塔斯娱乐资讯网

一句话做视频?Claude Opus 5.5 “视频”生成手把手教学全解析

Claude Opus 5.5 的视频路径全拆解:从提示词、分镜到逐帧渲染与工具链大家好,欢迎来到心眸AI笔记,我是jackli!今天日期是2026年10月1日,国庆节快乐,下面带来今日资讯。

先给结论:Claude Opus 5.5 并没有原生视频生成能力。社交平台上那些“一句话做视频”的案例,背后不是模型直接吐出一段 MP4,而是它写程序,再交给外部工具逐帧绘制、配音、合成。视频看起来是“生成”的,实际是“算”出来的。
懒人总结Claude Opus 5.5 在 2026 年 9 月 22 日发布,Anthropic 官方文章没有提视频能力,重点讲的是写代码、操作电脑和知识工作。它看不了视频,输出也只有文字。所谓 AI 视频,是它写出一套逐帧绘制程序,再由浏览器或渲染软件拍下来。完整链路可以拆成五步:规划、画面、动作、声音、拍摄与合成。其中规划、画面、动作、声音主要靠 Opus 5.5 写代码;配音、渲染、编码交给外部工具。作者给出的提示词不是“做个视频”,而是指定 JS + Canvas、手绘卡通、动效、Gemini 3.8 Flash TTS。拍摄时从不按播放键。无头浏览器会从第 0 秒跳到 1/30 秒,逐帧截图;10 秒、30 帧/秒,就是 300 张图。关键工具链包括 Claude Opus 5.5、Gemini 3.8 Flash TTS / ElevenLabs、HyperFrames 或 Remotion、Puppeteer + Chrome、FFmpeg、GSAP。公开案例 MV《I'm Upping My P(doom)》时长 156.6 秒,项目名 PDoomVideo,源码在 GitHub;模型还给自己写了 STORYBOARD.md 分镜规范。一、先纠正一个流行误会2026 年 9 月 22 日,Anthropic 发布 Claude Opus 5.5。之后一周,社交平台开始密集出现“一句话做视频”的案例:15 秒动效作品集、带旁白的科普短片、配钢琴曲的动态设计,甚至一支两分半钟的 MV。

但 Anthropic 的发布文章里,没有提到任何视频生成能力。官方重点讲的是写代码、操作电脑和知识工作。Opus 5.5 能读文字、图片和文件,但看不了视频,输出也只有文字。
那这些视频从哪来?答案是:模型写程序,程序规定每一帧长什么样,浏览器或渲染软件按程序把几千帧逐一画好,再拼成 MP4 文件。做视频时,Opus 5.5 更像身兼导演和程序员两个角色,而不是一台摄像机。
二、作者用的提示词,信息量都在约束里原作者给出的提示词原文如下,这段模板值得保留:
帮我做一个教学视频,素材(Markdown 文件)和 Gemini API Key(.env 文件)见附件。

使用 JS + Canvas 绘制,手绘卡通风格,有动效,配音使用 Gemini 3.8 Flash TTS。

要通俗易懂,开头要吸引人,看完有收获。
这段提示词交代了素材、绘制方式、视觉风格、配音工具和内容要求。JS + Canvas 对应代码视频路线:画面由程序绘制,配音交给语音工具。最后一句“要通俗易懂,开头要吸引人,看完有收获”,则明确了教学视频的目标:让人愿意看下去,也能记住。
三、原理:写程序,逐帧拍照,拼成视频视频本质是一串连续播放的静态图片。常见规格是每秒 30 张,也就是 30 帧。10 秒视频,就是 300 张图。播得够快,人眼就看成了连贯动作。

