Opus 5.5 视频生成是什么？Claude Opus 5.5 如何编写程序逐帧绘制视频

不可以。 Claude Opus 5.5 是语言模型，输出的是文字和代码，不是视频像素。所谓“用 Claude 生成视频”，实际上是由这个模型编写一个动画网页，再把网页逐帧渲染成视频。在英文资料中，相关做法有时被称为“Opus 5.5 video”或“Claude video generation”；本文所说的，专指用代码绘制画面的方式。

在本工作室的流程中，模型在 Claude Code 里写出一个独立的 HTML 页面（单一文件），页面对外提供一个函数 window.render(t)：输入秒数 t，就绘制出该秒的完整画面。页面不使用 CSS 动画，也不使用 setTimeout、setInterval 等定时器，帧与帧之间不保存状态，随机数一律使用固定种子；同一个 t 渲染两次，结果逐像素一致。

Playwright 用无头浏览器打开该页面，按每秒 30 帧的标准规格依次调用 render(t) 并截取画面，一条 100 秒的视频约有 3,000 帧。截取的画面以流的方式直接传入 ffmpeg，再与旁白和配乐合成 MP4，过程中不会先保存几千张图片文件。

文生视频模型的原理不同：模型根据提示词直接输出像素，每一帧都是模型的生成结果。用代码绘制的视频，每一帧则来自可阅读、可修改的代码，画面上的中文、数字和图表都由程序排版。该模型由 Anthropic 于 2026 年 9 月 22 日发布，详见 Anthropic 发布 Claude Opus 5.5 的官方公告。

星动的 Opus 5.5 视频生成流程共七步，顺序固定为“先有声，后有画”。 脚本与旁白先定下每一句的秒数，模型才开始写代码绘画，最后渲染、混音并逐项检查。这套流程及质量检查门槛，自 2026 年 10 月 11 日起成为本工作室的标准。

1. 脚本与事实核查：年份、人名、数字无法确认就删掉，或记入制作记录（NOTES.md）待核；财经、法律、健康题材只解释制度与原理，并加上免责声明字幕。
2. AI 旁白确定时间轴：用 AI 语音合成粤语或普通话旁白（自有频道的视频均用 Gemini 3.8 Flash TTS 合成香港口音粤语），同时输出 timeline.json，记录每一句的开始与结束秒数。
3. 由 Claude 编写 render(t) 页面：先写分镜表（每个镜头一件物品、一个动作），再写成页面；场景切换落在句子边界，字幕在句子开始时出现、结束后 0.15 秒消失；竖屏视频的字幕每行最多 13 个字、最多两行。
4. Playwright 逐帧截取：竖屏 1080×1920 或横屏 1920×1080，每秒 30 帧；每个场景先输出开头、中段、结尾 3 张静帧检查，再渲染全片。
5. 代码合成配乐与音效：用 numpy／scipy 合成，不使用采样或音频文件；音效对准画面动作的那一帧。例如历史频道“講古老”的《B-59》一集约有 125 个合成音效。
6. ffmpeg 混音：旁白 −16 LUFS、配乐 −24 LUFS 打底，旁白说话时配乐自动压低约 6 dB，总输出标准化至 −14 LUFS。
7. 质量检查：每个场景 3 张静帧、每 3 秒截取一帧拼成的缩略图总览（contact sheet）、波形图，以及 film_gate 自动检查；再为光线、景深、纹理、人物、动作、文字六项质感打分，每项至少 8/10 才算合格。film_gate 会测量快速运动帧的比例、最长静止时长和空画面；竖屏短视频的快动帧比例低于 0.035 即亮红灯（不合格），红灯不得交付，须修改后重新渲染。

Opus 5.5 视频生成的流程可以概括为“旁白 → 代码 → 渲染 → 混音 → 检查”。AI 旁白先确定每一句的秒数；Claude 按秒数编写 render(t) 页面；Playwright 以每秒 30 帧截取 1080×1920 或 1920×1080 画面；ffmpeg 把 −16 LUFS 的旁白与 −24 LUFS 的代码合成配乐混音，输出 −14 LUFS 的 MP4；最后经过静帧、缩略图总览、波形图与 film_gate 四道检查，六项质感评分均达到 8/10，视频才算完成。

因为 Opus 5.5 视频的每一帧画面，都由旁白时间轴推算出来。 先有旁白，模型编写的页面才知道每个场景从第几秒开始、每行字幕在第几秒出现。

本工作室的 render(t) 页面是旁白时间轴（timeline.json）的纯函数：场景切换读取每一句的开始秒数，字幕、关键词放大和数字跳动都由同一份时间轴计算，代码中不硬编码任何秒数。场景只在句与句之间切换，不会切在半句话中间。

