ARTICLE · 1165470
没碰剪辑软件!我让Claude自动剪出了一条视频【流程全公开】
先说结论：下面这条 77 秒的视频，我一次剪辑软件都没打开过。
文案、配音、字幕、画面、背景音乐，连封面和发布标题，都是 Claude 做的。
不是"AI 辅助剪辑"，是压根没有剪辑这一步。
这条视频里，哪些是 AI 干的
全部。按出场顺序数一遍：
·文案：不到 400 字的口播稿，外加发布标题、简介、话题
·配音：豆包语音合成，一共 19 句
·字幕：按配音的逐字时间戳对齐，不是估出来的
·画面：19 个镜头。6 个是角色场景，小机器人会自己走进画面、换动作；13 个是黑底的动态图表
·背景音乐：从我的曲库里按文案的情绪挑了一首，人声一出来自动压低
·封面：一整张手绘海报，胶片格子里画的就是成片里的真实镜头
·剪辑：没有
先看成片，再往下讲它是怎么来的。
不剪，那视频是哪来的
是写出来的。
网页本来就会动。把一个会动的网页一帧一帧截下来，再连起来，就是视频。
所以 Claude 写的不是剪辑工程，是一个网页：哪一秒出现什么、怎么动，全在代码里。然后用 HyperFrames（HeyGen 开源的工具）逐帧截图，合成 MP4。
这带来一个很爽的结果：改视频就是改一行字。想换一句文案、挪一个镜头、把角色调大一点，改完重新出片就行，不用在时间线上拖来拖去。
整套流程只有 3 步，顺序错一步就全乱
这也是这条视频本身在讲的事：
① 先配音。 声音有多长，镜头就有多长。先做画面再配音，就像先把布裁好，再去量身高。很多人第一次做，画面和声音对不上，就是栽在这里。
② 再做编排表。 每一行是一个镜头：说什么、放什么画面、用哪种表现。Claude 按表执行，不临场发挥，画面才稳。
③ 最后才生成画面。 角色和场景交给生图模型，图表和文字交给网页动效。
让角色自己走起来，是最折腾的一步
大多数 AI 讲解视频里，角色是一张不动的图。我想让它走进画面。
第一版很直接：让模型画两张走路的图，来回切换。结果像在地上滑行，头还一跳一跳的。
后来换了思路，学皮影戏：让模型把角色拆成三个零件画出来，身体、一条腿、一条手臂。再用代码把它们接上，腿绕着关节前后摆，手臂反着摆，每一步迈多远按腿长算，脚就不打滑了。
左边四个是到位之后的动作，右边三块就是走路用的零件。所有角色图都画在绿幕上，再抠成透明底，这样它才能站进任何一个场景里。
接起来之后，走进画面是这样的：
这套角色图只用生成一次。同一个角色做下一条视频，直接拿来用。
再说三个差点翻车的地方
字幕凭空消失。 渲染出来的成片，底部少了一截，黑底镜头的字幕整行不见了，可预览截图里一切正常。查到最后，是浏览器在后台运行时，可视区域比设定的矮了 90 个像素。
背景音乐小到听不见。 第一版太保守，人声一出来音乐被压得太狠。后来把整体音量提上去，压低的幅度减半。
封面太平。 第一版是"一张图上压一行字"。后来改成整张海报一次画出来，胶片从角色身后绕到身前，层次才出来。而且封面里的画面必须取自成片的真实镜头，不能放无关的装饰图。
我把它做成了一个 skill
以上这些，现在打包成了一个 skill，Claude Code 和 Codex 都能装。（这条片子是用 Claude 跑的，所以封面上是 Claude 的图标；用 Codex 跑，就是 Codex 的。）
用法是一句话：
用 explainer-video 做一条讲解视频，主题是……
它只在两个地方停下来等你：
1开头问你要哪种风格，一共三种：角色场景配动态图表、黑白手绘白板、界面卡片配截图标注
2文案写完给你确认，连同标题、简介、封面文字一起
你点头之后，配音、配乐、生图、出片、封面、发布文案，它自己跑完。
交到你手上的是一整套：成片、竖版和横版封面、可以直接复制的标题和简介。
几个实际的数：
·这条 77 秒的片子，在我的 M1 Pro 上渲染大约 5 分钟
·同一个角色再做一条，大概要生成 6 张图：5 张场景背景，1 张封面
·配音改一句只重新合成那一句，其余不动
用到的东西也交代一下：写代码和统筹是 Claude Code，出片是 HyperFrames，配音是火山引擎的豆包语音，生图走的是我自己的 HRouter 画布。
最后
这条视频讲的是"AI 做视频的顺序"，而它自己就是按这个顺序做出来的。
你最想让 AI 替你做哪种视频？评论区告诉我，下一条就做它。