所以核心问题只有一个:第 N 帧应该长什么样。Opus 5.5 做的事,就是写一个能回答这个问题的程序。随便给一个时间点,比如第 2.5 秒,它就能画出这一刻的完整画面。
整个流程拆成五步:规划、画面、动作、声音、拍摄与合成。前三步主要是 Opus 5.5 写的代码,其余交给外部工具。配音有两个去处:一是给动作提供时间表,二是作为音轨交给 FFmpeg。
四、规划:先写脚本,再拆分镜收到“帮我做个视频”的需求后,Opus 5.5 先写脚本,再把脚本拆成一个个镜头。每个镜头要写清楚:画什么、持续多久、配什么话。
公开了全部源码的例子,是一支叫《I'm Upping My P(doom)》的 MV。它时长 156.6 秒,项目名 PDoomVideo,源码放在 GitHub 上。作者只指定了一个角色形象,要求每句歌词都配上有趣画面和转场,没有给任何具体场景,其余全部由模型生成。
模型第一轮做完后,给自己写了一份分镜规范 STORYBOARD.md。核心内容如下:
- 固定的角色设计,整片不变
- 配色从暖奶油色到太空紫,再到警报红,最后回来
- 每个镜头里都必须有东西在动,画面里不放文字
- 角色表情要渐变过去,不能突然跳变
- 每次切换镜头都要由动作带出来,比如一口咬下去黑屏、一次坠落、镜头穿过一只眼睛
这份规范很关键。它把“好看”拆成了可执行约束:角色不能变、配色有情绪线、镜头必须有运动、转场要靠动作带出。对模型来说,这比一句“做得酷一点”有用得多。
五、画面、动作、声音:代码接管画面、动作、声音三步,都是 Opus 5.5 编写的代码模块。画面负责每一帧的构图和绘制,动作负责时间轴上的变化,声音负责配音和节奏对齐。
配音环节使用 ElevenLabs 带时间戳的语音合成接口,为动作提供时间表。接口文档在这里:https://elevenlabs.io/docs/api-reference/text-to-speech/convert-with-timestamps
简单说,声音不只是最后贴上去的音轨,它还会反向影响动画节奏。哪句话在什么时候出现,动作就跟着那个时间点走。这样画面和旁白才不容易各说各话。
六、拍摄与合成:冻结时间,一帧一帧拍写好的网页还不是视频。要变成 MP4,需要一台“摄像机”把它一帧一帧拍下来,再和声音合在一起。
这台摄像机是无头浏览器。它没有界面,在后台运行,通常是 Chrome,由 Puppeteer 这类自动化工具操作。
拍摄时从不按播放键。以 HeyGen 开源的 HyperFrames 为例,渲染器先把画面跳到第 0 秒,截一张图;再跳到第 1/30 秒,截第二张;再跳到第 2/30 秒,截第三张。一段 10 秒、每秒 30 帧的视频,需要截 300 张图。
HyperFrames 由做数字人视频的 HeyGen 开源。视频写成普通 HTML,动画默认用 GSAP,渲染靠 Puppeteer 加 FFmpeg。它给 Claude Code、Cursor、Codex 等编程智能体准备了一套技能包,流程定为:规划、写 HTML、接入可跳转的动画、加素材、代码检查、预览、渲染。
安装命令如下:
npx skills add heygen-com/hyperframes
七、工具链与关键数据主流程工具可以整理成这张表:
环节 工具 规划与代码生成 Claude Opus 5.5 语音合成 Gemini 3.8 Flash TTS / ElevenLabs 视频渲染 HyperFrames(HeyGen 开源)或 Remotion 无头浏览器 Puppeteer + Chrome 视频编码合成 FFmpeg 动画库 GSAP
关键数据也别漏:
Claude Opus 5.5 发布日:2026 年 9 月 22 日。案例 MV《I'm Upping My P(doom)》时长:156.6 秒。常见帧率:30 帧/秒。10 秒视频帧数:300 张。分镜规范文件:STORYBOARD.md。项目名:PDoomVideo,源码在 GitHub。HyperFrames 安装命令:npx skills add heygen-com/hyperframes。关键网址与引用:
[1] Anthropic 发布文章:https://www.anthropic.com/claude-opus-5-5
[2] OrcaRouter 拆解文章:https://www.orcarouter.ai/blog/claude-opus-5-5-video-plan-one-shot
[3] ElevenLabs 带时间戳的语音合成接口:https://elevenlabs.io/docs/api-reference/text-to-speech/convert-with-timestamps
[4] 渲染器 HyperFrames:https://www.heygen.com/research/html-to-video
[5] Claude Opus 5.5 for video:https://daily.dev/posts/claude-opus-5-5-for-video-oncuratco
[6] Opus 5.5 用代码生成动态设计与视觉场景:https://daily.dev/posts/claude-opus-5-5-generates-motion-design-and-visual-scenes-entirely-in-code-yqmdx7qnw
八、我的思考这套链路真正有意思的地方,不是“AI 能不能做视频”,而是它把视频生成拆成了一道工程题。模型不直接画每一帧,它写规则、写程序、写时间轴;浏览器负责拍,FFmpeg 负责合,语音工具负责对齐节奏。
这意味着,未来做视频的门槛可能会从“会不会剪辑”转向“会不会描述约束”。提示词里写清楚风格、帧率、动效逻辑、配音方式,模型就能把一部分执行工作接过去。但前提是,人得知道视频到底是怎么被“算”出来的。
如果你也在关注 AI 视频和智能体工作流,我建议别只看成品。多看一眼它背后的代码、分镜和渲染链路,那里才藏着真正可复用的能力。
如果这篇内容对你有帮助,欢迎点个赞、转发给需要的朋友,再点一下‘在看’。要是方便,也顺手给心眸AI笔记加个星标⭐️,下次更新文章你就能第一时间见到。谢谢你读到这里,我们下篇再见。