时间轴先行的实际效果是：脚本或旁白改动后，只需重新合成旁白、重建页面并重新渲染，画面就会自动对齐新的时间轴，不必逐帧重画。制作流程中的“重新配音”（redub）步骤正是依靠这个结构。相反，如果画面是一段没有时间轴的成品视频，更换旁白音色往往要整条重做。

时间轴先行是本工作室制作方法的特点，并不代表修改免费或不限次数；每个项目的修改范围，请在咨询时确认。

Opus 5.5 视频生成不是单一工具，而是一组工具：Claude 负责写代码，其余环节由开源函数库与语音合成服务完成。 下表列出本工作室截至 2026 年 10 月 13 日实际使用的工具。

环节	工具	在流程中的用途
编写画面代码	Claude Code（Claude Opus 5.5）	编写分镜表与 render(t) 动画页面
绘画、光影、纹理、镜头	huashu-art-motion（MIT 许可的开源库），经自研桥接层接入	方向光与轮廓光、纸纹、网点、像素化、脉冲式推镜
3D 画面	Three.js	低多边形 3D 场景、光影与雾
逐帧截取	Playwright（Chromium 无头浏览器）	每秒 30 帧截取画面
编码与混音	ffmpeg	合成 MP4、响度标准化至 −14 LUFS、配乐自动避让旁白
配乐与音效	numpy／scipy	用代码合成乐器声与音效，不用采样
旁白	Gemini 3.8 Flash TTS	香港口音粤语 AI 语音合成
字体	Google Fonts（Noto Sans HK、JetBrains Mono）及 OFL 授权展示字体	标题、字幕与数字排版
自动检查	check_captions.py（自研脚本）；film_gate.py（huashu-art-motion 自带，经自研脚本调用）	检查字幕可读性、画面动态、静止段与空画面

本工作室不使用素材库视频，也不使用 AI 视频模型或 AI 图像模型生成画面。题材本身有真实截图、文件或照片（自行拍摄或官方公开）时，我们会把资料整幅放进画面，再用代码加上标注与运镜；字体同样属于外部授权素材。模型写的是场景代码，绘画底层则建立在上述函数库之上，所以我们不会把这类视频描述为“完全从零手写”。

Opus 5.5 视频适合可以用图形、文字和插画“画出来”的画面，不适合需要写实人脸、对口型或真人实拍的画面。 作为 AI 动画的一种做法，这类视频的每一帧都由代码绘制，字形、数字、图表和构图都能精确控制；但用代码绘制的画面难以达到照片级的人脸。本工作室也不画人脸：人物只画手和背影，并保留颈、肩、手肘和指关节等真实骨骼结构，不画火柴人、积木人或 Q 版卡通人物。星动的旁白可选粤语或普通话 AI 语音，字幕可选繁体或简体中文，价格相同；至今已完成的视频均为粤语旁白、繁体字幕，普通话旁白样片可应要求提供。

适合（目前提供）	不适合或暂不提供
动态文字（kinetic typography）	写实人脸、名人或真人肖像
数据图表：坐标轴先出现，柱子从零开始生长	对口型（lip-sync）
解说动画与知识短视频	数字人、AI 虚拟主播
时代画风：古埃及壁画、敦煌壁画、浮世绘木刻、油画明暗、构成主义海报、皮影戏	真人实拍
低多边形 3D、像素风、剪纸拼贴、漫画网点	照片级写实影像
人物以手和背影呈现，具有真实骨骼结构	英语旁白（未列入价格）
粤语或普通话 AI 旁白，繁体或简体中文字幕	—

需要真人出镜或实时自助生成的项目，目前并不适合委托本工作室；这类需求选择真人拍摄或自助式 AI 视频工具会更合适。

最大的区别在于画面来源：Opus 5.5 视频由代码逐帧绘制，文生视频模型由模型直接输出像素。 文生视频模型也就是常说的文字生成视频或 AI 生成视频工具；代码绘制在文字准确度和重渲染一致性上占优，模型生成则在写实人物和实时出片上占优。

对比项目	代码绘制	文生视频模型
画面来源	由 Claude 编写的代码逐帧绘制	模型根据提示词直接输出像素
画面文字与字幕	用真实字体排版，字幕经 check_captions.py 检查	画面内文字由模型生成，准确度取决于模型
修改方式	修改代码后重新渲染	修改提示词后重新生成
重渲染一致性	同一秒数逐像素一致（固定随机种子）	每次生成的结果可能不同
写实人物	本工作室不提供，人物只画手和背影	更擅长，模型占优
实时性	需经过脚本、旁白、渲染和质量检查，并非实时	可实时自助生成，模型占优

