Opus 5.5 影片生成是什麼？Claude Opus 5.5 如何寫程式逐格繪製影片

不可以。 Claude Opus 5.5 是語言模型，輸出的是文字與程式碼，不是影片像素。所謂「用 Claude 生成影片」，實際上是由這個模型編寫一個動畫網頁，再把網頁逐格渲染成影片。在英文資料中，相關做法有時稱為「Opus 5.5 video」或「Claude video generation」；本文所說的，專指以程式繪製畫面的方式。

在本工作室的流程中，模型於 Claude Code 內寫出一個獨立的 HTML 頁面（單一檔案），頁面公開一個函式 window.render(t)：輸入秒數 t，便畫出該秒的完整畫面。頁面不使用 CSS 動畫，也不使用 setTimeout 或 setInterval 等計時器，幀與幀之間不保存狀態，隨機數一律使用固定種子；同一個 t 渲染兩次，結果逐像素相同。

Playwright 以無頭瀏覽器開啟該頁面，按每秒 30 格的標準規格依次呼叫 render(t) 並擷取畫面，一條 100 秒的影片約有 3,000 格。擷取的畫面直接串流進 ffmpeg，再與旁白和配樂合成 MP4，過程中不會先存下數千張圖片檔。

文字轉影片模型的原理不同：模型依提示詞直接輸出像素，每一格都是模型的生成結果。程式繪製的影片，每一格則來自可閱讀、可修改的程式碼，畫面上的中文字、數字與圖表都由程式排版。該模型由 Anthropic 於 2026 年 9 月 22 日發布，詳見 Anthropic 發布 Claude Opus 5.5 的官方公告。

星動的 Opus 5.5 影片生成流程共七步，順序固定為「先有聲，後有畫」。 腳本與旁白先定下每一句的秒數，模型才開始寫程式繪畫，最後渲染、混音並逐項檢查。這套流程及品質檢查門檻，自 2026 年 10 月 11 日起成為本工作室的標準。

1. 腳本與事實核對：年份、人名、數字無法確認便刪去，或記入製作紀錄（NOTES.md）待核；財經、法律、健康題材只解釋制度與原理，並加上免責字幕。
2. AI 旁白定出時間軸：以 AI 語音合成粵語或普通話旁白（自家頻道的影片均以 Gemini 3.8 Flash TTS 合成香港口音粵語），同時輸出 timeline.json，記下每一句的開始與結束秒數。
3. 由 Claude 編寫 render(t) 頁面：先寫鏡頭表（每個鏡頭一件物、一個動作），再寫成頁面；場景切換落在句子邊界，字幕在句子開始時出現、結束後 0.15 秒消失；直向影片的字幕每行最多 13 字、最多兩行。
4. Playwright 逐格擷取：直向 1080×1920 或橫向 1920×1080，每秒 30 格；每個場景先輸出開頭、中段、結尾 3 張靜幀檢查，再渲染全片。
5. 程式合成配樂與音效：以 numpy／scipy 合成，不使用取樣或音訊檔；音效對準畫面動作的那一格。例如「講古老」的《B-59》一集約有 125 個合成音效。
6. ffmpeg 混音：旁白 −16 LUFS、配樂 −24 LUFS 墊底，旁白說話時配樂自動壓低約 6 dB，總輸出標準化至 −14 LUFS。
7. 品質檢查：每場景 3 張靜幀、每 3 秒擷取一格拼成的縮圖總覽（contact sheet）、波形圖，以及 film_gate 自動檢查；再為光、景深、紋理、人物、動作、字六項質感評分，每項至少 8/10 才算合格。film_gate 會量度快速動態的幀數比例、最長靜止時間與空畫面；直向短片的快動幀比例低於 0.035 即亮紅燈（不合格），紅燈不得交付，須修改後重新渲染。

Opus 5.5 影片生成的流程可以概括為「旁白 → 程式 → 渲染 → 混音 → 檢查」。AI 旁白先定出每一句的秒數；Claude 依秒數編寫 render(t) 頁面；Playwright 以每秒 30 格擷取 1080×1920 或 1920×1080 畫面；ffmpeg 把 −16 LUFS 的旁白與 −24 LUFS 的程式合成配樂混音，輸出 −14 LUFS 的 MP4；最後經靜幀、縮圖總覽、波形圖與 film_gate 四道檢查，六項質感評分各達 8/10，影片才算完成。

因為 Opus 5.5 影片的每一格畫面，都由旁白時間軸推算出來。 先有旁白，模型編寫的頁面才知道每個場景在第幾秒開始、每行字幕在第幾秒出現。

本工作室的 render(t) 頁面是旁白時間軸（timeline.json）的純函數：場景切換讀取每一句的開始秒數，字幕、關鍵字放大和數字跳動都由同一份時間軸計算，程式中不寫死任何秒數。場景只在句與句之間切換，不會切在半句話中間。

