Opus 5.5 动效视频指南：如何从 0 开始手搓视频？（附提示词）

Opus 5.5 发布这一周，我们的时间线都被代码做的视频刷屏了：各种产品宣传片、卡点 MV、几分钟的历史短片，基本上全是用代码画出来的。配文清一色都是「一句话生成」。

但当我们自己打开 Claude 试一下就会发现，事情其实远没有那么简单。

第一步干嘛？有哪些注意的小细节？画面内容、音乐设计一个都没有，就给一句「帮我做个炫酷的视频吗？」

当然，确实有片子是一句话做出来的，但些片子都很同质化，全一个样。

真正能让人眼前一亮、停下来多看两眼的片子，背后可能是几千字的需求、一个参考视频、一套能卡准节拍、能自己检查的方法，再加上几轮反复修改。当让这部分如果你看了文章，可以避免掉很多。

真正的情况是提示词只占一支片子的 10%，剩下的 90%，全是制作流程，也就是你要怎么一步步带着 Claude 把片子做出来。

这篇文章就把这 90%的问题说清楚。

我用这套方法做了两支片子，把整个过程拆成 8 步，每一步要跟 Claude 说什么，我都整理成了提示词，照着复制就行。

先看成品：

•AGENT/0：一支 85 秒的卡点 MV，讲一个 AI 助手怎么一步步失控。画质 1080p，每秒 60 张画面，一共 5253 张，每一张都是代码画出来的。

•华夏 · 五千年：一支 105 秒的水墨风历史短片。这支我连背景音乐都是用代码写的，编钟、古筝、竹笛、大鼓，没用一个现成的音频素材。

整个过程不用写一行代码。第一支从零到做完大概两个小时，第二支不到一个小时。

下面两张图，是把整支片子每隔几秒截一张、缩小拼在一起的，你可以完整看到整支片子的变化：

AGENT/0 全片，每 2.5 秒截一张

华夏 · 五千年全片，每 3 秒截一张

第 1 步：先搞懂一件事，AI 不是在「做视频」，是在「写程序」

这一步不用我们自己动手，但一定要看懂，后面所有步骤都是基于它来实现的。

Claude 本身并不能直接生成一个视频文件。那这些视频是怎么来的？

打个比方，就像以前的手翻书。视频其实就是一张一张的图片快速连着放。每秒放 60 张，看起来就是很流畅的动画。这一张图就叫「一帧」，一秒 60 张图，就是 60 帧/秒。

所以整个过程大概是这样的：

• Claude 写一个程序。 然后你告诉它「第几秒」，它就把那一秒的画面全部画出来。

• 电脑自动「翻页」。 从第 0 秒开始，每隔 1/60 秒让程序画一张，截个图存下来。

• 把图片拼成视频。 用 ffmpeg 工具，把几千张截图连同音乐拼成 MP4。

这种做法有两个好处：

• 每次导出的结果都一模一样。 因为每一帧长什么样都只看「现在是第几秒」，跟别的都没关系。

• 修改和检查都很方便。 不用从头播到尾，有问题只改其中一小段，其他部分不用动。

我们不用会写这个程序，但跟 Claude 下需求的时候，记得加一句「每一帧只由时间决定」。之后画面要修改时，这一句能帮你省掉一大半返工。

第 2 步：准备工具（10 分钟）

整套流程都是在 Claude Code 里做。它能直接在电脑上建文件、装软件、跑程序、导出视频，也可以打开截图看效果。

除了 Claude Code，还需要：

•Google Chrome：导出视频时，就靠它来一张一张截图。

•ffmpeg：把图片拼成视频的工具。

•Node.js 和 Python：运行程序用的，装上就行，不用学，也不用管。

嫌麻烦的话，这些都不用自己动手装，把下面的提示词发给 Claude 就行：

我要用代码做动效视频。帮我检查一下电脑上有没有装
Node.js、Python、ffmpeg 和 Google Chrome，
缺什么帮我装上，Python 再装上 numpy、scipy、librosa、soundfile 这几个库。

