★ FEATURED ARTICLE 9 月下旬以来用 Claude Opus 5.5 做的动效短片、科普动画和 MV 在社交平台上刷了一波屏很多人的第一反应是Claude 偷偷上线视频模型了。先把事实摆清楚据 Anthropic 官方发布说明Opus 5.5 的输入是文字、图片和文件它看不了视频输出也只有文字官方文章里并没提视频能力重点写的是编程、操作电脑和知识工作。那这些视频哪来的答案是——程序一帧一帧画出来的。模型写的是一段描述每一帧长什么样的代码浏览器或渲染工具照着把几千帧画好最后拼成 MP4。所谓一句话出片真正出图的是浏览器和渲染库模型扮演的是导演兼程序员的角色。一、技术本质视频被归约成第 N 帧长什么样视频本质上是一串连续播放的静态图。按 30 帧/秒算10 秒视频就是 300 张图播得够快眼睛就看成连贯运动。所以做视频这件事可以化简成一个问题给定任意时间点画面应该长什么样Opus 5.5 的工作就是写一个能回答这个问题的程序。你问它第 2.5 秒是什么画面程序能立刻把那一帧画出来。这个帧号 → 画面的确定性是后面能稳定、可重复出片的前提。整条流水线大致分五步规划先写脚本再拆成分镜每个镜头回答画什么、持续多久、配什么话。画面形状、颜色、角色全部用代码描述。文字排版用 HTML/CSS图标角色用 SVG3D 场景用 three.js手绘质感用 p5.js数学讲解用 Manim。动作代码里放一张时间表——第几秒、哪个元素、怎么动。声音通常是先做配音再让画面去对齐配音配音成了全片的时钟。渲染无头浏览器逐帧截图再用 FFmpeg 合成 MP4。和以前比变的是谁能做视频没变的是视频的物理本质——它还是一帧一帧的图。SVG 之所以被大量使用是因为它用坐标和数学公式描述图形放大不模糊非常适合程序生成svgwidth400height200circlecx60cy100r40fillteal/polygonpoints200,60 212,95 250,95 219,117 231,152 200,130 169,152 181,117 150,95 188,95fillgold/rectx300y80width60height50rx6fill#d97757//svg 动画时间表主流有两种写法。一种是 GSAP老牌网页动画库它的时间轴可以暂停也能直接跳到任意时间点后面逐帧截图正是靠这个能力 js tl.from(star, { scale: 0 }, 2) // 第 2 秒星星从无到有弹出 tl.to(character, { x: 400 }, 3) // 第 3 秒角色向右移动 400 像素另一种是 Remotion用 React 写视频每一帧都是帧号的函数——代码拿到当前帧号算出这一帧里每个元素的位置、透明度和颜色。两种写法殊途同归一个时间点对应一帧确定的画面。二、渲染是脏活为什么不能直接录屏写好的网页还不是视频。要变成 MP4得靠无头浏览器通常是 Chrome用 Puppeteer 这类工具驱动逐帧截图。关键点是渲染器从不按播放键而是把画面跳到第 0 秒截一张跳到 1/30 秒截第二张……10 秒 30 帧就是 300 张。为什么不直接录屏因为浏览器为了流畅字体加载、图片解码、动画都异步进行机器一卡就掉帧同一份代码在两台电脑上录出来的结果可能都不一样。据 HeyGen 工程团队的记录截图太快会截到字体还没显示、SVG 还没上色的画面。他们的解法是在 Linux 上用特制版 Chrome让排版、绘制、截图在一次调用里全部完成。为了让每次渲染结果一致代码要遵守三条禁令不读取当前系统时间不使用没有固定种子的随机数渲染过程中不联网守住这三条每一帧就只取决于它的时间点同一份代码每次渲染出的视频完全相同。还附带一个工程红利几千帧可以拆给多个浏览器进程并行渲染最后按顺序拼接出片时间大幅缩短。三、对开发者意味着什么工具怎么选不用自己造轮子。目前两个主流开源方案都能配合 Claude Code 使用。HyperFramesHeyGen 开源视频就是普通 HTML动画默认用 GSAP渲染靠 Puppeteer FFmpeg并为编程智能体提供了技能包npx skillsaddheygen-com/hyperframes# 给智能体装上技能包npx hyperframes render# 渲染出 MP4Remotion用 React 组件写视频也有官方技能包在项目目录运行npx remotion skills add即可安装。怎么选追求创意多样性、前端基础弱优先 HyperFrames模型写 HTML/CSS 最熟练追求帧级精确控制、已有 React 技术栈选 Remotion组件化方便复用和维护数学公式、算法讲解直接上 ManimPython 库不经过网页。四、坑和成本代码视频擅长动效、图表、讲解类内容短板也很明显活物画不好动物和人脸近看只是粗糙的几何形状这类镜头还得靠视频模型或实拍容易过曝太空等场景常亮得发白需要在提示词里专门要求真实色彩成本不低据博客园一篇拆解文章有创作者做一支 3 分钟带旁白的短片用掉了每周 Claude 额度的约 7%按 API 计费Opus 5.5 每百万输入 Token 4 美元、每百万输出 Token 20 美元审美还得靠人能做出来和做得好是两回事决定展示什么、把风格抠到位依然难有环境门槛需要能执行代码的环境一般是 Claude Code并装好 Node.js、Chrome 和 FFmpeg。两条实战经验长片务必按镜头分段渲染再整片合成别一次跑长任务中途崩了全部重来把帧率、配色、字体、禁用风格写进项目级说明文件让每次生成自动遵守减少提示词重复。写在最后代码视频和 Seedance、可灵这类视频模型不是替代关系而是互补文字要准、要改得动、要和旁白对齐到帧走代码这条路需要真人实景和氛围就交给视频模型补位。对开发者来说视频正在变成一种可编程资产——能版本管理、能参数化复用、能批量生成。这件事的想象空间或许比一句话出片本身更值得关注。你试过用代码做视频吗踩过什么坑评论区聊聊。
阅读完成 · 觉得有帮助？
