用 Opus 5.5 做视频 — Frontier Now

花大约 $3 和半小时，你能得到一条 84 秒、1080p、配乐卡着剪辑点的成片——文字不糊、数字不融、每一帧都能改代码重渲。做这件事的不是视频模型，是 Opus 5.5 写的程序。

事实核查截至 2026-09-30。关键数字全部挂来源；表述分三级——已证实（官方文档或经核实的一手材料）、社区经验（创作者自述，未经独立复核）、社区推断（超出披露范围的推测，出现时明确标注）；下文未单独标注者均为社区经验。

它不是视频模型

Anthropic 的 platform docs 写明，Opus 5.5 的输入输出是“文本+图片→文本”（已证实，platform docs）；官方模型页的定位是 agentic coding、computer use 和 knowledge work，通篇没有视频相关表述——发布当天的报道也没提。你在 X 上刷到的那些片子，基本都是它编排外部工具的副产物。

博主 zhuermu 自费在 API 上跑了五条片，再把五份成片的源码读了一遍——五次独立运行，收敛出的管线几乎同构（社区经验，博客）：用 HTML/Canvas/WebGL 写一个 renderFrame(t)，每一帧都是时间 t 的函数；headless Chrome 并行截帧；ffmpeg 编码、拼接、混音；抽帧拼成 contact sheet 自检；发现问题，改代码，重渲。他的原话：

Opus 5.5 is not a video model like Sora. It does not paint pixels. It writes a program that draws every frame in a headless browser, then hands the frames to ffmpeg.

所以这个生态里其实只有三种机制：写程序画每一帧；剪辑外部素材；指挥外部视频模型。本篇三条路线照此展开，路线一、二走全代码渲染，路线三分实拍线和生成线。措辞纪律也一样：下文不写“它画了一帧”“它生成了视频”，只写“它写的程序渲染出的帧”和“它剪辑的外部素材”。

写实能力有数据可查。X 账号 baboonAI4S 拿 athemeroy 语料库的 1401 个去重视频跑了解剖（“三天”的具体起止，推文没注明）：代码绘制动效占 33%，3D 渲染占 29%，写实照片级只有 2.8%，剩下三成多散在其他风格类（社区经验，原推）。分类的底子是语料库用 Gemini 3.8 Flash 做的自动判定（1,119 个“yes/likely”文件），非人工逐条，这组数字当方向看，别当精确普查。要真人出镜、实拍质感，直接去路线三，让视频模型出画面、Opus 管编排。

环境与预算

工具三件套：Claude Code（订阅 Pro 或 5x，或 API 按量，zhuermu 用的 API）、本地 ffmpeg、headless Chrome（走 Playwright 的话浏览器用 npx playwright install 装；直接复用本机 Chrome 的无头模式也行，zhuermu 就这么干的）。配音三选一：edge-tts 免费稳定但没感情（cosine 的选择）；MiniMax（zhuermu 用，他的原话“未单独计费”，是没花钱还是成本没单列，博客没展开）；Kokoro-82m（deedydas——Menlo Ventures 合伙人、Anthropic 投资人——的 3b1b 风格讲解片拿它配音）。headless 模式有个坑，六条经验里专门有一条。

成本方面，每个数字都是作者自述（社区经验，未经独立复核；zhuermu 的测试无赞助、无厂商额度），原样照抄：

场景	数字	来源
deedy 1 分钟宣传片	自称约 $2；API 还是订阅口径，他没说	推文
第三方复现	$3.21 与 $4（OpenRouter，二手转述）	Traictory 汇总
zhuermu 五条总账	至少 $55.41：八次运行，其中一次超时被杀、无成本记录，所以是下限；单条 $2.96–$14.79	博客
zhuermu 建议值	短片 $3–9；8 分钟以上讲解片带一次返工约 $15，中断另算	同上
cosine 40+ 分钟教程	约 $100，约占其订阅额度 20%（档位文中未说明）	博客
订阅换算	做 1 分钟成片约花 5x 计划（$100/月那档）1% 的周额度；额度全用满约 400 分钟（i陆三金个人估算，只当量级参考）	微博

