一夜之间，全网都被Opus 5.5做的视频刷屏了！看看究竟咋回事

一个人对着电脑，口述了 5 分钟需求。

然后 Claude 自己干了 12 个小时，交出一支完整的动画。

这条帖子，在 X 上被看了 144 万次。

▲ 视频：donald 的作品：口述 5 分钟需求，Claude 连续工作约 12 小时完成

它不是孤例。

9 月 22 日 Claude Opus 5.5 发布后大家觉得他很强，但没想到几天之后，真正流行的却是视频。

有人干脆说：只要它能做出这种东西，跑分我不在乎了，连 Astra 都瞬间不香了。

说实话，我看了这视频，我是一脸懵。

Opus 5.5 不是不能生成视频么。 而且它连一张图都生成不了。

那这些动画、视频，是从哪冒出来的？

01 这些动画，有多离谱

在回答这个问题之前，我还是先来看看这几天风靡网络的那些疯狂的视频吧。

声明：本文引用的视频版权均属作者本人。

1.1 它能接商单：宣传片和广告

这一波冲击最大的可能是那些传统的视频广告公司了。

Deedy 给一家推理初创公司做了一支发布视频，用时约 1 分钟，成本约 2 美元，32 万播放。

▲ 图：Deedy 为一家推理初创公司做的发布视频（节选）

Pivi 给产品 Dictus 做了一支 32.5 秒的手绘风宣传片，只给了一句话：这是参考视频，分析它，然后给 Dictus 做一支同样风格的。

剩下的它全包了，拆帧分析风格、去代码仓库里找 logo 和配色、写场景、自己检查画面、自己作曲。

感觉特么的影视工业要废了，他一个人把所有的事都干了。

还有人用它做了 Dunkin' Donuts 的广告片，日本网友拿它给自家小店做了 30 秒宣传片，全程只需要一句提示词。

▲ 视频：Pivi 为 Dictus 做的 32.5 秒手绘风宣传片

1.2 它能当老师：科普讲解

Addy Osmani 用它做了 40 秒的“浏览器是怎么工作的”，握草，我觉得这种东西真是让人眼前一亮，用来做科普视频、教学视频太香了。

▲ 视频：Addy Osmani 的“浏览器是怎么工作的”

Deedy 更狠：丢进去一篇研究论文，出来一段 8 分钟的 3Blue1Brown 风格讲解视频，25 万播放。

这种视频，我以前看了很多，我都很佩服他们是怎么做出来，没想到现在只要这么简单了。

▲ 视频：Deedy 用一篇论文生成的 3Blue1Brown 风格讲解视频

Chubby 让它做了一部 3 分钟的 AI 简史，从“Attention Is All You Need”一路讲到 AGI，带配音带配乐。

就没想到最终视频的解法变成是用编程的方式来做掉，哪要什么Sora、SeeDdance啊？

▲ 视频：Chubby 的 3 分钟 AI 简史

1.3 它会讲故事：叙事短片

有人让它把“自己的一生”从第 0 天画到现在，35.8 万播放。

▲ 图：“Opus 5.5 的一生”，从第 0 天画到现在（节选）

有人让它做一部定格动画，主题是“通过 Claude 的眼睛看世界是什么感觉”。

▲ 图：“通过 Claude 的眼睛看世界”（节选）

Vox 的《小字》只有 29 秒：Claude 每天收到一大堆请求，它从里面圈出藏着的“人的部分”，比如一句“单手打字，宝宝睡着了”，轻轻放进罐子；到了夜里，这些字变成星星，连成星座。作者说自己一行代码没写。

▲ 视频：Vox 的 29 秒短片《小字》

1.4 它会炫技：没有任何限制时，它做了什么

Justin 给的提示只有一句：做一个你自己最令人印象深刻的演示。不给任何指导。

它自己跑了约 5 小时，烧掉约 6.97 亿 token，交出一段 demoscene 风格的片头，画面和声音全部来自代码，最后打包成一个 280KB 的 HTML 文件，没用一张图、一段音频、一个库。