两种做法并不互相取代。需要写实人物或实时出片，文生视频工具更合适；需要准确的中文、数据图表和全片统一的画风，代码绘制的做法更合适。

如果你会写代码，也有时间搭建渲染流程，自己用 Claude 做视频完全可行；如果你只需要一条可以直接发布的成品，交给工作室可以省下搭建整套流程的时间。

自己用 Claude Opus 5.5 做 Claude 视频生成，至少需要准备七样东西：Claude Code 的使用权限；能逐帧截取的渲染流程（Playwright 加 ffmpeg）；粤语或普通话旁白方案；配乐与音效；响度混音；质量检查；以及决定画风、镜头和节奏的美术指导。只想试做一条 30 秒动画的开发者，自己动手是合理的选择。

星动提供的是 AI视频生成服务：上述七个环节由本工作室完成，客户可以准备好完整脚本，也可以只提供初步想法，再由我们整理成脚本。合作分四步：Instagram 私信 初步沟通、脚本与分镜确认、动画制作与配音、微调与成品交付。收费按时长固定，以港币计，详见 AI视频制作价格。

本工作室由一人运营：一位真人负责导演与审片，AI 智能体负责撰稿、渲染与质量检查。咨询可通过 Instagram 私信 ，详见联系页。

截至 2026 年 10 月 14 日，星动以 Claude Opus 5.5 编写代码、逐帧绘制的方式，完成了 41 条视频。 这些视频分属自 2026 年 10 月 11 日起陆续开设的三个自有频道；本文所述的七步流程及质量检查门槛，也自 2026 年 10 月 11 日起成为标准。此前完成的少数早期视频，旁白曾使用其他语音合成工具，也未经过完整的质感评分。视频格式有两种：60 至 120 秒的 1080×1920 竖屏短视频，以及约 5 分钟的 1920×1080 横屏视频。

自有频道	内容	格式与目标时长	已完成视频	公开账号
“原來係咁”（粤语，意为“原来如此”）	香港知识短视频	1080×1920 竖屏，90–120 秒	15 条	Instagram／YouTube
“冇人講我講”（粤语，意为“没人说，我来说”）	社会话题短视频	1080×1920 竖屏，60–85 秒	18 条	Instagram／YouTube
“講古老”（“讲古”即讲故事）	历史视频	1920×1080 横屏，约 5 分钟（另有 1 集约 2 分钟的特别篇）	8 条	YouTube／Instagram

表中的“已完成视频”按制作进度表截至 2026 年 10 月 14 日标为完成的视频计算，其中部分仍在排期，尚未发布。

“講古老”的七集正片实际时长 5 分 45 秒至 6 分 9 秒，另有一集约 2 分钟的特别篇《1929 大崩盘》。七集正片按时代量身设计画风与配器：《金字塔工人日志》用古埃及墓室壁画，配竖琴、框鼓与芦笛；《伦敦大恶臭》用维多利亚铜版画，配弦乐四重奏；《一骑红尘》用唐代绢本设色；讲述达·芬奇求职信的一集用文艺复兴手稿与油画明暗；《B-59》用构成主义海报的斜构图；《交子》用北宋绢本设色与雕版印刷；讲述特拉法加海战旗号的一集用 1805 年英国铜版蚀刻海战版画。所有乐器声同样由代码合成。

制作记录写下了每一集的具体数字：《B-59》全片 137 个镜头，平均镜头时长 2.6 秒；《一骑红尘》成片响度 −14.0 LUFS、真峰值 −1.8 dBTP。《一骑红尘》第一次 film_gate 检查虽然没有亮红灯，却亮了 4 个黄灯（提示，未到不合格），其中一段完全静止的画面长 7.6 秒，距离红灯只差 0.4 秒；我们把相关镜头的推镜加快、雾层加浓，再重新渲染受影响的段落。

下方的示例静帧，全部取自自有频道已完成的视频，由 Claude 编写的代码逐帧绘制。更多画风可浏览 AI动画作品，历史题材另见历史动画示范，知识题材另见解说动画示范。

以下七个问题整理自“Claude 可以生成视频吗”等相关搜索，答案以本工作室截至 2026 年 10 月 13 日的实际做法为准。

本文的事实来自 Anthropic 的公开发布资料、Google 的公开指南，以及星动自有的制作记录。

• Anthropic：官方公告《Introducing Claude Opus 5.5》，2026 年 9 月 22 日（链接见本文第一节）。
• Google 搜索中心博客：《Google Search's guidance about AI-generated content》（英文，2023 年 2 月），说明 Google 搜索如何看待 AI 生成的内容。
• 本工作室的制作流程文档、画面质感规范、制作进度表及各集制作记录，数据截至 2026 年 10 月 14 日。

作者：星动｜发布日期：2026 年 10 月 13 日｜最后更新：2026 年 10 月 13 日

本文在撰写过程中使用了 AI 辅助，所有数字由星动按自有制作记录核对。

Claude 与 Opus 为 Anthropic 的商标，星动与 Anthropic 并无关联。