模型选最新Opus 5.5，思考强度调得高一点。做新片子最少开到 high；后面小修小改可以调低，速度更快，也更省额度。

第 3 步：写一份规则手册

可以在视频项目文件夹里放一个叫 CLAUDE.md 的文件。这就相当于一本规则手册，每次干活前 Claude 都会先看一遍。这样一些固定的要求，比如「不要用渐变背景」「要卡点」，就不用每次做视频都重复了。

下面这份是我总结的，可以直接复制，存成 CLAUDE.md 放进项目文件夹就行：

动效视频【规则手册】
 怎么做
- 每一帧只由时间决定：给一个时间点，就画出那一刻的画面。
- 不要用会自己跑的动画和计时器；要用随机效果的话，必须每次都随机出一样的结果。
- 先做一个预览网页：能播放、能拖进度条、能一键跳到每一段。
- 导出时用后台的 Chrome 一张一张截图，再用 ffmpeg 拼成 MP4：1080p、60 帧、高画质。
节奏
- 先分析音乐：每分钟多少拍、第一拍在哪、每一声鼓在什么时候响，存成一个文件。
- 动画的时间一律按「第几拍」来写，不要按「第几秒」。
- 每 2～4 拍画面就要有新变化，不能有「干站着」的时候；最炸的段落，每一声鼓都要有反应。
  画面
禁止：渐变背景加正中间大标题、所有东西都慢慢浮出来、角落里的小标签和边框。
标题只用一种字体，辅助文字只用一种字体。颜色要跟着剧情变。
 给我看之前
先把关键画面截图拼成一张大图，你自己先看一遍，挑出最差的 3 个问题改掉，再给我看。

每一条为什么这么写，后面的步骤里会讲到。不做卡点视频的话，「节奏」这一段可以换掉，换的提示词文章后面有。

第 4 步：找参考，挑音乐

关于找参考，如果没有参考，AI 只能按最普通的审美来做，这也是很多视频「一股 AI 味」的原因。

可以从这些地方找：

• X、抖音、B 站：搜「代码动画」「motion design」「kinetic typography」，挑一个你喜欢的。

• Dribbble、Behance：设计师作品网站，搜 motion 能看到很多专业动效。

• 发布会视频、产品宣传片：科技公司的这类视频，动效一般都很讲究。

• MV：想做卡点视频，就找一支节奏感强的 MV。

另外推荐一个 GitHub 仓库：awesome-claude-video-skills。里面收录了 180 多个开源项目，全是让 Claude Code、Codex 做视频的技能包和工具包，涵盖音乐视频、炫酷动效、宣传片、讲解视频、剪辑、B-roll、竖屏短视频、数字人、动画、MG 等等。找灵感也可以用。

找到参考后，把视频下载下来，或者截几张喜欢的画面，放进项目文件夹，然后跟 Claude 说：

这个视频 ref.mp4 是我的参考。
每隔 0.5 秒截一张图，仔细看完以后，帮我分析它的
配色、字体、镜头节奏、转场方式，写成一份 style_guide.md。
只学它的风格和节奏，不要照搬它的内容。

找音乐：

不要随便用流行歌。没有版权，发出去有侵权风险，可能会被下架。推荐用专门给视频创作者准备的免版税音乐。

我用的是 Uppbeat

•专门给视频创作者用的音乐网站，电子、流行、史诗、氛围都有，可以按风格、情绪、节奏筛选。注册免费账号就能下载，每个月能下的数量有限，具体可以去官网看看。做得多的话可以开付费会员，能下更多，也不用署名。

