Opus 5.5 escribe un vídeo explicativo como código y un agente lo renderiza
launchvideo.io convierte una URL o una descripción de producto en un MP4 de unos cuatro minutos. No hay modelo de vídeo: el modelo escribe HTML y un agente serverless lo graba.
Un proyecto llamado launchvideo.io mete una URL o una descripción de producto y saca un MP4: un vídeo explicativo de unos cuatro minutos, generado de una sola pasada y sin edición posterior. Lo interesante no es el resultado, sino cómo lo consigue. No hay modelo de vídeo en ninguna parte: Opus 5.5 escribe la película como código —HTML, CSS y JavaScript— y un agente serverless la renderiza en una microVM que se tira a la basura al terminar.
El coste ronda los 100.000 tokens por vídeo, repartidos en unos 90.000 de entrada y 15.000 de salida. La mayor parte de ese texto es el propio HTML que genera el modelo. Son cifras del autor del proyecto, no de un tercero.
Por debajo está OpenComputer, que aporta el agente serverless, la microVM de render, la pasarela de modelos y la API de sesiones que consulta la página. El agente son unas pocas líneas de TypeScript: sin framework, sin cola y sin servidor propio.
Cada trabajo abre una sesión en una microVM nueva con Amazon Linux 2023 sobre arm64, 4 vCPU, 8 GB de RAM y Node 22. La primera llamada a herramienta instala el Chromium headless de Playwright y un ffmpeg estático, lo que se lleva alrededor de un minuto.
Solo hay tres herramientas. web_fetch devuelve el texto de la página junto con el título, los encabezados, los colores hexadecimales más usados y las fuentes de Google. check_scene carga el vídeo y reporta errores de JavaScript y el texto visible en marcas de tiempo de muestra. render_video renderiza y sube el resultado.
Render determinista
El truco está en el reloj. En vez de capturar una animación en tiempo real, el sistema sustituye los relojes de la página —requestAnimationFrame, timers, Date, CSS y Web Animations— por un reloj virtual, de modo que cada fotograma es una búsqueda determinista. La salida va a 1920x1080 y 30 fps, con fotogramas JPEG que entran en libx264 con crf 18.
El agente no guarda ningún secreto. El formulario emite un token de subida de Vercel Blob limitado a una ruta concreta y con tres horas de vida, lo deja en un manifiesto por trabajo y la herramienta lo recoge por identificador. El MP4 acaba como URL pública. El control plane usa la misma API que la CLI: crear sesión, enviar un turno, consultar el flujo de eventos (tool.started, tool.completed, turn.completed) y dar el trabajo por terminado cuando el MP4 aparece en Blob.
El código está en un repositorio de GitHub y se puede desplegar en tu cuenta con un clic. En el hilo de Hacker News hay discusión sobre el enfoque. La idea parte de una publicación de Deedy sobre Opus 5.5 y vídeo instructivo: el modelo escribe el filme como código, y el código rinde igual siempre.
Para quien despliega cosas, lo aprovechable no es el vídeo sino el patrón: un agente, tres herramientas, una microVM efímera y ninguna cola que mantener. El render por reloj virtual es lo que hace que la cosa sea repetible y no una captura de pantalla con suerte. Queda por ver cómo se comporta con páginas que dependen de datos en vivo o de fuentes que no cargan, que es donde este tipo de pipelines suele romperse.
