代码渲染视频技术栈 — 22 个零件 × 16 类视频配方
来源:罗佳《Claude Opus 5.5 做视频进阶篇,技术栈全拆解》(公众号「风骨」,2026-10-20)。作者用 22 个技术零件、16 类视频样片拆解,给出「风格词+技术栈词」的提示词配方,并列出 8 个现成 Skill。
What it is
一句话原理:Claude 不生成视频,它写一个「画面只由时间 t 决定」的网页;浏览器每 1/30 秒截一帧,ffmpeg 把几千帧拼成 MP4。
- 平面、手绘、3D 底层是同一套截帧管线,区别只在网页里用什么技术画——也就是作者说的「技术栈」。
- 拆解方法:看样片时拆出两样东西——风格(画面长什么样、怎么动、听起来什么样)和技术栈(用什么技术画的、质感怎么来的),两样都写进提示词。
- 提示词结构:内容描述 +【风格】+【技术栈】+ 工序约束(先分镜表、关键帧,确认后再整片渲染)。
Why it matters
不写技术栈时,模型会退回最熟悉的默认做法:深色背景、居中大字、所有东西一起淡入淡出。作者的判断是:只写「做一个水墨风的视频」不够,要写「宣纸、五种墨色、大面积留白」+「Canvas 写笔刷引擎、WebGL 着色器做晕染」——风格词和技术栈词同时在场,结果才对味。
对 Jean 的意义:把「AI 做视频」从手气问题变成配方选择问题。它与 harness-engineering/remotion-claude-code-video-workflow(Remotion 管线)、outputs/collections/prompt-motion/index(232 个 Opus 视频 prompt 案例)构成同一条链路的三个层:案例库 → 技术栈配方 → 具体管线。
零件清单:22 种技术,分五组
原文每组按难度/花费从低到高排;★ 和花费是作者主观判断。编号在第三部分被反复引用(如「②+④」= Canvas 2D 加 WebGL 着色器)。
画面技术:在浏览器里从零画
| # | 技术 | 难度 | 花费 | 一句话 |
|---|---|---|---|---|
| ① | HTML / CSS / SVG | ★ | 低 | 网页元素本身,适合界面、文字排版、矢量图形 |
| ② | Canvas 2D | ★ | 低 | 网页里的一块画布,平面画面的主力:像素、手绘、插画、图表 |
| ③ | p5.js + p5.brush | ★★ | 低 | 艺术绘图库,配笔刷插件模拟彩铅、水彩笔触 |
| ④ | WebGL 着色器 | ★★★ | 中 | 调用显卡给每个像素算颜色,负责「质感」:胶片颗粒、CRT 扫描线、宣纸晕染、发光 |
| ⑤ | Three.js | ★★★ | 中 | 网页里的 3D 引擎,镜头可以在空间里推拉环绕 |
视频框架与引擎:不用从零写
| # | 技术 | 难度 | 花费 | 一句话 |
|---|---|---|---|---|
| ⑥ | HyperFrames | ★★ | 低 | 用 HTML 写视频,按时间线控制;HeyGen 开源,自带 20 多个官方 Skill |
| ⑦ | Remotion | ★★★ | 低(商用看授权) | 用 React 写视频,按帧控制;做长片、做系列的首选 |
| ⑧ | Manim | ★★★ | 低 | Python 动画引擎,3Blue1Brown 作者写的,公式和图形最精准 |
| ⑨ | Motion Canvas / Revideo | ★★★ | 低 | TypeScript 讲解动画框架,中文圈少见 |
| ⑩ | Blender | ★★★★★ | 高 | 专业三维软件,通过 blender-mcp 或 Python 脚本让 AI 操作,做写实三维;需装软件、渲染慢 |
声音:配乐、卡点与配音
作者提醒:Claude 听不到声音,只能报响度数字、画波形图自检,好不好听最后得戴耳机听一遍。
| # | 技术 | 难度 | 花费 | 一句话 |
|---|---|---|---|---|
| ⑪ | 代码合成配乐和音效 | ★ | 免费 | 用 Python 的 numpy 按真实频率算每个音的波形,鼓点、钢琴、点击声都能做 |
| ⑫ | 节拍分析和卡点 | ★★ | 免费 | 用 Python 的 librosa 测出拍子和重拍,画面切换落在拍子上 |
| ⑬ | AI 配乐 | ★★ | 订阅 | 用 Suno 生成一首整曲当背景音乐 |
| ⑭ | 配音(TTS) | ★★ | 按量 | 豆包语音合成(火山引擎)生成中文配音;整段生成,不要一句一句拼 |
素材:代码画不好的部分
| # | 技术 | 难度 | 花费 | 一句话 |
|---|---|---|---|---|