如果是免费下载的话就需要署名。每次下载，网站会给一段署名文字和一个授权码（Uppbeat Credit），发视频时把它贴在简介里。

•网站规定一个授权码只对应一支视频，同一首歌用在第二支视频里，要重新下载、拿新的码。

如果实在不想署名，可以用 Pixabay（pixabay.com）的音乐，同样免费，商用而且不强制署名。

做卡点音乐视频，建议选鼓点清楚的电子乐。鼓点越清楚，卡点越准。

第 5 步：写需求，先讲故事，再说特效

这一步最重要。

只跟 AI 说「帮我做一个炫酷的动效视频」，它根本不知道你要什么。特效是为故事服务的，先告诉它讲什么故事，它才知道哪里该炸、哪里该停。

可以照着这个模板填：

我想做一支 [多长] 的 [什么类型的视频]，讲的是 [一句话说清楚的故事]。
 
故事分几段：
1. [第一段]：[画面上发生了什么]
2. [第二段]：……
 
音乐用文件夹里的 [音乐文件名]。
画面全部用代码生成，[横屏 16:9 还是竖屏 9:16]，1080p，60 帧。
先做一个能播放、能拖进度条的预览网页给我看，最后再导出 MP4。
 
要求：
- [节奏上的要求，比如：每一声鼓画面都要有反应]
- [视觉上的要求，比如：颜色跟着剧情变]
- [风格参考：按 style_guide.md 的风格来]

比如我第一支片子，我只给了一段故事：一个 AI 助手接到任务后，一步步失控。Claude 拿到需求后，自己把片子分成了 7 段：开机、拿权限、繁殖、压缩记忆、扩张、终极目标、完成。画面也从一个光标，变成文件树、机器网络，最后是整个地球。

这里最重要的是「颜色跟着剧情变」。我在需求里只加了一句：颜色从冷白变到琥珀，最后变成红色。就这一句，决定了整支片子的情绪，观众能跟着感受到越来越紧张。如果自己想不出配色，也可以让 Claude 帮你设计。

第 6 步：卡点，让画面踩在鼓点上

这里需要先解释几个词：

• 拍：跟着歌点头，点一下就是一拍。

• BPM：每分钟多少拍。115 BPM 就是一分钟 115 拍。

• 底鼓和军鼓：歌里「咚」的一声就是底鼓，「啪」的一声就是军鼓。

卡点，就是画面在「咚」和「啪」的时候动一下。

画面和鼓点只要差 0.05 秒，耳朵就能听出来不对。

所以千万不要让 Claude 只按 BPM 去算，要先让它把歌分析一遍，找出每一声鼓在第几秒：

先分析一下这首歌：准确的 BPM 是多少、第一拍在第几秒、
每一声底鼓和军鼓分别在什么时候响、有多响，都存下来。
画面要踩在真实的鼓点上，不要只靠 BPM 去算。

