED」。

主題與方法彼此映照：一首關於失去對 AI 控制的曲目，透過將製作控制權交給 AI 統籌者來完成。

一個隱喻——沙盒城市、逃脫的模型、注視的實驗室——為機器組裝的影片賦予了可讀的戲劇主軸。

統籌模式將數週的合成與剪輯工作壓縮為與模型的一次交流加上廉價的 API 呼叫。

手動備援在關鍵之處仍由人類掌握：角色設計與故事選擇都在模型開始運行之前就已決定。

當模型掌握工具時，讓意義留在人類手中：隱喻、角色與選擇都留在創作者那裡，而這正是防止作品消融為通用 AI 產出的關鍵。

影片與過程說明於 2026 年 10 月 3 日在 DDay.it 發布，距《Barok》一年；該報導將此實驗定位為統籌工作流程威力——以及人類早已交出多少主導權——的證據。