| ⑮ | 截图/录屏 | ★ | 免费 | 推特、网页截图,Claude 可以用浏览器自动截 |
| ⑯ | 生图 | ★★ | 按张 | Seedream、即梦、Midjourney 出插画(上一篇《江月何年》就是这么做的) |
| ⑰ | 视频模型+抠像 | ★★★ | 按秒,最贵 | 真人、舞蹈这种代码画不好的,交给 Grok、即梦等生成绿幕视频,代码负责抠像和包装 |
工具:全部免费
| # | 工具 | 用来做什么 |
|---|---|---|
| ⑱ | ffmpeg | 把图片拼成视频、混音、抠像、测响度 |
| ⑲ | Node.js | 跑 HyperFrames、Remotion 这类工程 |
| ⑳ | Python + uv | 算数据、合成声音、跑辅助脚本 |
| ㉑ | Playwright | 在后台开一个看不见的浏览器,逐帧截图 |
| ㉒ | git | 下载开源项目和 Skill |
不会装时作者给的一句话:「帮我检查这台电脑有没有装 Node.js、ffmpeg、Python、uv 和 git,缺哪个就帮我装上,装完告诉我各自的版本号。」
16 类视频 × 技术栈(决策表)
分类依据来自开源项目 lemo-opuscar:它给 51 种风格各标了 3 个适用场景(如「白板讲解」=讲解/网课/科学),作者按标注把风格归到视频类型,再补 anatomy 案例。每类只举一个样片,技术栈是作者读源码确认的。
| 视频类型 | 技术栈 | 样片 | 难度 | 花费 |
|---|---|---|---|---|
| 知识科普、讲解课 | ② | 白板讲解 | ★★ | 低 |
| 新闻资讯、热点解读 | ②+④ | 卫星简报 | ★★★ | 中 |
| 软件产品(教程/发布) | ① | 活体实机录屏 | ★★ | 低 |
| 硬件产品(发布/详情页) | ⑤+④ | 产品拆解 | ★★★★ | 高 |
| 机械原理、概念图解 | ①+④+㉑录制 | anatomy 火箭发动机 | ★★★ | 中 |
| 数据报告(数据新闻/年报) | ⑳+⑤ | 数据实物化 | ★★★ | 中 |
| 科研与工程实证 | ⑳+⑤+④ | 点云测绘 | ★★★★ | 高 |
| 城市、地产与文旅 | ⑤+④ | 白模投影 | ★★★~★★★★ | 中~高 |
| 历史、档案与纪录片 | ②+④ | 档案灯台 | ★★★ | 中 |
| 国风、节日与民俗 | ②+④ | 中国水墨 | ★★★ | 中 |
| 儿童绘本 | ②+④ | 蜡笔儿童绘本 | ★★~★★★ | 低~中 |
| 品牌广告、MV | ②+④ | 油画厚涂 | ★★~★★★ | 低~中 |
| 搞笑与社媒短片 | ①+② | 复古半调案卷 | ★★ | 低 |
| 游戏与怀旧 | ② | 16-bit 像素 RPG | ★ | 低 |
| 片头与品牌视觉 | ② | 60s 间谍片头 | ★★ | 低 |
| 数学与理科 | ⑧ | 3Blue1Brown | ★★★ | 低 |
规律很清楚:平面类大多落在 ②(Canvas 2D),要「质感」时叠 ④ 着色器;写实三维才上 ⑤(Three.js);需要可交互拆解时用 ①(SVG 等轴测)+㉑ 录制;公式推导只有 ⑧(Manim)。
跨类别可迁移的技法
从 16 个样片里能提炼出比「照抄某个 prompt」更耐用的东西:
- 材质感用材质模型算,不用滤镜。 蜡笔=蜡只粘在纸纹凸起处、油画=颜料当高度场让侧光扫过、水墨=湿笔晕染+边缘积墨、半调=多层网点不同角度叠印、像素=Bayer 抖动代替渐变。共同点是模拟「真实绘画/印刷过程」,而不是盖一层统一纹理。
- 位置和数据从真实来源量,不手写。 软件界面里小人的位置每帧从 DOM 布局量;城市模型用公开建筑数据按比例拉伸;硬件尺寸只用设计文件里的数字;点云的点不许挪动。配套做法是把每个数字写进
FACTS.md。 - 数据先算后画。 Python 先把数据、数值算好存成 JSON,画面只负责呈现(数据实物化、点云、Manim 都是这个分工)。
- 手抖与「线条沸腾」只给角色。 手绘、剪纸、绘本靠低频抖动让静止画面有生命,但文字和网点不加抖动——抖动是「画出来的」,不是「动效」。
- 连续镜头是代入感的主要来源。 白板、卫星、点云、产品环绕都用不切的连续运镜;切镜留给卡片式叙事(案卷、像素、片头)。
- 分辨率纪律。 像素风先画在 320×180 再整数倍放大、关平滑、镜头只按整数像素移动;产品片用 2 倍超采样后再缩小。
- 声音是独立工程。 配乐可用代码合成或 AI 生成,节拍用 librosa 测出后让切点落在拍上,TTS 整段生成再对齐——都在代码层完成,不靠剪辑软件。