这张表全是 n=1 的自述：deedy 连口径都没说，第三方复现是二手转述，cosine 的订阅档位也没写明。拿它定预算，最多定到量级。真要兜底，三招都有出处：贵步骤先报价请批（koldo2k 的做法，写进提示词即可）；订阅模式自带周额度硬顶，跑到一半被掐，靠交接文档开新会话续上（cosine 第八步，zhuermu 的中断续跑就是这么活的）；API 模式在 Claude Code 里随时 /cost 看本场花费，跑飞了 Ctrl-C 杀掉，缩小范围重跑。

时间预期：84 秒的片约 24 分钟、48 轮（zhuermu）；15 秒竖版给足逐秒分镜 23 分钟、自然语言改一版 4 分钟（台中网页公司 des13）；6 分钟英语课一轮约 45 分钟（0x0funky）。cosine 的 40+ 分钟教程只公开了成本，没公开总耗时。提示缓存让“改一版”比视频模型重新抽卡便宜——这是微博 AI 博主 i陆三金的经验判断，没有对比数字，信几分自己掂量；des13 那 4 分钟改一版就是这个道理。技能栈方面他的建议够用：HyperFrames 或 Remotion 加 TTS 是底座，想花哨再接 Gemini 生图、ElevenLabs、3D 生成。

也别从零造轮子，现成的有一排：HyperFrames（准备动作只有 npx hyperframes skills update，des13 靠它做了四支品牌动画、全程没开剪辑软件，v2code 有七步教程）、buildwithhanif/claude-animation-skill、ClaudeAnimationBase（p5.js 起步模板）、Lemo-Opuscar（39 种风格）、Papermotion（剪纸动画引擎）、video-use（实拍剪辑方向，27,613 星，09-30 查的，星数随时在变）、shipvideo（launchvideo.io 背后，一个 agent 文件加 3 个工具，自述每片约 90k 入 / 15k 出 token）。先装一个跑通，再决定要不要自己攒管线。

zhuermu 还给过一个自建 pipeline 的对照，帮你判断要不要自己攒：自建的是固定脚本，边际成本近零，风格单一；走 Opus，每条片都等于重写一遍工具，花几刀到十几刀，换来的是每章视觉重新设计。他的落点，就是后面六条经验的标题：决定结果的，越来越是你交给它的 brief 和它背后的材料。

一句话短片

三条路线里最短的一条。最小上手有两条路。

裸奔：一句提示词，加一份交付约束备注。zhuermu 五条片共用同一份备注，抄来就能用：

1080p 30fps；全部画面由代码生成；除提供的配音稿外，
不使用任何图像/视频/音乐/语音生成服务；允许抽帧自检。

备注里“不使用语音生成服务”，禁的是它自行调用外部付费服务。配音的落法有两种：你在自己这边用 edge-tts 或 MiniMax 做好音频再递给它（zhuermu 的做法）；或者把这一条改成“允许用 edge-tts 合成配音”，让它在你机器上本地合成——cosine 的流水线就这么跑（edge-tts 免费且本地，不碰付费服务）。改一句话的事，别让这条备注卡住第一天。

装 HyperFrames：照 v2code 的七步教程走，装 Node 和 FFmpeg，写带 data-* 属性的 HTML（写法直接看那篇教程，有完整示例），preview 看效果，render 出片。

第一次跑的最短路径（裸奔线）：新建空目录，放两个文件——brief.md 写目标和全部事实材料，voiceover.txt 放逐句配音文本（或者你已经做好的一段段 mp3）；在这个目录里起 Claude Code 会话，把文末模板贴给它。它交回分镜稿和最难 2–4 秒的动效样后，你在同一个会话里回一句“分镜通过，先渲第 X 秒那段”，或者“把开头改成……”——确认就是这个动作，不用跑任何命令。全片渲完先要 contact sheet，看完再收成片。

