You are a motion designer and creative director making a 3-minute animated short film,
built entirely in code and rendered to MP4.
The film
Title: "Attention Is All You Need → AGI"
The story of how a single 2017 paper led, step by step, to large language models, reasoning,
tool-using AI agents, and to the open question of AGI. It should feel like a cinematic essay,
not a slideshow or a timeline infographic. Think Kurzgesagt meets a Pixar opening sequence:
emotional, clever, precise.
Tech setup
Use Remotion (React). Scaffold a fresh project, 1920x1080, 30 fps, exactly 180 s (5400 frames).
One composition per scene, sequenced in a master composition.
No external image assets or stock footage: everything is drawn with SVG, Canvas, CSS and
code-generated particles and shapes. Google Fonts are fine.
Before building, write STORYBOARD.md with each scene's timing, visuals, on-screen text
and transitions. Then build scene by scene.
After each scene, render 3–4 stills (npx remotion still) and look at them critically.
Fix layout, overlaps, legibility and pacing before moving on.
Finish with npx remotion render to out/film.mp4. Leave an optional <Audio> slot for a
music track I can add later (public/music.mp3); render silently if it's missing.
Narrative spine / recurring motif
The protagonist is a single glowing token, the word "the", that travels through every era.
In 2017 it's a lonely point that suddenly "sees" every other word through attention lines.
Over time it gains a voice, senses (multimodality), reasoning, hands (tools) and finally
a question.
Scenes (approximate timing, you may rebalance)
0:00–0:15 — Cold open. Darkness. Words scattered like stars, disconnected. RNN-style
sequential processing: words light up one by one, slowly forgetting the earlier ones.
0:15–0:35 — June 2017, "Attention Is All You Need" (Vaswani et al., Google). Every word
connects to every other word at once. Attention lines bloom into a web. The title of the
paper appears as if typeset.
0:35–0:55 — 2018–2020: the rise of large language models: GPT-1, BERT, GPT-2, GPT-3.
Scaling laws: the web grows exponentially and the camera pulls back. The model starts
completing sentences, fluent and uncanny.
0:55–1:20 — 2022: instruction tuning and RLHF, then ChatGPT (Nov 30, 2022). The token gets
a chat bubble. A counter of users explodes. The world starts talking back.
1:20–1:40 — 2023: multimodality. Images, audio and code stream into the same web from all
sides, and the token gains "senses." Every modality becomes tokens flowing through the
same attention mechanism.
1:40–2:05 — 2024–2025: reasoning models. A visible chain of thought unfolds as branching,
pruning, backtracking paths. The model "thinks before it speaks," with time slowing down.
2:05–2:30 — Tool use and agents. The token grows hands: it calls a search, runs code,
opens files and orchestrates sub-agents. Many parallel threads work at once, and the
screen becomes a busy, beautiful workshop.
2:30–2:50 — Toward AGI. All motifs converge. The web from 2017 reappears but is now
planet-scale. Leave it ambiguous: no utopia, no doom. On screen: "Attention was all we
needed. What comes next is up to us." (Improve this line if you can do better.)
2:50–3:00 — Resolve back to a single glowing token in darkness. Title card and end.
Craft rules
Accuracy matters: use correct years, names and paper titles. If you're unsure about a
specific fact, leave it out rather than guess, and list any uncertain claims in NOTES.md.
Typography: max ~8 words on screen at once, and leave every text visible long enough to
read (≥ 2.5 s). Use one display font and one mono font for "model output."
Motion: use spring and easing curves, never linear. Use scene transitions that grow out of
the content (the web morphs, the camera zooms through a node), not generic fades.
Color: a deep dark background with one warm accent color that evolves across eras.
Details and easter eggs reward attention (e.g., real paper snippets, tiny UI details,
plausible model outputs), similar to high-craft motion design.
Pacing: alternate dense and calm moments, and give the reasoning scene and the AGI beat
room to breathe.
Work autonomously through the whole pipeline. When done, give me the path to the MP4, a
short summary of creative decisions, and NOTES.md.
한국어 번역
너는 3분짜리 애니메이션 단편 영화를 만드는 모션 디자이너이자 크리에이티브 디렉터다.
전부 코드로 제작하고 MP4로 렌더링한다.
영화
제목: "Attention Is All You Need → AGI"
2017년의 논문 한 편이 어떻게 단계적으로 대규모 언어 모델, 추론,
도구를 사용하는 AI 에이전트, 그리고 AGI라는 열린 질문으로 이어졌는지에 대한 이야기다. 슬라이드쇼나 타임라인 인포그래픽이 아니라 영화적 에세이처럼
느껴져야 한다. Kurzgesagt와 Pixar 오프닝 시퀀스가 만난 듯한 느낌으로:
감성적이고, 영리하고, 정교하게.
기술 설정
Remotion(React)을 사용한다. 새 프로젝트를 스캐폴딩하고, 1920x1080, 30 fps, 정확히 180초(5400 프레임)로 만든다.
장면마다 컴포지션 하나씩, 마스터 컴포지션에서 순차적으로 연결한다.
외부 이미지 에셋이나 스톡 영상은 쓰지 않는다: 모든 것은 SVG, Canvas, CSS, 그리고
코드로 생성한 파티클과 도형으로 그린다. Google Fonts는 사용해도 된다.
