Communitygithub.com

AI视频制作:使用Claude Opus 5.5创作和编辑视频

端到端制作和编辑视频,从空白页或用户自己的素材开始——产品与发布影片、广告、人物访谈、讲解、教程与屏幕演示、活动与旅行集锦、精彩片段、播客片段、Reels/TikTok/Shorts、动画标识与开场、音乐与歌词视频,以及对已完成视频的修改(缩短剪辑、竖版、字幕、翻译、新配乐)。

AI视频制作:使用Claude Opus 5.5创作和编辑视频 是什么?

此技能使AI代理能够充当完整的视频制作工作室,引导用户从初始创意或原始素材一直到最终交付文件,遵循结构化流程:接收→素材与密钥→分析→导演→脚本或纸上剪辑→(镜头前人物)→制作→修订→交付。它利用Remotion进行基于代码的视频渲染,Codex CLI进行图像生成,通过OpenRouter的Seedance进行AI动画,ElevenLabs进行音乐和音效,以及ffmpeg和whisper进行素材和语音处理。技能明确要求通过问题驱动的方式逐步获得批准,并根据用户具体需求制作不同类型的视频。它支持广泛的视频类型,包括产品影片、讲解、竖屏短视频、人物访谈、活动集锦、动画标识等,并且可以处理对已完成视频的修改,如添加字幕、翻译、缩短剪辑或更改为不同格式。SKILL.md文件提供了全面的操作规则、详细的阶段说明以及指向专用参考文件的指针,用于处理从品牌指南、色彩校正到音频母带制作和交付检查清单等各个方面。

兼容平台✓Claude Code✓Codex CLI~Cursor
npx skills add TimoteoAltobrando/ai-video-skill

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

AI视频:使用Claude Opus 5.5制作和编辑视频

此技能将视频从最初的想法或一堆素材,沿一条路径引导到最终文件: 接收 → 素材与密钥 → 分析 → 导演 → 脚本或纸上剪辑 → (镜头前人物) → 制作 → 修订 → 交付。 references/中的参考文件包含了各部分工作的原理、配方和应避免的错误。

使用用户的语言与用户交谈。首次使用技术术语时进行解释。保持回答简短且具体:用户必须始终知道我们处于哪个阶段以及我们需要他们做什么。你可以查看帧,但无法听到音频:当需要凭听觉做出选择时,要说明这一点,并让用户做出选择。

黄金法则

  1. 清晰第一,美观第二。 不戴耳机看视频的人必须理解视频内容。没有需要解码的抽象隐喻,没有需要解释的标题:从发生的情节中即可理解。
  2. 真实事实。 屏幕、标签、数字、名称、地点和日期来自真实来源(产品、素材、用户),而非想象。绝不做出无人能证实的承诺或数字。AI图像绝不伪造真实人物、产品或地点。
  3. 工作前先询问,制作前先批准。 先进行接收(references/intake.md)。然后逐部分提交脚本(或针对素材的纸上剪辑),每部分配一张图片或一帧。只有已批准的内容才会被动画化或组装。
  4. 一次做一个决定,并记录下来。 每个已批准的选择都记入 docs/script.md 或 docs/edit.md。用户未说出的内容不要视为已批准。当请求范围模糊时,在执行工作前先询问。
  5. 权利与同意。 可识别的人物已同意出镜;音乐可以在视频发布的地方使用;其他公司的标识仅从官方文件获取。谁不能出现,在开始时询问,而不是在剪辑之后。
  6. 精确品牌。 标识仅从官方文件获取;动画化标识需精确到官方SVG的像素级别;品牌颜色精确无误。如果工作期间品牌发生变化,需要更新所有相关处。
  7. 连续性与节奏。 同一对象从一个场景延续到下一个场景;事件和剪辑点落在音乐网格上。音乐是根据剪辑制作或裁剪的,而非相反。
  8. 物理规律。 任何添加到真实素材中的内容都必须遵循真实摄像机的规律:透视、光线方向、阴影、比例、景深。
  9. 密钥与费用。 密钥保存在密钥链(或环境变量)中,绝不打印或写入文件。每笔费用都被记录,并保持在约定上限以下。
  10. 用眼睛检查,并进行测量。 每次更改后,将关键帧渲染为联系表并查看,然后再发送任何内容;测量可测量的内容(响度、同步、字幕与语音的匹配)。经常发送草稿版本,也要发送适用于手机观看的轻量副本。用户素材的原始文件绝不能被修改。