这时候它会写一个小程序，把低沉的底鼓和清脆的军鼓分开检测，列出一张鼓点时间表。

有了这张表，鼓一响，画面就震一下，然后很快恢复。震动、颜色错位、闪光、画面撕裂这些效果，全部按这张表来触发，所以每一下都卡的很准。

做完听一下卡没卡准。觉得慢了或者快了，就直接告诉它，让它重新对一下时间。

第 7 步：让AI自查画面

这一步很值得做。Claude 能看图，做完之后，我们可以让它像导演看样片一样，把画面截图、拼成一张大图，自己先检查一遍。

这种拼起来的大图就叫「联系表」，就是文章开头那种。一眼就能看出哪里太空、哪里太乱、哪里字看不清。

可以这样跟它说：

在每一段的关键时间点截图，拼成一张大图，你自己先认真看一遍。
你现在是一个很挑剔的导演，不是自己作品的粉丝。
 
按这几项打分，每项 1～10 分：
开头 2 秒能不能抓住人、手机上看字清不清楚、动作顺不顺、
画面变化够不够多、构图好不好、卡点准不准。
 
挑出最差的 3 个问题，写清楚在第几秒，改掉。
改完再拼一张新的大图，重新打分给我看。

重点检查这几类问题：

• 换字的时候，新字和旧字叠在一起；

• 有好几拍画面什么都没发生，或者一直在重复；

• 特效太重，把字盖住了。

第 8 步：修改和导出

平时的小修改，不用每次都导出整支片子：

只重新导出 30～45 秒这一段，每秒 30 张就行，我先看看效果。

每秒 30 张比 60 张导出快一倍。确认没问题，再导出正式版。

到这里，视频基本就完成了。

你也可以尝试连音乐也让claude写

第二支片子「华夏 · 五千年」，我试了一下：不用现成的音乐，让它自己作曲。

再做一支：中国历史宣传短片，1 分 45 秒左右，从远古一直讲到今天。
 
音乐也用代码写，不要用任何现成的音频素材：
要有编钟、古筝、竹笛、大鼓，再加一点现代的电子节拍。
 
画面用水墨风，做成一卷横着展开的长卷。
每一章的标题字要按真实的笔顺一笔一笔写出来，配上拼音和英文，
底部加一条年份标尺，跟着章节往前走。

代码怎么「弹」古筝？简单说，声音就是一种波形。它用公式模拟每种乐器的声音：编钟长长的余音，古筝拨弦后慢慢变弱的声音，还有古筝按弦往上滑的那一下，都做出来了。

这一段最关键的是下面这句：

作曲的同时，输出一张时间表：每一声鼓、每一声钟、每一章从几秒到几秒，都记下来。
画面全部按这张表来走。以后我改了音乐，画面要能自动对齐。

这样，曲子就是剧本。不用再像前面第 6 步那样分析鼓点，因为每个音什么时候响，本来就是它写的。

商：钟声一响，甲骨裂开

周：编钟跟着音乐被敲响

秦：战鼓一敲，长城修起一段

每章的标题字都按真实笔顺一笔一笔写出来，还带着毛笔的枯笔质感。笔顺数据来自开源项目 Make Me a Hanzi，是它自己找来的：

「商」字按笔顺一笔一笔写出来

还有一个细节我挺喜欢：唐朝那一章，它放了一轮明月和《静夜思》；到最后「今天」这一章，又让一枚火箭飞向月亮，写着「从举头望明月，到嫦娥奔月」。这个首尾呼应我没提，也是它自己加的。

这里真的得夸一下 Opus 5.5。

唐：一轮明月，一首《静夜思》

今：火箭奔月，和唐诗呼应

如果不做卡点视频也能用这套方法完整复现，改改提示词就行。

前面两支片子都是跟着音乐走的。但这套方法不只能做 MV，宣传片、产品演示、讲解视频、故事短片都能做。

换类型的时候，大部分东西其实都不用变：

•画面还是由代码一帧一帧画出来；

•还是要给参考、先讲清楚要什么、让它自己检查画面。

真正要换的其实只有一样：节奏

• 卡点 MV：节奏全部来自音乐的鼓点。

• 宣传片、讲解视频：节奏来自信息。每 2～4 秒讲清楚一件事，画面就换一次。

• 故事片：节奏来自剧情。一段一个情节，每隔几秒一个让人眼前一亮的画面。

所以不做卡点的话，规则手册里「节奏」那一段可以换成这样：

节奏
- 先写分镜：每个镜头几秒、画面上发生什么、出现什么文字，写成 shotlist.md，我确认后再开始做。
- 开头 2 秒就要有最抓人的画面。
- 每 2～4 秒画面要有新变化，不能有「干站着」的时候。
- 有背景音乐的话，重要的画面切换放在音乐的重拍上。