- 先分镜后整片。 提示词末尾固定要求「先给分镜表和 3 张关键帧,确认后再渲整片」,把返工成本前移。
- 认清代码的边界。 代码擅长几何、数据、档案、印刷类;真人、舞蹈交给视频模型生成绿幕素材,代码只做抠像和包装。
8 个现成 Skill
作者按难度从低到高排,想一句话出片就直接装。
| # | Skill | 难度/花费 | 适合 | 安装 |
|---|---|---|---|---|
| 1 | xilo-opus-video | ★/低 | 通用入门:先给三个风格拉开的方案+预览图,挑完逐镜头做,自评分到每项 8 分以上才交付 | 让 Claude Code 装 https://github.com/Kianzzz/xilo-opus-video |
| 2 | anatomy | ★★★/中 | 把技术概念造成可悬停拆解的等轴测机器;产出可交互网页,做视频要再用 Playwright 录制 | npx skills add wheresryan22/anatomy -g |
| 3 | HyperFrames 官方 Skill | ★★/低 | 20 多个场景:无人出镜讲解、动态图形、按音乐出片、产品发布、幻灯片转视频 | claude plugin marketplace add heygen-com/hyperframes + claude plugin install hyperframes@hyperframes |
| 4 | Remotion 官方 Skill | ★★/低 | 建项目、渲染、字幕、多媒体、地图等 12 个 | npx skills add remotion-dev/skills |
| 5 | lemo-opuscar | ★★★/中高 | 覆盖最全:51 种风格各带提示词和样片;导演指南+制作指南;声音全套(中文 edge-tts、英文 Kokoro、Whisper 校对),可改造成自己的风格 | claude plugin marketplace add lemomo-ai/lemo-opuscar + claude plugin install lemo-opuscar@lemolab |
| 6 | creator-style-kit | ★★★/中 | @threeaus 的 18 套竖屏风格(基于 HyperFrames),含字体、配色、动效、音效、构图 | git clone https://github.com/threeaus/creator-style-kit.git |
| 7 | lanshu-create-ai-presenter-video | ★★★/中高 | 数字人讲解或 12 种风格化讲解,带配音和自动验收 | git clone https://github.com/cclank/lanshu-create-ai-presenter-video.git ~/.claude/skills/lanshu-create-ai-presenter-video |
| 8 | weilanx-claude-videos | ★★★★/中 | Remotion 工程+8 个 Skill:1 个拆解爆款风格,7 个「给选题就一路做完」 | git clone https://github.com/Azure12355/weilanx-claude-videos.git |
lemo-opuscar 的现实门槛(作者自述):一条片大约 30–60 分钟、token 用量不小;需要 Node 20+、ffmpeg、Python 3.11+;作者在 macOS 开发,Windows 需在 WSL 跑;3D 和着色器多的风格需要显卡。
提示词模板
作者给的通用结构:内容描述 +【风格】+【技术栈】+ 工序约束。以下是原文的水墨示例(第 10 类):
做一支 45 秒的横屏短片,讲张若虚《春江花月夜》里“江畔何人初见月”这一句。
【风格】写意水墨:墨分焦浓重淡清五色,只有印章一处朱红;没骨,不勾轮廓线,形体靠饱含墨的笔触;快笔留飞白;画面大面积留白,东西是一笔笔画出来的,不切镜头。
【技术栈】用 Canvas 写一个笔刷引擎(笔毛、墨量递减、飞白);湿笔交给 WebGL2 着色器做晕染和边缘积墨;宣纸纹理在着色器里程序化生成;墨用透明度乘到纸上。
开工前先给我分镜表和 3 张关键帧,确认后再渲整片。
Counterpoints & Gaps
- 单源、作者自述。 难度/花费星级是主观判断;渲染耗时(同 3 秒 90 帧,纯 Canvas 7 秒 → 加着色器 48 秒)来自 @xilo2991 的实测并被本文转引;「30–60 分钟一条片」也是自报。