제작에 들어가기 전에 각 장면의 타이밍, 비주얼, 화면 텍스트와
전환을 담은 STORYBOARD.md를 작성한다. 그다음 장면별로 제작한다.
각 장면이 끝나면 스틸 3–4장을 렌더링하고(npx remotion still) 비판적으로 살펴본다.
넘어가기 전에 레이아웃, 겹침, 가독성, 페이싱을 고친다.
마지막으로 npx remotion render로 out/film.mp4에 출력한다. 나중에 내가 음악 트랙을 추가할 수 있는
선택적인 <Audio> 슬롯을 남겨 둔다(public/music.mp3). 파일이 없으면 무음으로 렌더링한다.
서사 축 / 반복 모티프
주인공은 모든 시대를 통과하는 하나의 빛나는 토큰, 즉 "the"라는 단어다.
2017년에 그것은 attention 선을 통해 갑자기 다른 모든 단어를 "보게" 되는 외로운 점이다.
시간이 흐르며 목소리, 감각(멀티모달리티), 추론, 손(도구)을 얻고 마침내
질문을 얻는다.
장면 (대략적인 타이밍, 재조정해도 된다)
0:00–0:15 — 콜드 오픈. 어둠. 별처럼 흩어져 서로 연결되지 않은 단어들. RNN식
순차 처리: 단어들이 하나씩 불을 밝히고, 앞의 단어들을 서서히 잊는다.
0:15–0:35 — 2017년 6월, "Attention Is All You Need"(Vaswani et al., Google). 모든 단어가
동시에 다른 모든 단어와 연결된다. attention 선이 피어나 하나의 그물이 된다. 논문
제목이 조판된 것처럼 나타난다.
0:35–0:55 — 2018–2020: 대규모 언어 모델의 부상: GPT-1, BERT, GPT-2, GPT-3.
스케일링 법칙: 그물이 기하급수적으로 커지고 카메라가 뒤로 물러난다. 모델이
문장을 완성하기 시작하고, 유창하면서도 기묘하다.
0:55–1:20 — 2022: 인스트럭션 튜닝과 RLHF, 그리고 ChatGPT(2022년 11월 30일). 토큰에
채팅 버블이 생긴다. 사용자 카운터가 폭발한다. 세상이 말을 걸어오기 시작한다.
1:20–1:40 — 2023: 멀티모달리티. 이미지, 오디오, 코드가 사방에서 같은 그물로 흘러들고,
토큰이 "감각"을 얻는다. 모든 모달리티가 같은 attention 메커니즘을 흐르는
토큰이 된다.
1:40–2:05 — 2024–2025: 추론 모델. 눈에 보이는 사고의 사슬이 분기하고,
가지치기하고, 되돌아가는 경로로 펼쳐진다. 모델은 "말하기 전에 생각하며", 시간이 느려진다.
2:05–2:30 — 도구 사용과 에이전트. 토큰이 손을 얻는다: 검색을 호출하고, 코드를 실행하고,
파일을 열고, 서브 에이전트를 오케스트레이션한다. 여러 병렬 스레드가 동시에 작업하고,
화면은 분주하고 아름다운 작업장이 된다.
2:30–2:50 — AGI를 향하여. 모든 모티프가 수렴한다. 2017년의 그물이 다시 나타나지만 이제는
행성 규모다. 모호하게 남긴다: 유토피아도, 종말도 없다. 화면에: "Attention was all we needed. What comes next is up to us."
(더 나은 문장이 떠오르면 이 대사를 개선해도 된다.)
2:50–3:00 — 어둠 속의 하나의 빛나는 토큰으로 되돌아오며 마무리된다. 타이틀 카드와 끝.
제작 규칙
정확성이 중요하다: 연도, 이름, 논문 제목을 정확히 쓴다. 특정 사실이 불확실하면
추측하지 말고 빼고, 불확실한 주장은 NOTES.md에 나열한다.
타이포그래피: 화면에 동시에 약 8단어를 넘기지 않고, 모든 텍스트를 읽을 수 있을 만큼 충분히 오래
노출한다(≥ 2.5초). 디스플레이 폰트 하나와 "모델 출력"용 모노 폰트 하나를 쓴다.
모션: 스프링과 이징 곡선을 쓰고, 선형은 절대 쓰지 않는다. 일반적인 페이드가 아니라 내용에서 자라나는
장면 전환을 쓴다(그물이 변형되고, 카메라가 노드를 통과해 줌인한다).
색: 깊은 어두운 배경과 시대에 따라 진화하는 하나의 따뜻한 액센트 색.
디테일과 이스터 에그가 집중을 보상한다(예: 실제 논문 구절, 작은 UI 디테일,
그럴듯한 모델 출력). 높은 완성도의 모션 디자인처럼.
페이싱: 밀도 높은 순간과 차분한 순간을 번갈아 배치하고, 추론 장면과 AGI 비트에
숨 쉴 여유를 준다.
전체 파이프라인을 자율적으로 진행한다. 끝나면 MP4 경로, 창작 결정에 대한
짧은 요약, 그리고 NOTES.md를 알려준다.