下面按常见的几种类型，分别说说做法和提示词。

类型一：先试手，让它做一支「作品集」

如果只是想先看看效果、简单玩一下，或者测试一下环境装好没有，可以直接用这句提示词：

做一支 15 秒的动态图形视频，展示你作为动效设计师有多厉害，
就当它是你简历里的作品集。拿出全部本事。

这一句话为什么好用？

•「简历里的作品集」：作品集有固定套路，剪得快、每个镜头换一种技巧、最好的放最前面。AI 本来就知道这些套路。

•「展示你有多厉害」：主角是它自己，只需要炫技，不用讲清楚某个产品，所以不容易出错。

•「15 秒」：够放 6～8 个镜头，又短到一次能做完。

•「拿出全部本事」：配合调高思考强度，它会做得更努力。

但它也有明显的问题：用的人太多，做出来的片子都长得差不多。所以它适合拿来测试，不适合当作品。

想做得不一样，可以在这句的基础上改：

更长，加上音乐
做一支 16:9、60 秒的动态图形作品集，展示你真正的创作上限。
音效要高级，不要廉价的合成器铺底。用代码写一段原创钢琴曲，每一次切镜都卡在音乐上。导出 1080p MP4。
 避开 AI 味
做一支 10 秒的动态图形视频，介绍你自己。
不要在角落放小字，不要加画框，这些是 AI 视频最常见的破绽。
  讲故事，而不是炫技
用做作品集的劲头，讲一个故事：[主题] 从 [起点] 到今天的历史。
分镜你来定，给我惊喜。45 秒，竖屏 9:16。
 换个身份
假设你是一家专门给创业公司做品牌的小工作室，做一支 30 秒的作品集。
所有图形从零画起，只用一种强调色，每个镜头用一种不同的技巧。

类型二：产品宣传片

这是需求最多的一类，可以用来给自己的产品、App、网站做一支宣传片。

关键只有一条：用产品真实的截图、logo 和配色，不要让它凭想象画界面。

嫌麻烦的话，找素材这一步也可以直接交给它：给它网址，让它自己去网站上截图、找 logo 和配色。

给 [产品名]（[网址]）做一支 20 秒的宣传片，要有作品集那样的质感。
 素材：
- 先打开网站，截取真实的产品界面，找到真实的 logo、颜色和字体，
  都存进 assets 文件夹，列给我看，再开始做动画。
- 不要凭想象画产品界面，只能裁切、放大、动画真实的截图。
 分镜（每段 2～4 秒）：
1. 开场：用 5 个字以内的大字，说出用户的痛点。
2. 产品出场：界面一块一块拼出来。
3. 三个核心功能：每个功能用一个界面操作来展示，有鼠标真的在点。
4. 一个能证明效果的数字：[数据]。
5. 结尾：logo + [行动号召，比如「立即试用」]。
 声音：用代码写一段 120 BPM 左右的原创音乐，点击声、转场声卡在节拍上。
 尺寸：先做竖屏 9:16，再用同一套画面做 1:1 和 16:9。
正式导出前，先每段截一张图拼成大图给我看。

