你好，我是月晖。

从昨天上午开始，我就在我的Claude Code里不断跟Opus5.5模型对话，把思考强度开到最大（Max），让它给我渲染视频。

最早意识到Claude最新出的这个模型，在视频生成方面功力不俗，是将近半个月前。9月29日，我的朋友在他的Mac电脑上用Claude Opus 5.5渲染了一段6分钟的视频，讲中国古代思想流变。整个视频63张图，时长6分钟，配乐与画面浑然一体，精妙绝伦。随后，他写了一篇文章发布在自己的公众号上感慨此事。

看过后，我也萌生了自己弄一个的想法。这是十一前的事，我原本应该在十一假期里做，但10月1号和10月2号那两天我沉迷网络小说，10月3号起去上海见朋友，所以假期内就没有做成，一路拖到现在。

这种新技术一旦发布，从海外到海内大概需要一周；从最早有人琢磨出用法，到网上开始大量涌现，也差不多一周。那些技术爱好者追得非常快，大概10月7号晚上，我在上海等晚餐的时候，打开B站就刷到成片的Opus 5.5视频，心中顿生紧迫感，回京之后迅速开始做。

做法本身不难：

第一，在电脑上打开调出Claude Code的对话，以我自己为例，就是苹果电脑打开终端。然后直接用文字命令说明想做的题材、时长和参照的艺术风格，像我这次选的艺术风格是直接参照我朋友的那个视频，我就告诉Claude Code这个视频在电脑上的位置，让它自己去看。

第二，画面。主要是让Claude Code自己跑。命令下达之后，它一般会先下载大量资料，然后开始渲染图片。这个过程中，人其实不需要做什么，只要确认API供给别断就行，然后让电脑一直开机，Claude自会分化出无数Agent，写分镜、写代码、渲染。

它给出画面后，人必须重新看一遍，避免迷之bug，比如文字和图片重合或者出现乱码。如有此类问题，告诉它，让它重画。

第三，音频。目前大概有三类解法：一是你自己有其他AI生成音频平台的API，比如Suno，然后以MCP让Claude Code去对接其他平台；二是让它自己写代码做音乐；第三，我今天的做法是让Claude Code根据视频内容写生成对应配乐的提示词，我充当能工智人去复制提示词粘贴到网页端Gemini的对话框里，让Gemini（当然实际上是Lyria3.5）写音乐。

Lyria3.5现在写一首音乐，可以长达2:30~3分钟，连贯性很好，一首就能管半段视频，非常给力，且如果有Gemini Pro便是免费。

如此，人与AI配合默契之下，半天即可出一个五六分钟的视频。

说完不难的，再说困难的地方，也就是这事真正的门槛所在：

首先你要有Claude Code会员账号/买API，这一步自不必说；其次，就是Token消耗问题。

理论上，你确实可以像网上说的那样“用一句话生成视频”，活都让Claude Code去干，人就负责震撼瘫坐。但实际上，如果真这样做，消耗的token数量可能非常庞大，比如我今天做出两个视频，总共消耗了几亿token，大概相当于有几百刀。我自己是因为有朋友免费送我额度，所以能这么做。如果全都是花钱买额度，从性价比上看其实很成问题。

这么多token花在什么地方呢？我做完视频之后，让Claude Code也给我出了个报告。大体上，主要花在两个地方。

——资料考证与整体构思，主要是开工前的长时间构思，思考过长，有三次撞到了单次输出上限。

——分镜绘制与逐页检查，这一环节每页都要画、出预览、看图、修改，这个过程中，大模型可能会在一些奇怪的地方过分严谨。然而，这种严谨说实话也不能真的保证它生成的画面没有问题，人还是得审一遍。

如果再去看token消耗的结构，读入是非常多的，因为我整个项目是在一个对话里做完，每次都要把前面的全部对话读一遍，越到后面越贵。

我今天这种使用方式相当粗放，今后如果还是用Claude Code去做视频，肯定得优化。比如说，查资料之前我可能会限定一个范围，这次为了做一个比特币的视频，给我下载了上百份报告，这就明显存在冗余。又比如写稿可能会由我自己完成，大模型在选择内容上的判断力目前还不够，想选出好内容消耗的token太多。我能简单做的工作就自己来，完全不会的再指望大模型，像是写代码去渲染这种肯定得让它来做。

最后，放一下我的两个视频：

1，Opus 5.5 x 诡秘之主｜从史前到第五纪全历史动画（B站）

亦可在抖音、小红书、YouTube搜【月晖】进我的频道观看。

2，17年1.7亿倍：6 分钟比特币发展史｜Opus5.5模型制作（B站）

亦可在抖音、小红书、YouTube搜【月晖】进我的频道观看。