不懂视频制作，我和 Claude Code 一轮轮做出了想要的动画

没有思路，就先让 AI 帮我问问题#

我给 Claude Code 的第一句话是：

我想要制作一个介绍 vibe coding 的动画视频，但是我目前没有什么想法，你来问我问题我回答，帮我先理清思路。

这句话也很贴近我当时的状态。我还给不出一份完整的要求，但可以回答一个个具体的问题。

它分三轮问我：视频是给谁看的？打算发在哪个平台？希望多长？喜欢什么风格？想直接解释概念，还是跟着一个人讲故事？要不要配音？结尾希望留下什么？

这些问题单独拿出来，都比“你想做一个什么样的视频”好回答。

我一边选，一边把想法拼起来：给完全不懂编程的人看，发在 B 站，一到三分钟，科技产品风，有配音。故事里最好能看到一个学生借助 AI 做出软件，中间遇到问题，再把问题解决。

原本讨论的是一个虚构学生做背单词 App 的故事。后来，我把自己参与搭建学校视频网站的截图、合作流程图和说明文档发给它，故事就换成了我的真实经历：我们怎样借助 AI，把现成的开源项目改成一个面向全校约 3 万师生的视频网站。

聊到这里，原先只有几个字的念头，终于有了受众、故事和大致的样子。

第一次看到动画，我才知道自己想改什么#

思路初步定下来后，我让 Claude Code 开始做视频。

它用 Remotion 搭建项目，写好分镜和动画，先配上临时语音，把整条片子做出来。从提供素材到第一版，大约用了 17 分钟。

第一次有了一支能从头播放到尾的视频，我就能对着画面说出意见了：这个声音不太合适，节奏有点慢，画面也不想要这么暗。

这些要求，在看到初版之前，我并没有想清楚。

比如，初版里有一句“你负责想法，AI 负责实现”。看着它出现在视频里，我才觉得，用“你”来讲自己的经历有点别扭，应该改成“我”或者“我们”。

还有整体风格。最初讨论时，我只说了“科技产品风”，没有进一步想过它应该是暗色还是亮色。等暗色版本摆在面前，我才发现，自己更喜欢明亮一点的画面。

于是，我把这些意见一起发给它：换音色、改人称、适当加快语速、注意中文读音、把对话框居中，再把画面改成亮色。

下一版出来以后，我又有了新的判断依据。原来“我想要什么”也可以在观看和比较中慢慢确定，刚开始说不清的部分，可以留到看到效果以后再调整。

连配音，也是听过以后才慢慢选出来的#

挑配音的过程也差不多。我一开始说不出自己喜欢怎样的声音，只能先听。

Claude Code 生成不同音色的试听，我来比较。听着口音不太合适，就换；节奏慢了，就让它加快一点；换过以后又觉得太快，再往回调。

从最初的系统临时语音，到 ElevenLabs、CosyVoice，再到豆包语音合成，这次试听过的音色大约有 15 个，最后选定了“解说小明”。

其中有个很具体的问题：“一行一行写代码”里的“行”读错了。我听出来以后，就直接指出，这里应该读 háng。合成文本怎么调整、怎样固定读音，由 Claude Code 去处理，我再听修改后的结果。

我不懂这些语音服务背后的实现，但可以听出一个词有没有读对、一句话顺不顺。每次试听，都会让我更清楚一点：自己希望这支视频以怎样的声音讲出来。

从“感觉不对”，到能说清楚一个细节#

改到后面，我的意见越来越细。

最开始，我关注的是“整体亮一点”“节奏快一点”；后来，已经能对着某一个镜头，说出具体想改的地方。

比如，我说：“我想要背景的渐变会变化。”

Claude Code 就把背景改成贯穿全片、缓慢流动的渐变，让几团彩色光斑一直移动，切换镜头时，颜色也能平滑地接过去。

还有“学校自己的 B 站”这一幕。右边放着网站截图，下面写着“现成的开源视频网站”。看着这个画面，我希望它们之间的关系能更直观一点，就让它把上下拉开距离，从下面画一根向上的箭头，指向网站截图。

我不需要先知道箭头怎么画、动画的时间怎么算，可以直接把画面里的位置和关系说给它听。它改出来以后，我再看是不是自己想表达的意思。

这时我才发现，自己的要求已经从一个模糊的“做个动画”，变成了某句话怎么说、某根箭头朝哪边、某一处颜色怎样变化。那些具体的想法，是看着一轮轮动画慢慢长出来的。

AI 帮我实现，也帮我把想法说清楚#

我提供的素材里有一张“我和 AI 怎么合作”的流程图，后来也被做成了视频里的动画。

做这支视频时，我们也在反复走这样的过程：我描述想法，Claude Code 准备方案或做出一版效果，我看完提出意见，它再继续修改。

不过，对一开始没什么思路的我来说，连“描述想法”这一步，也需要它帮忙。

不知道视频该怎样讲，它就问我问题，帮我整理故事；不知道选什么声音，它就先做试听；不知道画面怎样才合适，它就做出一个版本，让我有东西可以看、可以比较。

我逐渐能把“感觉不太对”变成更具体的要求。它则负责把这些要求落实到代码、画面和声音里，也会抽帧检查，修掉残影、空白气泡之类的问题。

每看完一版，我都比上一版更清楚自己想要什么，也更知道下一次该怎样告诉它。

七个版本之后，视频慢慢成了想要的样子#

从提供素材到第七版，大约用了 2 小时 25 分钟。最后的视频有 9 个镜头，时长约 1 分 40 秒。

这段时间里，我一直在看、听、比较，再提出下一轮修改。声音、人称、配色、背景和画面里的小细节，一点点往我喜欢的方向靠近。

视频做完后，我还让 Claude Code 做了两种尺寸的 B 站封面，一个 16:9，一个 4:3。

最后，我们把这次确定下来的偏好写进视频项目的 AGENTS.md：面向什么观众、用什么人称、喜欢什么风格，以及配音和封面要注意什么。下一次做视频，就能从这些已经想清楚的地方继续。

至于 Remotion 怎样安排时间轴、配音怎样和动画对齐，这次主要由 Claude Code 处理。我是在看着它一步步完成的过程中，才开始了解，一支视频原来还要考虑这些事情。

我不需要一开始就知道答案#

如果一开始就让我交出完整脚本、分镜和风格要求，我大概还是只能说：“我想做一个视频，但没什么想法。”

这次的经历让我觉得，可以从这里开始。

先让 AI 问我能回答的问题，把模糊的念头拆开；再做出一版动画，让想法有一个可以观看的样子。看完以后，说出哪里喜欢、哪里不合适，接着改下一版。

我没有一开始就知道自己想要什么，也没有在开始之前先学会整套视频制作。我的思路，是在 AI 的帮助下，在一次次对话和观看中逐渐理清的。

视频结尾写着：“每个点子，都只差一句话。”

对我来说，那句话就是最开始的：“我没有什么想法，你来问我问题。”

后面的一轮轮动画，让我慢慢找到了答案，也慢慢做出了自己想要的视频。