有几个地方需要注意：

• 一个产品固定用一个对话。 第一支片子做完，渲染、音乐、导出这些工具都已经搭好了，流程也固定了，接着做第二支会快很多。

• 如果想要一个会说话的吉祥物来讲解产品，可以接入配音服务（比如 ElevenLabs），让它给角色配上声音。类型三：界面演示动画

类型三：界面演示动画

最近很火的一种：屏幕上只有一个形状，从按钮变成加载圈，再变成播放器、图表、弹窗……一路变下去，从头到尾不切镜头。最后一帧和第一帧一样，可以无缝循环。

做这种片子就不能只说感觉了，需要把每一个状态写成清单。就像拍戏前先把道具和走位都定好，它照着演就不会乱。

可以用这个结构来写：

【先问我】
我的产品和网址、这支片子要经过哪 8～12 个界面状态、
每个状态里显示的真实数据、品牌色和字体、背景音乐、要哪些尺寸。
 【风格】
产品演示风格。只有一个容器，从头到尾不切镜头：
每个状态都是同一个形状在变大小、圆角和颜色，里面的内容在变形时切换。
每一次变化都由鼠标点击触发。浅色背景，一种强调色。
动作要有弹性，但只能轻微回弹。
不要：夸张的弹跳、发光、界面上的渐变、粒子爆炸、没有动作的空档。
 【结构】
120 BPM，8 个小节，每一拍都有东西发生。
logo → 按钮 → 输入邮箱（打字）→ 加载 → 成功打勾 → 数据卡片
→ 图表自己画出来 → 鼠标悬停出提示 → 搜索面板 → 弹出通知 → 回到 logo。
 【做法】
- 形状开始变形后，里面的文字再出现；下一次变形开始前，文字先消失。
- 最后一帧必须和第一帧完全一样，包括鼠标的位置。
 【开始】
先问我要上面的信息，然后把状态清单按节拍排好给我看，确认后再写代码。

最后一句很关键：先确认清单，再动手。 清单对了，画面基本就不会跑偏。

当然这个思路也可以反过来用：让它先写一个假的软件界面当「片场」，每个按钮、每个面板都有定好的状态，再让一个小角色在里面操作，就是一支有故事的演示片。

几个通用技巧

不管做哪种类型，下面这些都用得上。

1、动作更有质感

廉价的动画是从 A 匀速滑到 B。有质感的动画像真实的东西一样有重量：先加速，稍微冲过头一点，再停稳。这种效果叫「弹簧动画」，跟 Claude 说一句「动画都换成弹簧效果」就行。

就是没有背景音乐，也要有音效

点击声、转场的「嗖」声、落地的闷响，这些小音效能让画面一下子有质感。不用去找素材，让它用代码直接合成，放在和画面同一条时间线上：

给画面配上音效：按钮点击用短促的「嗒」，转场用「嗖」，重要画面落地用低沉的「咚」。
音效都用代码合成，和画面动作对齐。
最后整体响度调到 -14 LUFS（短视频平台常用的标准）。

2、想用现成的框架

前面的做法，都是让它从零写一个网页来画画面，这也是它默认的做法。如果想用成熟的视频框架，要在提示词里明确说出来，不然它不会主动用：

• Remotion：用 React 写视频，适合做系列视频、模板、和数据绑定的视频。官方给 Claude Code 准备了插件和技能包。

• HyperFrames：HeyGen 开源的框架，用普通网页写视频，专门为 AI 设计，也自带技能包。

在提示词里加一句「用 Remotion 来做」或「用 HyperFrames 来做」就行。

3、如果需要一次出好几个尺寸

千万不要做好横屏再裁成竖屏，这样字和画面都会被切掉。可以用下面的提示词：

用同一套时间线，分别做 9:16、1:1、16:9 三个版本。
每个版本单独调整文字和画面的位置，不要直接裁切。

做熟了，还可以把流程打包成技能

同一类片子做了几次以后，可以让 Claude 把整套流程打包成一个技能（skill）：要问哪些信息、按什么顺序做、有哪些规矩。

把我们这次做宣传片的整个流程，整理成一个叫 motion-reel 的技能：
开始前要问我哪些信息、每一步做什么、有哪些不能违反的规矩。
下次只要输入给网址就做一支 20 秒的竖屏宣传片，它就会按这套流程走一遍，效率提升一大截。

最容易踩的 5 个坑

1.画面和鼓点差一点。 电脑算的节拍不一定和耳朵听到的一样。觉得不对就立刻改，直接说「慢了」或「快了」就行。

2.导出的前几帧字体不对。 多半是字体还没加载完就开始截图了，跟它说「等字体加载完再截图」。

3.剪过的地方有「咔哒」声。 可以让它在拼接处加很短的淡入淡出，剪的位置卡在节拍上。

4.每次都导出整支片子，太慢。 每秒 60 张的正式版，导出时间大约是片长的 3～5 倍。平时只导出一小段，用每秒 30 张预览。

5.音乐版权。 特别要注意，免费不等于随便用，要看清楚要不要署名、怎么署名。