阶段0 · 接收:什么类型的视频(问题)

阅读 references/intake.md 并遵循它。简而言之:

  1. 第1轮(问题工具,一次通话):我们从哪里开始(从零开始 · 需要编辑的素材 · 两者都有 · 需要修改的已完成视频),视频类型,将在何处观看,时长。
  2. 第2轮,每个视频的核心:用一句话描述目标,目标受众,素材(路径和链接),需要精确写的名称和词语,截止日期和批准人;语音,屏幕上的文字,音乐,AI图像的使用;权利与同意;预算。
  3. 第3轮,所选类型的模块(产品、镜头前人物、讲解、集锦、短竖屏、标识、音乐视频、修改已完成视频)。
  4. 回传简报:docs/brief.md 在一屏内显示,“正确吗?少了什么?”,以及 intake.md 第6节的关卡检查清单。在仍有“必须项”未解决时,不要开始分析。

跳过请求中已回答的每个问题;为每个问题提供默认值(intake.md 第5节)。

阶段1 · 工具和密钥

仅适用于所选路径使用的工具(详细信息和命令见 references/tools.md):

  • ElevenLabs(音乐、效果、语音隔离):一个API密钥和一个信用额度上限。
  • OpenRouter(Seedance,AI动画):一个密钥和消费上限。
  • Codex CLI(图像):已安装并登录。
  • Remotion:对于个人和最多3人的公司免费;超过此规模需要公司许可。
  • whisper(语音转文本),用于含有语音的素材以及检查字幕。

绝不要要求用户在聊天中粘贴密钥:给出从他们自己的终端将密钥存储到密钥链的命令,然后检查脚本能否读取它们。如果密钥还是被粘贴了,立即存储,绝不重复它,并建议重新生成密钥。

然后自行检查:node、ffmpeg、python3(以及如果路径需要的话还有 codex、swiftc、whisper-cli);可用磁盘空间(对于动画电影15-20 GB,带有素材时30-40 GB或更多:大约是素材大小的三倍);Python环境(references/tools.md)。如果缺少某些东西,用修复命令指出。

阶段2 · 分析(无问题)

阅读、查看并转录所有内容,然后完成 docs/brief.md。

  • 品牌指南(如果有):颜色、字体、运动曲线、标识规则、禁止事项、语气。
  • 产品(类型A和C):真实路径,一步步来,使用精确标签;核实除声明之外的事实。
  • 素材(只要有):scripts/inventory.py 用于表格和每个片段的联系表,语音转录,陷阱(可变帧率、HDR、旋转、混合帧率)。请参阅 references/editing.md 第2-3节,以及当有人在镜头前说话时的 references/on-camera.md。
  • 参考:帧、联系表,以及它们有效的原因(文本、节奏、剪辑、音乐)。
  • 竞争对手或类似视频(如果有用且网络搜索可用)。

用一个五行摘要结束:你理解了什么,你在素材中看到了什么,还剩下什么疑问。

阶段3 · 导演方案(问题)

创作型视频(从零开始,或围绕素材的图形):

  1. 2-3个故事创意,每个创意包含5-7个节拍,附有时长、视觉特征和音乐特征,每个创意配1-2张Codex图像作为联系表。询问选择哪一个,或者如何组合。
  2. 视觉风格:如果未决定,则在同一个节拍上提供两到三个方向。
  3. 脚本:从 assets/templates/script.md 创建 docs/script.md,这是一个包含时间、我们看到什么、屏幕上的文字、媒介以及每个片段一张分镜图像的表格(scripts/codex_image.sh)。如果有演讲者,脚本是叙述,而非解释。先阅读 references/direction.md。

编辑素材型视频:

  1. 结构:为此素材提供2个故事结构(editing.md 第6节),每个结构包含章节及其长度。
  2. 精选片段和纸上剪辑:从 assets/templates/edit.md 创建 docs/edit.md,并附上按顺序排列的每个镜头一帧的联系表。询问对他们重要的时刻:你无法知道谁是谁。

短竖屏视频:为第一秒提供3个钩子,以帧的形式展示,然后再继续其他部分。

逐部分批准在所有情况下都要进行:修正直到用户说没问题。

阶段3b · 镜头前人物:房间、灯光、语音(问题)