不过我觉得有点夸张了，我做一个视频其实没有那么久。

▲ 视频：Justin 的 demoscene 风格片头，画面和声音均由代码生成

1.5 中文圈怎么玩

中文作者的作品，一点不输。

宝玉用 three.js 做了《桃花源记》的 3D 交互动画，可以在线“走进”桃花源，19.6 万播放。

他特意说，这是反复打磨多轮的结果，还让 Opus 自己去搜免费 3D 模型，省掉从头建模。很多人还在拼这个Blender的能力，没想到几天之后已经上升到另外一个维度了。

▲ 图：宝玉的《桃花源记》3D 交互动画（节选）

WY 做了一部 2 分 38 秒的《中华上下五千年》，15 万播放，只用了 Max 5x 套餐周额度的 1%。卧槽。

▲ 图：《中华上下五千年》（节选）

SuSu_酥酥的作品最有梗：一个 Claude 小人站在“自己写的剪辑软件”时间轴上剪片子，从日出剪到热咖啡、三只猫、跳舞。转场、波形、导出按钮、手机预览框，全是代码画的，35 万播放。

我操，这个真的是不错。这种视频原来是应该要很专业的人才能做出来。

▲ 视频：Claude 小人在“自己写的剪辑软件”里剪片子

看完什么感觉？

反正很多人的第一反应是：视频模型要废了。

那真的是这么回事吗？

02 魔术揭秘：它不拍视频，它造了一台“画画机器”

答案其实很简单：Opus 5.5 写代码，代码画画面，电脑把画面一帧帧存下来，拼成视频。

不得不说，这真特么是暴力出奇迹。我们根本不能用人类的思维来去想AI，他居然想出这种办法来做视频。

拿那支 MV 拆开看，它干了四件事，每一件都像一个真正的动画团队。

▲ 视频：这支 156 秒的 MV 就是下文拆解的对象

第一步，当导演。 它先给自己写了一份分镜，规矩定得比很多人类导演还细：每个镜头都必须有东西在动；画面里不许出现文字；角色长相全程固定；配色从暖奶油色，一路走到太空紫，再到警报红；每一次切镜都要有理由，一口咬下去黑屏，一次跌落，一次穿过眼睛的推镜。

第二步，当制片。 它又写了一份“风格手册”发给手下，然后开了一群子代理，每人认领一章，同时开工。整支 MV 九章，九个代码文件。

第三步，当画师。 每个文件负责在网页里一笔一笔画出自己那段，用的还是水彩笔刷。

第四步，当剪辑。 一个脚本打开浏览器，一帧一帧截图，156 秒，约 3,760 张。最后用 ffmpeg 把图片和音乐拼在一起，出片。

▲ 图：Opus 5.5 做 MV 的四步：导演、制片、画师、剪辑

这套路子不是个例。

有人拆解了一支手绘 MV 时，讲的是同一个流程：模型先写分镜，把歌拆成 9 章，每章一个代码文件，再给并行的子 Agent 写简报，各改各的章节，最后 p5.js 画帧、后台 Chrome 截图、ffmpeg 合成。

还有些视频，连现成的动画框架都没用：原生 Canvas 画画面，Playwright 开一个看不见的浏览器逐帧截图，ffmpeg 编码、混入音轨。

工具可以换，骨架都一样：写代码画画面，截图存帧，拼成视频。

打个比方。

Sora、可灵这类视频模型，像摄影师，镜头一按，画面就有了。

Opus 5.5 不一样。

它是一个会写程序的导演，先写剧本，再造一台会自己画画的机器，然后让机器画一整晚。

所以严格说，这次让大家惊掉下巴的，不是“AI 会做视频了”。

而是一个 AI 能独自带完一个几千行代码的项目，从剧本到成片，中间不崩。

视频，只是它刚好被大家看见了。

03 别光看，你也能做

好消息是：这套玩法，普通人也能上手。我按难度分了三档，挑一档就行。

3.1 入门档：一段话，出一支动画

什么都不用装。打开 Claude，选 Opus 5.5，把下面这段话丢进去：

用单个 HTML 文件（纯 Canvas + JS，不用任何外部图片）做一段 20 秒的中秋祝福动画，竖屏 9:16。 分镜：夜空中淡出一轮满月，桂花飘落，一只玉兔从月亮里探出头，提着灯笼跳到画面中央，最后月光汇聚成“中秋快乐”四个字，落款“AI范儿”。 风格：国风水墨质感，配色从深蓝过渡到暖金。 配乐：用 Web Audio 合成一段古筝风格的旋律。 要求：所有动画由时间轴驱动，可以从任意秒数开始播放；写完后自己检查一遍节奏再交付。