時間軸先行的實際效果，是腳本或旁白改動後，只需重新合成旁白、重建頁面並重新渲染，畫面便會自動對齊新的時間軸，不必逐格重畫。製作流程中的「重新配音」（redub）步驟正是依靠這個結構。相反，若畫面是一段沒有時間軸的成品影片，更換旁白聲線往往要整條重做。

時間軸先行是本工作室製作方法的特點，並不代表修改免費或不限次數；每個項目的修改範圍，請於查詢時確認。

Opus 5.5 影片生成不是單一工具，而是一組工具：Claude 負責寫程式，其餘環節由開源函式庫與語音合成服務完成。 下表列出本工作室截至 2026 年 10 月 13 日實際使用的工具。

環節	工具	在流程中的用途
編寫畫面程式	Claude Code（Claude Opus 5.5）	撰寫鏡頭表與 render(t) 動畫頁面
繪畫、光影、紋理、鏡頭	huashu-art-motion（MIT 授權開源函式庫），經自家橋接層接入	方向光與邊緣光、紙紋、網點、像素化、脈衝式推鏡
3D 畫面	Three.js	低多邊形 3D 場景、光影與霧
逐格擷取	Playwright（Chromium 無頭瀏覽器）	每秒 30 格擷取畫面
編碼與混音	ffmpeg	合成 MP4、響度標準化至 −14 LUFS、配樂自動避讓旁白
配樂與音效	numpy／scipy	以程式合成樂器聲與音效，不用取樣
旁白	Gemini 3.8 Flash TTS	香港口音粵語 AI 語音合成
字體	Google Fonts（Noto Sans HK、JetBrains Mono）及 OFL 授權展示字體	標題、字幕與數字排版
自動檢查	check_captions.py（自家腳本）；film_gate.py（huashu-art-motion 附帶，經自家腳本執行）	檢查字幕可讀性、畫面動態、靜止段與空畫面

本工作室不使用圖庫影片，也不使用 AI 影片模型或 AI 圖像模型生成畫面。題材本身有真實截圖、文件或照片（自行拍攝或官方公開）時，我們會把資料整幅放入畫面，再以程式加上標註與運鏡；字體同樣屬於外部授權素材。模型寫的是場景程式，繪畫底層則建基於上述函式庫，所以我們不會把這類影片描述為「完全從零手寫」。

Opus 5.5 影片適合可以用圖形、文字與插畫「畫出來」的畫面，不適合需要寫實人臉、對嘴或真人實拍的畫面。 作為 AI 動畫的一種做法，這類影片的每一格都由程式繪製，字形、數字、圖表與構圖都能精確控制；但以程式繪製的畫面難以達到照片級的人臉。本工作室亦不畫人臉：人物只畫手與背影，並保留頸、肩、手肘與指節等真實骨架，不畫火柴人、積木人或 Q 版卡通人物。星動的旁白可選粵語或普通話 AI 語音，字幕可選繁體或簡體中文，價格相同；至今已完成的影片均為粵語旁白配繁體字幕，普通話旁白的樣本可應要求提供。

適合（目前提供）	不適合或暫不提供
動態文字（kinetic typography）	寫實人臉、名人或真人肖像
數據圖表：座標軸先出，柱形由零生長	對嘴（lip-sync）
解說動畫與知識短片	虛擬人（數位人）、AI 虛擬主播
時代畫風：古埃及壁畫、敦煌壁畫、浮世繪木刻、油畫明暗、構成主義海報、皮影	真人實拍
低多邊形 3D、像素風、剪紙拼貼、漫畫網點	照片級寫實影像
人物以手與背影呈現，具真實骨架	英語旁白（未列入價格）
粵語或普通話 AI 旁白，繁體或簡體中文字幕	—

需要真人出鏡或即時自助生成的項目，目前並不適合委託本工作室；這類需求選擇真人拍攝或自助式 AI 影片工具會更合適。

最大分別在於畫面的來源：Opus 5.5 影片由程式逐格繪製，文字轉影片模型由模型直接輸出像素。 文字轉影片模型即一般所說的文字生成影片或 AI 生成影片工具；程式繪製在文字準確度與重渲染一致性上佔優，模型生成則在寫實人物與即時出片上佔優。

比較項目	程式繪製	文字轉影片模型
畫面來源	由 Claude 編寫的程式逐格繪製	模型依提示詞直接輸出像素
畫面文字與字幕	以真實字體排版，字幕經 check_captions.py 檢查	畫面內文字由模型生成，準確度取決於模型
修改方式	修改程式後重新渲染	修改提示詞後重新生成
重渲染一致性	同一秒數逐像素相同（固定隨機種子）	每次生成的結果可能不同
寫實人物	本工作室不提供，人物只畫手與背影	較擅長，模型佔優
即時性	需經腳本、旁白、渲染與品質檢查，並非即時	可即時自助生成，模型佔優