动手前记住 athemeroy 语料库的生产指南给出的三阶段验收：先出分镜稿；全片里最难的那 2–4 秒先做动效样；两样都确认了，再全量渲染、交付可复现的工程。跳过前两步直接渲成片，返工的钱全是白花。

前两个实证来自 zhuermu 的复刻（社区经验）：

Wasmer 发布片。 给它的全部输入，是 HN 上那句 “Make a modern slick and punchy video for this announcement:” 加上博客正文。成片 84 秒，$2.96，约 24 分钟，48 轮，一次过。配乐由 numpy 振荡器合成，120 BPM，卡在每个剪辑点上。交付前作者抽帧自检，抓出三个 bug：透明标题字、两条字幕重叠、ffmpeg 命令在手机屏上溢出。还有个细节：博客只说“比原生慢约 5%”，没给原生数字，它把原生柱标成 baseline，没有编一个数出来。

Earthrise。 输入只有“重现阿波罗 8 号拍下 Earthrise 的时刻”。它自己找到 NASA Goddard 的重建时间线（SVS 4129）、LOLA 月面地形和 1968 年星历，从 16:38:13 UT 起按实时推进，三次快门落在历史时间戳上。NASA 官方版本从照片反推构图，它选择沿 NASA 时间线重放。zhuermu 的结论：渲染质量早够用了，瓶颈在它把你的需求理解成了什么。

第三个实证来自 cosine 的收录：群论宣传片（视频作者是 B站 UP sadssxa，提示词晒在评论区）。一句中文——“给我做一个抽代但不局限于抽代的宣传片几分钟视频要丰富不要那么抽象主要是展示抽代的美视觉表现要丰富有冲击力你懂我意思不”，无任何 skill。它决定用 Python 合成 D 小调 90 BPM 的原创配乐、按小节卡场景，写了 1200 行的 1080p 动画页面。B站播放约 22.8 万（BV12Zhm6oE6m）。

中文圈的对照数据来自 des13：一句英文提示词，40 秒横版 25 分钟出片；修改用自然语言，「小鴿擋到文字，讓他和其他三個角色排成一列」「不要往下捲動」，4 到 12 分钟出新版。token 帐单全公开：每支输出 4.5–8.3 万 token，四支合计 943–1296 万 token（缓存读计入总量，也是大头）。

约束的给法也不只“一句话”一种。riku720720 拿 3,459 字符的日文规格书做出一只像素跑酷：Canvas 2D、160×90、禁外部资源，规格写死，发挥空间就小（原推）。3D 方向同样走得通：Clearwater 浅水模拟开了源码，AxtonLiu 的鹈鹕骑车剧场版用了自写 GPU 光线步进渲染器加程序音乐（原推）。一句话和一份规格书之间：想省事就给一句话，想精控就写规格书，中间地带自己拿捏。

一句话提示词适合试上限，交付级项目要控制解读。zhuermu 复刻 Wasmer、Earthrise、P(doom) 三个爆款全部一次过，“launch demos are cherry-picked”的怀疑在这三次复刻里不成立——不过三个样本、同一个操作者，推不出普遍结论；但他的两个讲解片都是 v1 翻车、v2 才对（见六条经验）。要确定性，往下两条路线。

长讲解流水线

个人博主 cosine（余弦，与做 Genie 的那家 AI 公司重名不同人）用这套流程做了 40 多分钟的长教程：配图、配音、音效、进度条、分 EP、响度统一、封面，全由它安排（社区经验，博客）。八步拆开：

步骤 1–2，素材与脚本。 先喂素材：官方文档、产品截图、参考视频，全部丢进项目目录（PDF、图片、mp4 直接放），让它整理成资料。规矩定死：口播里说的每件事，都要能在资料里找到出处；找不到，就别说。旁白逐句写，每句对应一个画面。先出几张静帧或一小段预览，顺眼了再全量渲染，返工成本从这里压下来。