几分钟后，一支中秋动画就出来了，我们会发现，这个提示词其实跟我们用视频模型来做的提示词其实是差不多的。

三个小窍门：

• 先给分镜。

  几幕、每幕几秒、发生什么，写得越清楚，成片越稳。

• 风格要具体。

  “国风水墨、深蓝到暖金”，比“好看点”强一百倍。

• 哪里不对就直说。

  “第 8 秒太快”“兔子大一点”，它只改那一处。

还有一句“万能提示词”，最近被很多人拿来测它的审美上限：

制作一段 15 秒的动态图形视频，展示你是一个多么出色的动态设计师，就像这是你简历里的作品展示卷。全力以赴。

Fujin 和 Kenn 用的是同一句话，做出来的片子完全不一样。你也可以丢进去试试，看看你的 Opus 会交出什么。

▲ 图：Fujin 用这句提示词做出的动态图形（节选）

▲ 图：Kenn 用同一句提示词做出的动态图形（节选）

我的案例：GPT 出图，Opus 5.5 做动画。

光看别人的不过瘾，我自己也做了一支中秋动画。

分工是这样的：Codex 调 GPT 出图，Opus 5.5 写代码让这些图动起来，配乐也是它用代码合成的，最后渲染成 MP4。

第一版，8 分钟出片，但很难看。

GPT 画了 5 张水墨素材：夜空远山、满月、提灯玉兔、桂花枝、一条云。

Opus 5.5 把它们叠在一起：月亮升起，云飘过，兔子跳到画面中央，最后浮现「中秋快乐」。

▲ 图：中秋动画第一版（节选）

它确实能做出来，但不得不说，这玩意就像小学生的作品。

所有东西都只是在平移、缩放、变透明。兔子是整只滑过去的，四肢不动；云就是一张图在挪。

它不是动画，是会动的 PPT。

第二版，21 分钟，终于像动画了。 我让它把动作做真，它换了三个办法：

• 场景拆成 6 层。

  夜空、远山、近山、三团云，各走各的速度。镜头先从天上往下摇，再跟着兔子横移，纵深一下就出来了。

• 兔子画 4 个姿态。

  蓄力、蹬地、腾空、落地。代码按跳跃节奏换姿态，再加上挤压拉伸、腾空残影、落地激起的云气和影子，兔子沿着山脊连跳 9 下。

• 云和月都在动。

  云会翻涌，雾会流动，月亮从山后升起、沿弧线走，把旁边的云照亮。兔子每次落地，配乐里还有一声轻响。

▲ 动画：中秋动画第二版

▲ 图：素材拆解：6 层场景和 4 个兔子姿态，都由 GPT 生成

耗时：GPT 出图约 16 分钟，Opus 5.5 调代码加渲染约 7 分钟。600 帧渲染不到 1 分钟，真正花时间的是出图和来回挑错。

翻车也不少：兔子一开始跳在松树梢上；GPT 画的 4 个姿态里，蹲着的那只根本不是同一只兔子，重画了一次才对上。

虽然不完美，但多少有了有那么点意思了吧？而且你应该能明白它做动画就这个原理。

3.2 进阶档：真正导出 MP4

前面的方法毕竟还是太简单了，但如果你要做些复杂点的。想要高清成片、想批量做，上 Claude Code，再装一个 HeyGen 开源的 HyperFrames。

电脑上装好 Node.js 22 和 FFmpeg，终端里敲一行：

npx skills add heygen-com/hyperframes

之后在 Claude Code 里输入 /hyperframes，说你想要什么视频。npx hyperframes preview 预览，npx hyperframes render 出片。

