Nebius × NVIDIA Global AI Hackathon 2026 · Best Apps and Agents

テーマ1行から、
Blenderのショートが出てくる。

「Blenderできそう」シリーズの型を、過去回から実測してあります。 企画と台本は Nemotron Ultra、型の抽出と検証は Super VL、工程の実行は Lightning が担当し、 録画・テロップ・音声の合成は ffmpeg と bpy の決定論的処理に落としています。

36.0 s / 33.2 s を実生成 1080 × 1920 / 30 fps 話者類似度 0.944–0.966 VRAM 2.11 GB
これは「記録済みのRun」の再生です。 公開デモにAPIキーを置かないため、その場でのライブ生成はしません。下の2本は、このパイプラインが実際に 出力した動画と、その実行時のタイムライン(各工程の開始・終了時刻)です。自分の環境で回す手順は README にあります。
—

工程をタップすると、その場面までシークします。再生に合わせて右の工程が光ります。

…

型
—
尺 / 工程
—
台本
—
検証
—

    パイプライン

    1. 型の抽出過去回のフレーム → Super VL が観察 → Ultra が統合 → style.json
    2. 台本と工程表Ultra が 4〜7工程・テロップ18字以内で生成 → バリデータ(禁止API・尺・字数)
    3. ナレーションFish Speech 1.5 zero-shot(参照30秒)→ 実測の音声長から hold_sec を更新
    4. 実行と録画Lightning の bpy コードを MCP 経由で1工程ずつ実行 → ffmpeg gdigrab でウィンドウを録画
    5. 合成ASS テロップ+フック(赤→緑)+音声配置 → 1080×1920 / 30fps

    Super VL によるフレーム採点と、失敗工程だけの差し戻しはスキーマとプロンプト経路まで実装済み(本番運用はこれから)。

    抽出した「型」

    41 秒尺の中央値(実測 27.8–65.0 秒 / 10本)
    9:16縦型。下1/3〜1/2がBlender画面
    18 字テロップ1枚の上限。白文字+黒縁+影

    型は「無理そう…(赤)→ できそう!(緑)」で始まり、1本につき操作はひとつだけ。 「全部教えない。今日ここだけ見えればいい。」がシリーズの設計です。

    実機で踏んだ罠(抜粋)

    13件のうち6件を表示
    • reasoning_effort 未指定だと思考トークンが max_tokens を食い尽くし、本文が空で返る。→ none を明示。
    • Super VL の実IDは nvidia/Nemotron-3.5-Super-VL。カタログ表記のまま投げると404。
    • viewport_screenshot はカメラレンダーで UI が写らない。→ gdigrab+ウィンドウ矩形クロップ。
    • bpy.context.active_operator.segments は効かない。→ オペレータ呼び出しの引数で渡す。
    • MCPアドオンは stop() 直後の start() で同一ポートに LISTEN が二重に残り、接続が固まる。→ 状態を強制リセットし別ポートへ。
    • ASS の BorderStyle=3 は箱の色が OutlineColour。最初は白い空箱になった。

    全13件と、未解決事項は README に。

    未解決(正直に)