步骤 3–4，配音与字幕。 每句单独合成配音并缓存，改哪句重做哪句；字幕按逐词时间戳切，画面跟着词走。音效直接用代码生成；BGM 在人声出现时自动压低；每集响度统一。edge-tts 免费稳定，缺点是没感情。

步骤 5–6，包装与提速。 进度条、章节时间轴、分 EP、合集、封面、投稿简介，全部从同一份时间轴生成；改了内容，重跑一遍自动同步。渲染慢就直说“渲染太慢了，想办法优化”，它自己找路：多开并发、复用浏览器实例、慢变图层只渲三分之一帧。cosine 的实测数字：合集渲染从 21 分钟降到 9 分钟，进度条层从 15 分钟降到 2 分多，单集从 6 分钟降到 4 分钟。

步骤 7–8，验收与交接。 渲完让它自验收：查帧数、音画对齐、响度，抽帧看字幕排版挤不挤。最后通看一遍，必须人来。上下文很长时，让它把技术栈、文件结构、改法写成交接文档，新会话接得上。

中文圈还有更省心的样本。B站 @美丫姐把文章 PDF 丢给 Opus 5.5 后去睡觉，醒来拿到成片和封面：配音按角色身份分声线，AI 角色带电子感，关键剧情自动配警示乐，全程零 skill、零关键帧（专栏）。她自己的对照是，8 月做 AI 剪辑还要给关键帧加脚本描述。两个月差出一整套工序。

变体不少：dotey 的 12 分钟 Transformer 科普（原推）；kimmonismus 的 3 分钟 AI 简史，Remotion 写了约 7400 行 React/TS；Tony Dinh 的对照（cosine 转录）：一年前 $1000+，现在 30 分钟内出片——一边是钱一边是时间，口径他没细说，连品牌素材都是它自己去扒的；Addy Osmani 的 40 秒《浏览器如何工作》，每帧都是 JS 画的；emollick 把同样内容改成动漫短视频风，一次出（后三条均 cosine 收录）；deedy 的 3b1b 风格论文讲解，工具链 manim + Kokoro-82m + ffmpeg，他的原话是“我没指定任何具体工具”（推文）。

cosine 有一条反直觉观察：“提示词写得越简单，它自己脑补的东西反而越多、越好。“别误读，前提是素材已经喂足。素材空着，简单提示词换来的就是自由发挥。

外部素材线

⚠️ 状态声明：deedy 的完整流程截至 2026-09-30 未发布。他在 09-29 的推文串里写 “I’m going to share my entire flow this week”（原推），“本周”指 09-29 起的那周。本章只基于他公布的七步概要和 09-24 推文的技术披露，超出部分均为社区推断。本篇发布当天已重查原推，出了就更新。相关时间线：Opus 5.5 发布周 09-22；zhuermu 博客 09-26；cosine 09-27；baboonAI4S 解剖 09-29；deedy 原推 09-29。

先把本章的定位说在前头：目前是预告加清单。deedy 流程未发布，可照着跑的只有 video-use 一条，且只有结果记录、没有操作步骤。把这章当菜单读，别当食谱。

实拍/档案线。 deedy 的《America: a 250 year tribute》是 5 分钟纪录片，他的说法是 “completely orchestrated by opus”（宝玉转述的中文版也在流传）。公布的七步：写全片脚本 → 从 YouTube 和档案馆搜集 CC 授权素材 → 剪辑与画面裁剪 → 超分与上色 → 配音、字幕合成 → 配乐 → 审片迭代。硬的技术披露只有一条：09-24 那条 1 分钟宣传片，他的原话是 “no video gen model was used here, no additional libraries. Just JavaScript, playwright and ffmpeg”；纪录片七步清单里同样没有视频生成这一环。七步之外的部分，超分和上色用什么工具、素材怎么筛，他没说，市面上的一切细节描述都算社区推断。