最香的用法：把写好的文章丢给它，直接变成视频号竖屏短视频。一份内容，两个平台。

我的案例：把这篇文章变成视频号短视频。

我在 Claude Code 里用 /hyperframes，把你正在读的这篇文章，做成了一支竖屏短视频。提示词是这样的：

/hyperframes 把这篇文章做成视频号竖屏短视频（1080×1920），时长约 40 秒，以配音实际长度为准。 流程：先按下面的旁白稿用 kokoro 生成中文配音（环境在 .venv，音色用 zf_xiaoxiao）。然后按配音的实际时间点排画面和字幕，字幕逐句对齐。BGM 用 [你的 BGM 文件路径]，人声出现时自动压低，结尾 logo 处 BGM 恢复并淡出。 旁白稿： 口述 5 分钟需求，Claude 自己干了 12 个小时，交出一支动画，144 万人看过。 这几天，X 上刷屏的全是 Opus 5.5 做的动画：206 万、35 万、32 万播放。 但反转来了：它根本不会生成视频，连一张图都画不出来。 秘密是：它先当导演写分镜，再当制片分活，然后写代码一帧一帧画，最后拼成视频。 它不是摄影师，是一个不睡觉、自带剧本的动画师。 画面： 数字逐个弹出，播放量像卡片一样滚过； 「它根本不会生成视频」这句停顿后重重砸出； 导演、制片、画师、剪辑四步的流程图，随着旁白依次点亮； 最后「AI 范儿」logo 定格 2 秒。 暖色调，字幕放在画面下方的安全区。先给我看分镜关键帧，并告诉我配音总时长，确认后再渲染

它先用本地的 kokoro 模型生成中文配音，再按配音里每句话的实际时间点排画面和字幕，BGM 在人声出现时自动压低。

【注意全屏看，我觉得还是很牛逼的】

▲ 图：HyperFrames 做的竖屏短视频（节选）

耗时：10:40 开始建项目，11:00 就交出了分镜关键帧和配音，写片子只用了 20 分钟。渲染反而花得更久，11:38 才出片，成片 36.6 秒。

翻车出在渲染环节：它把横竖两版同时开渲，两个任务都去装渲染用的 Chrome。

停掉其中一个之后，安装锁没有释放，后面每次渲染都在等「另一个进程装完」，白等了约 15 分钟，一帧没出。

教训是：渲染一次只跑一个。

04 泼盆冷水

吹完了，说点扫兴的。

它画不了真实世界。

几何、光影、粒子、卡通，代码是一把好手。但你想要一张真实质感的产品照、一张有毛孔的人脸，代码画不出来。

这活儿还得交给视频模型。

长片和炫技很烧额度。 两三分钟的科普片，花掉周额度的 1% 到 7% 不等；放手让它自由发挥，一跑就是几个小时、几亿 token。

不过说实话，即便如此，也是会比这些视频模型更便宜。

GPT 出图，也有天花板。

现在流行一种组合：GPT 负责出图，Opus 5.5 负责让图动起来。

接法有两种，在 Codex 里用 ChatGPT 账号出图，或者在 Claude Code 里调 OpenAI 的图片接口。

我自己试过，画面质感确实上了一个台阶，但问题也很明显：同一只兔子画 4 个姿态都对不齐，得重画；几张图轮换着用，终究不是逐帧动画，兔子腾空时身子不会弯。

另外，Claude 和 ChatGPT 两边的额度都得花。

05 最后

回到开头：Opus 5.5 会做视频吗？

不会。

但它换了一种方式，把视频“写”了出来。

这种方式有个视频模型给不了的好处：成片背后是一份代码。

品牌色要换？改一行。镜头想放慢？改一个数。“中秋快乐”要变成“国庆快乐”？改四个字，重新渲染，不用重新抽卡。

它不是摄影师。

它是一个不睡觉、不喊累、自带剧本的动画师。

参考资料

01｜John Heibel：PDoomVideo 源码仓库

https://github.com/JohnHeibel/PDoomVideo

02｜HeyGen：HyperFrames（开源）

https://github.com/heygen-com/hyperframes

03｜OrcaRouter：拆解 Opus 5.5 做视频的流程

https://www.orcarouter.ai/blog/claude-opus-5-5-video-plan-one-shot