一支产品宣传片通常意味着一支小团队：脚本、配音、配乐、动效、剪辑各管一段。现在出现了一条不同的路径——整支视频由程序画出来、写出来，乍一看却不像代码的产物。
线索从配乐开始。有人连做两支软件宣传视频，起初以为背景音乐是从素材网站找来的现成曲子——直到发现每支视频的音乐都不一样，而且都能卡在画面的节奏点上。追问来历，答案是 Python 写的。
音乐：先有乐谱，再有声音
以前让 AI 做电子音乐，结果往往是几个音来回重复，鼓点机械地铺在底下，一听就是生成的。这次的写法不同：模型先把音乐写成乐谱，再经 MIDI 转成音频。
乐谱是一种结构化表达，写谱对模型来说接近写代码——每个音符、时值和力度都可以被精确指定。这解释了音乐为什么能跟视频内容卡上点：节奏不是后期对齐的，而是在写谱那一刻就按视频的节拍设计的。声音跟着画面的结构走，而不是先有音乐再迁就画面。
音效也是同一套逻辑。在一支成片里，连打字的音效都落在 BPM 节拍器上——音效不是后期随手铺上去的，而是被当成时间轴上的一个元素来排布。声音层的每个组成部分都服从同一条节拍线，这是成片听起来“完整”的直接原因。
画面：材质、动效与整体编排
让观者“恍惚间不觉得是代码做的”的，是画面里的材质——蜡笔的质感、像纸张一样的噪点。这些通常出现在手工动效或视频模型的输出里，但在这里，每一层质感都是程序画出来的。
另一类常见做法是 SVG 动效：随着音乐生长的草，实际是一段贝塞尔曲线动画；一艘帆船以一镜到底的方式被一条条线画出来，周围的波浪也是用线生成的。这类画面单帧并不逼真，好看靠的是元素如何被编排——何时出现、如何转场、怎样踩住音乐。
编排能力也带来了取舍上的变化。有一个从代码库出发的案例：让模型基于现成的软件代码库做宣传视频，界面组件是已有的，它负责编排页面动作、写配乐、组织节奏，成片质量超出预期。模型厂商自己也在这样发功能视频——发布内容由模型制作，没有人专门在这上面花太多精力，视频却一期比一期丰富。
编排还改变了取舍：新一代模型可以直接从底层的图形库和音效库拼出整支片子，绕开上层工具；过去为宣传视频整理的技能流程反而帮了倒忙——同一任务套用旧的工作流模板，效果不如让它自由发挥。模板固化的是上一代模型的能力边界，模型变强之后，约束就成了负向优化。
图像模型仍在一旁被调用
这条路径不是“全部纯代码”。一个被完整观察过的案例里，制作者只给了脚本和音乐，模型自己选了贴纸风格，从零做出一支有剧情、转场完整的视频——过程中调用了图像模型生成图片，其余动画过程都是纯代码。分工大致是：图像模型负责那些凭代码难以凭空造出的具体形象，代码负责让它们动起来、并维持整支片子的节奏。
图像素材的可控修改同样是短板所在。此前的图像编辑有一个著名问题：拿一张参考图连续生成或修改十多版，画面里的人物会出现轻微偏移，慢慢变样。新一代编辑做到了“不动的东西完全不动”，改哪里其余一个像素都不带偏——但另一些区域会出现伪影、色彩渐渐发脏，离可用还有距离。对宣传素材来说，可预测的局部修改和生成能力同样关键，否则每改一版都要从头检查整张图。
好不好看，是体验判断
“八十分动效水平已经够接单”“跟人写的音乐没有区别”——这类说法都是看过成片之后的观感判断，不是跑分结论。它们传达的信息有限，但可以复核：把成片、提示词和制作耗时放出来，比任何形容词都有说服力。审美在这里不是玄学，而是一组能用眼睛验证的具体问题——质感像不像手绘、卡点准不准、剧情顺不顺。在看到更多公开成片之前，对这些作品的评价都应该停留在“体验报告”的层面，而不是能力评级。
组合出完整作品
回头看这支宣传片的构成：音乐来自乐谱，画面来自矢量动画和少量生成图片，结构来自整体编排。三种素材各有一条最适合的表达方式——声音用乐谱、图形用路径、关键形象用图像模型——再由代码把它们缝进同一条时间轴。
与前几代生成工具相比，真正的变化在编排这一层：它不再逐段生成互不相干的片段，而是像剪辑师一样，动笔之前脑子里先有成片，再决定每个元素何时出现。至于这条路能否稳定复现到每个项目，取决于素材类型和成片要求；可以确定的是，“全用代码做”从来不是重点，重点是每个部分都选对了表达方式。