实拍剪辑方向有更小的已验证案例。gregpr07 拍了 13 条 take，交给 video-use 自动读字幕、挑最好一条、剪辑调色加字幕，2 分钟完事，$0.90（原推；他本人就是 video-use 的维护者 Gregor Zunic，参考时记得这层关系）。AxtonLiu 把 83 秒真人原片转成线稿，自述零人工、约 29 分钟（原推）。成本要分开报的例子也有：sab8a 用 Opus 5.5 加 OpenEdit 做口播精剪，约 1 小时 51 分，token 花了 $23、fal 外部服务 $49，两项分开列账（原推）。混合管线照这个习惯记账，月底不会吓到自己。

生成素材线。 あばねちゃん的路子：GPT sol（推文原话如此，具体指哪个产品没写）生成 3 张舞蹈定格姿势图，Grok 把每张做成 6 秒舞蹈视频，三段交给 Opus 剪成 15 秒 showreel（原推）。她的日文提示词原句：

あなたがどれほど素晴らしいモーションデザイナーかを示す、ダイナミックな15秒のモーショングラフィックスビデオを作成してください。タイトルは「億万株姫☆あばねちゃん」です。履歴書用のショーリールのような感じで、全力でやって。

Opus 当导演。 gavinpurcell 让它接 Runway MCP 出镜头，拍超级智能纪录片（原推）；OriSilver 用 Blender 草模控 Seedance（原推）；koldo2k 走全外包编排，Magnific、Seedream 5 Pro、GPT 2.5 剪纸、Kling 2.5、Lyria 3，总共花了 1,500 credits（哪家服务的积分、折多少美元，推文没写，抄不进预算表就先当贵），而且昂贵步骤前先报价请批（原推）。这条纪律可以直接抄进任何混合管线：外部服务的账单不归你盯，审批权就得留在自己手里。

分工口径参考 apiyi 指南：真人和实拍质感交给 Sora/Veo 这类视频模型，Opus 管编排与包装；照片素材“调用而非生成”，代码加 Ken Burns 效果和遮罩就够。

六条经验

前五条来自 zhuermu 的实操总结，第六条是风格控制：

① 先事实核查，再写 brief。 RSI v1 画面漂亮，引用的 arXiv ID 他逐个查过、全真，但它把“提示工程→上下文→harness→自我进化”画成四棒接力，每棒日期都提前了：context engineering 2025 年 6 月火起来，标成 2024；harness engineering 2026 年 2 月，标成 2025。zhuermu 的形容：“每个零件都对，拼出来的故事比历史整齐。“RSI v2 修好：431 秒 20 章，35 个 arXiv ID 全真。Values v1 更糟，八处事实问题，他的博客举了四例：预印本编号当期刊版本、把论文里”28–62 个百分点“说得比原文更绝对、一条无出处的”西方价值观“论断、把 specs/constitutions 画成第四训练阶段；另四处去他博客对账。Values v2 全修。两个项目 v1 与 v2 的唯一差别：brief 核查过。

② 说清楚你要哪种解读。 一句话进去，它会挑最安全的路走。Earthrise 沿 NASA 时间线重放，属于好的意外；要确定结果，把解读写进 brief。

③ 让它看自己的输出。 五条片全靠抽帧自检抓到 bug。contact sheet 是标准动作，交付前必做。Eric Buess 总结过这个循环（cosine 收录）：模型写代码、渲染、回头看自己渲出来的帧、把不对的地方修掉。