仅当有人在镜头前说话时。首先阅读 references/on-camera.md:它包含问题、带有风险的选项、配方以及如果素材还不存在的拍摄指南。在一轮中提问(使用问题工具的封闭式选择):房间(保留、模糊、布置、替换,附带风险),模糊强度,灯光,场所风格,房间内的品牌,语音(清理、口误、重新录制),人物周围的图形。

然后:先展示空房间的方案,3-4张有人物的测试帧,然后才进行整个片段。

阶段4 · 制作

在编写代码前阅读 references/remotion.md,在接触音频前阅读 references/music.md;有素材时也阅读 references/editing.md,有镜头前人物时阅读 references/on-camera.md。

  1. Remotion项目。 项目帧率(完全动画电影为24,否则使用素材自己的帧率,通常为30),所选格式,音乐网格(在120 BPM下:24fps时每拍12帧,30fps时为15帧)。时间信息在 timing.ts 中(对于素材从 docs/edit.md 生成),文本在 texts.ts 中,品牌令牌在它们自己的文件中。
  2. 素材:恒定帧率和SDR的工作副本,长4K素材的代理文件,原始文件保持不变(editing.md 第4节)。
  3. 使用Codex生成图像,始终使用相同的参考图像以保持统一风格。文本和标识绝不通过AI绘制。
  4. 使用Seedance进行AI动画(scripts/seedance.py)仅在有帮助时使用:先使用快速的720p模型,主要镜头使用1080p,每次调用都加上 --log docs/spend.md --cap <dollars>。
  5. 镜头前人物:HDR转换,人物遮罩,空房间,然后是所选房间(on-camera.md)。
  6. 场景与组装:界面作为真实组件,来自纸上剪辑的镜头带有精确的入点和出点,标题,下部三分之一处,说明文字;颜色匹配后再进行调色(editing.md 第9节)。
  7. 使用临时声音的第一版草稿:渲染,联系表,查看,然后发送草稿和轻量副本。
  8. 音乐和声音在时间稳定后进行:根据章节生成(2-4次尝试,先通过小节选择,再通过用户的听觉选择)或用户提供的音轨按完整小节裁剪;在其下混入环境声和语音;在事件点上添加效果(music.md)。
  9. 导出使用 scripts/export.sh:音频同步,母带处理至 −14 LUFS(网络和社交媒体的标准感知响度),再加上轻量副本。

阶段5 · 修订

每轮:应用更改;检查类型(npx tsc --noEmit);渲染并查看受影响的帧(如果其余部分已定稿,只需更改过的范围);导出;发送视频,并用两行说明更改了什么以及还有什么是开放的。

典型请求在 references/direction.md(“总会出现的修订”)、references/on-camera.md 和 references/editing.md 中。按整个小节移动音乐或场景。如果仅更改音乐电平,保持主增益固定(FIXED_GAIN_DB),否则语音和效果也会跟着移动。

阶段6 · 交付

阅读 references/delivery.md:主文件,轻量副本,符合上传限制的手机副本,已商定的其他格式和时长;平台注意事项(时长限制,硬编码字幕和关闭自动字幕,竖屏安全区域,封面);结尾卡片和行动号召;docs/ 中包含每个决定和费用。交付前:文件中没有密钥或个人路径,官方标识,已测量响度,字幕与语音核对,如果用户要求则移除元数据(位置、日期)。

在哪里找到什么

文件何时阅读
references/intake.md每个项目开始时:问题树、默认值、关卡
references/direction.md编写脚本前及每次修订时:原理、屏幕文字、典型修订
references/editing.md每当有素材要编辑时:库存、精选、纸上剪辑、剪切、颜色、声音、重新构图、隐私
references/on-camera.md当有人在镜头前说话时:问题、拍摄指南、语音、房间与灯光、遮罩、合成
references/tools.md阶段1以及每当使用Codex、Seedance、ElevenLabs、ffmpeg、whisper时
references/remotion.md在编写Remotion项目之前
references/music.md在生成或剪切音乐和效果之前,以及混音时
references/delivery.md导出、手机限制、平台、竖屏安全区域、行动号召、发布帖子
scripts/inventory.py, contact_sheet.py, codex_image.sh, seedance.py, elevenlabs.py, measure_music.py, prepare_bed.py, export.sh,以及针对镜头前人物的 hdr_to_sdr.sh, person_mask.swift, clean_plate.py, blur_background.py, wall_perspective.py(每个文件顶部都有说明)
assets/templates/brief.md, script.md, edit.md(精选和纸上剪辑), image-prompt.md, music-plan.json

相关技能