- 生态偏向。 16 类样片中 14 类来自作者参与的开源项目 lemo-opuscar,8 个 Skill 里它占一个主推位,文章同时有软性推广属性。作者结尾也承认:很多视频 Claude 只是辅助,主力可能是 Minimax、Seedance 等视频模型。
- 关键信息是图片。 22 个零件(5 张分组表)和 16 类视频矩阵在原文里都是图片,正文只有编号引用;本页这两组表格为图内文字转录(原图见 raw assets 的 img03/06/09/10/11/28),未逐格与原图二次核对。
- 商用与版权。 样片 CC BY 4.0 需署名;Remotion 商用需看授权;素材章节的最大难点是「授权干净的影像/数据」,作者没有给获取渠道清单。
- 平台门槛。 macOS 开发、Windows 需 WSL、3D/着色器需要独立显卡;没给出成本量化(token 费用),也没和传统剪辑或纯视频模型路线做产出质量对比。
Open questions
- 与 Jean 现有技能栈(
huashu-art-motion、code-3d-world、video-short)的重叠与缺口:白板讲解、卫星简报、产品拆解、数据实物化这几类是否已有覆盖? - 是否先装 lemo-opuscar 跑一次 15–30 秒测试片,用一条真实片子验证「风格词+技术栈词」的增益?
- 「把风格描述升级为技术栈选择」这个思路是否也适用于非视频任务(如网页/海报设计)?
Related
- harness-engineering/remotion-claude-code-video-workflow — Remotion + Claude Code 的产品发布视频管线(本文 ⑦ 的具体工作流)
- outputs/collections/prompt-motion/index — 232 个 Opus 5.5 视频 prompt 案例库(本文 16 类配方的实样参考)
- ai-ecosystem/claude-opus-55-evaluation — Opus 5.5 的能力与社区实测
- harness-engineering/agent-video-editing-practice — HyperFrames 实践者的提示与流程经验(粗剪、转写时间戳、品牌套件、批注反馈)
Verification
- 2026-10-26:Jean 批量确认("all pending can go ahead"),知识判断晋升
human_verified/judgment_owner: mixed;status: candidate保留(单源,按 Candidate Rules 不晋升 mature)。 - 配方模板已抽取至
outputs/templates/code-video-prompt-templates.md(通用骨架 + 数据报告/水墨国风/白板讲解三套现用配方)。 - 遗留两项:① 6 张表格(22 零件五组 + 16 类矩阵)的图内转录尚未与原图二次核对——本次 verify 会话无图像读取能力,原图在
raw/assets/web-articles/2026-10-25-claude-opus-55-video-tech-stacks/(img03/06/09/10/11/28),人工抽查约 5 分钟;② lemo-opuscar 测试片(15–30 秒)仍为待办,用于实测「风格词+技术栈词」增益与真实耗时。
2026-10-29 — Agent 视频制作的团队工作流报告
来源:AI Briefing 2026-10-29 Morning;@Mho_23、@EnriTarta、@LawrenceW_Zen。
- Mho_23 称其团队每天用 Agent 制作数百条视频,并偏好定制终端与有序文件流程,而非剪辑软件 MCP;该帖把创意工程师描述为管理 Agent 工作流的人,并建议把资深剪辑师的流程与错误案例写入 harness。
- EnriTarta 描述了脚本分析、在 Paper 迭代分镜、通过 Flask 收集人工反馈的流程,同时指出协作规模化和最后细节仍然困难。
- LawrenceW_Zen 描述 Pi Agent 读取 GitHub 项目、Renoise MCP 生成 15 镜头分镜/旁白/配乐,再由代码渲染 1080p 成片的路径。
这些都是创作者的自述,未独立复现,也没有统一的成本或成片质量对比。它们补充了本页的代码渲染配方:Agent 可负责理解项目与编排素材生成,但分镜审阅、人工反馈和最终细节仍是流程组成部分。
Sources (2026-10-29 addendum)
Pending Jean review (2026-10-29)
- harness-engineering/code-video-tech-stacks — 新增的团队产能与工具流程均为创作者自述;建议先保留候选状态,之后核对原帖或用真实视频任务验证。