④ 别让长任务死在回合结束。 headless 模式下，回合一结束，后台渲染进程跟着死。解法两个：前台分段渲；或提示词写明“渲染完才能停”。

⑤ 画面跟着声音走。 先合成配音，量出每句真实时长，再排画面。用拉伸音频去贴画面，漂移超过 10 秒就重排。

⑥ 风格和节奏用工程绕。 讲不清风格就垫图、垫视频（i陆三金）；换推理档加笔刷库能换画风——小互（AI 解读站）拆解的那支手绘 MV，Medium 推理出 Flash 风，改成 xhigh 加 p5.brush 后成水彩绘本，注意他一次换了两个变量，画风变化归因给谁没做对照；节奏是模型最常出错的地方（ClaudeAnimationBase 指南），先拿 2–4 秒动效样验节奏，再铺全片。

排错与模板

症状	修理
字幕重叠、透明标题字、ffmpeg 命令溢出手机屏	抽帧自检（contact sheet）
日期与事实错	用核查过的 brief 重来（六条经验①）
音画漂移	先配音、量时长，后排画面
后台渲染中途死	前台分段渲；提示词写明渲染完才能停
节奏乱	先做最难 2–4 秒的动效样
画风不对	垫图/垫视频；换笔刷库；换推理档

模板有三种形态可参考。一句话级：des13 统计的爆款第一名（1370 万观看，其统计口径）就一句「製作一支 2 分鐘的 [主題] 動畫影片，每一幀都用程式碼繪製」，配上路线一里那份交付备注。分镜级：des13 的 15 秒竖版给逐秒分镜，出片后用自然语言改。委托级：donaldjewkes 的 MV 委托书 9,554 字符，配现成 MP4、歌曲、源码，允许图像生成、Seedance 2.5、ElevenLabs，代理连做 12 小时（原推），要精控，照这个形态写。同一句式在我们站上也有可复制的动效 showreel 模板，GLM-5.3 实测跑通。

最后一份模板可直接抄，四个模块对应多位创作者验证过的有效模式——目标、素材边界、交付规格、自检许可：

制作一支 2 分钟的 [主题] 动画短片，每一帧都用代码绘制。

素材边界：
- 配音稿见 voiceover.txt，语音用 edge-tts 在本地合成；
  除此之外不使用任何图像/视频/音乐生成服务。
- 口播里的每个事实（日期、数字、人名）先对照我提供的资料核查，
  找不到出处的删掉，或改写成有出处的说法。

交付规格：
- 1080p 30fps MP4；画面全部由 HTML/Canvas 渲染；配乐用代码合成。
- 先合成配音、量出每句真实时长，画面按真实时长排；
  需要拉伸音频超过 10 秒时，重排画面，别硬拉音频。

自检与流程：
- 允许随时抽帧拼 contact sheet 检查画面。
- 先交分镜稿和全片中最难 2–4 秒的动效样，我确认后再全量渲染。
- 渲染未完成不要停止；回合要结束前，把进度和续跑方法写成交接文档。

语料与延伸

prompt 语料三份：athemeroy 的 88 例 prompt/工作流矩阵；zhuyansen 的 96 条全文 prompt，jasonzhu.ai 可在线播放；X-RayLuan 的逐字 prompt 仓（整仓为 EasyVeo 引流，选例有商业偏置，挑着用）。本站此前拆过画廊里的一批 Opus 5.5 提示词和一份游戏 VFX 提示词，可以对照着看。

语料本身也有水分：baboonAI4S 数出 282 个标注非 Opus 制作、39 组完全重复，别家视频模型公司 higgsfield 混进来发了 22 条，热门仓库里的数字别照单全收。提示词长度的跨度也大：从 172 字到 1.7 万字，差一百倍；还有人 24 小时内“借鉴”了别人 1750 词的 prompt，5-gram 重合率 87%（均为 baboonAI4S 统计）。看语料时先看出处，再看句子。

还有两处容易翻车。模型听不到音频，要卡音乐，先让它“测”音乐：P(doom) 那条 MV 的解法，是用 Python 逐帧算能量、低音和节拍网格存成表，所有视觉读这张表，“It could not hear the song, so it measured it”。另外，deedy 承诺的完整流程一旦公布，外部素材线那一章要照着重写——本篇发布当天（09-30）查过一次，还没出。