兩種做法並非互相取代。需要寫實人物或即時出片，文字轉影片工具較合適；需要準確的中文字、數據圖表與全片一致的畫風，程式繪製的做法較合適。

如果你會寫程式，也有時間搭建渲染流程，自己用 Claude 做影片完全可行；如果你只需要一條可以直接發布的成品，交給工作室可以省下搭建整條流程的時間。

自行以 Claude Opus 5.5 進行 Claude 影片生成，至少需要準備七樣東西：Claude Code 的使用權限；能逐格擷取的渲染流程（Playwright 加 ffmpeg）；粵語或普通話旁白方案；配樂與音效；響度混音；品質檢查；以及決定畫風、鏡頭與節奏的美術指導。只想試做一條 30 秒動畫的開發者，自己動手是合理選擇。

星動提供的是 AI 影片生成服務：上述七個環節由本工作室完成，客戶可以準備好完整腳本，也可以只提供初步想法，再由我們整理成腳本。合作分四步：Instagram 私訊 初步交流、腳本與分鏡確認、動畫製作與配音、微調與成品交付。收費按片長固定，詳見 AI 影片製作價格。

本工作室由一人營運：一位真人負責導演與審片，AI 代理負責撰稿、渲染與品質檢查。查詢可透過 Instagram 私訊 ，詳見聯絡頁。

截至 2026 年 10 月 14 日，星動以 Claude Opus 5.5 編寫程式、逐格繪製的方式，完成了 41 條影片。 這些影片分屬自 2026 年 10 月 11 日起陸續開設的三個自家頻道；本文所述的七步流程及品質檢查門檻，亦自 2026 年 10 月 11 日起成為標準。此前完成的少數早期影片，旁白曾使用其他語音合成工具，也未經完整的質感評分。影片格式有兩種：60 至 120 秒的 1080×1920 直向短片，以及約 5 分鐘的 1920×1080 橫向影片。

自家頻道	內容	格式與目標片長	已完成影片	公開帳號
「原來係咁」	香港知識短片	1080×1920 直向，90–120 秒	15 條	Instagram／YouTube
「冇人講我講」	社會話題短片	1080×1920 直向，60–85 秒	18 條	Instagram／YouTube
「講古老」	歷史影片	1920×1080 橫向，約 5 分鐘（另有 1 集約 2 分鐘的特別集）	8 條	YouTube／Instagram

表中的「已完成影片」按製作進度表截至 2026 年 10 月 14 日標為完成的影片計算，其中部分仍在排期，尚未發佈。

「講古老」的七集正片實際長 5 分 45 秒至 6 分 9 秒，另有一集約 2 分鐘的特別集《1929 大崩盤》。七集正片按時代量身設計畫風與配器：《金字塔工人日誌》用古埃及墓室壁畫配豎琴、框鼓與蘆笛；《倫敦大惡臭》用維多利亞銅版畫配弦樂四重奏；《一騎紅塵》用唐代絹本設色；講述達文西求職信的一集用文藝復興手稿與油畫明暗；《B-59》用構成主義海報的斜構圖；《交子》用北宋絹本設色與雕版印刷；講述特拉法加海戰旗號的一集用 1805 年英國銅版蝕刻海戰版畫。所有樂器聲同樣由程式合成。

製作紀錄記下了每一集的具體數字：《B-59》全片 137 個鏡頭，平均鏡長 2.6 秒；《一騎紅塵》成片響度 −14.0 LUFS、真峰值 −1.8 dBTP。《一騎紅塵》第一次 film_gate 檢查雖未亮紅燈，卻亮起 4 個黃燈（提示，未達不合格），其中一段完全靜止的畫面長 7.6 秒，距紅燈只差 0.4 秒；我們把相關鏡頭的推鏡加快、霧層加濃，再重新渲染受影響的段落。

下方的示例靜幀，全部取自自家頻道已完成的影片，由 Claude 編寫的程式逐格繪製。更多畫風可瀏覽 AI 動畫作品，歷史題材另見歷史動畫示範，知識題材另見解說動畫示範。

以下七條問題整理自「Claude 可以生成影片嗎」等相關搜尋，答案以本工作室截至 2026 年 10 月 13 日的實際做法為準。

本文的事實來自 Anthropic 的公開發布資料、Google 的公開指引，以及星動自家的製作紀錄。

• Anthropic：官方公告〈Introducing Claude Opus 5.5〉，2026 年 9 月 22 日（連結見本文第一節）。
• Google 搜尋中心網誌：〈Google Search's guidance about AI-generated content〉（英文，2023 年 2 月），說明 Google 搜尋如何看待 AI 生成內容。
• 本工作室的製作流程文件、畫面質感規範、製作進度表及各集製作紀錄，資料截至 2026 年 10 月 14 日。

撰文：星動｜發布日期：2026 年 10 月 13 日｜最後更新：2026 年 10 月 13 日

本文的撰寫過程使用了 AI 輔助，所有數字由星動按自家製作紀錄核對。

Claude 與 Opus 為 Anthropic 的商標，星動與 Anthropic 並無關聯。