不用学了，AI 做视频这句话就够了
66之前很多人让我出教程：怎么让 claude 做 ppt
怎么让 claude 做视频
我一直没写。
我看过很多这方面的文章和教程视频，一般是推荐各种 GitHub 仓库或者 skills。
这些工具本身没什么问题，也都做得很好。
但在我看来，这些教程最大的问题就是它们不落地，无法进入生产环境。
原因是：其实每个人想要的视频是不一样的：
如果你是一名老师，你可能要的是一个纸片风格的视频，用更加生动的细节去展示知识。
如果你是一个口播博主，你要的是真人感的视频，让用户在视频里面感受你传递出来的真实感和信任感。
如果你是一名科普博主，你要的是真实素材+真人视频+科普动画的混合，才能生动地展示知识点。
这就意味着，其实没有一种方法可以满足绝大多数人，因为大多数人的需求本身就是不同的。
特别是如果你是做自媒体，变现方向还不同：
有的是靠播放量来变现；
有的靠直播带货来变现；
有的是靠引流到私域来变现。
大家都需要短视频来引流，但是大家的视频的第一目的是不同的。
但这个情况现在变了。
Claude 出了 5.5 之后，我自己简单尝试了一下发现，用 AI 做视频教程可能已经有了“版本答案”，或者说，你再也不需要去看任何所谓的 AI 视频教程了，因为真的一句话就可以搞定。
那我一共给 AI 提供了什么呢？
一共就 3 个东西：
1.我的声音
2.我的照片
3.一个同行做好的参考视频
当然你得给他提供图生视频的大模型api 或者数字的 api嘛，所以我还给了他我的 liblib （简单理解就是上面有很多的视频和图片模型可以使用）账号，我跟他讲要用 liblib 上面的数字人模型。
一句话做视频：完整教程
所以，怎么用一句话让 claude 帮我做视频？
完整教程如下：
打开 claude，切换成 code 模式（需要付费会员，免费版没有这个模式）。
上传一段你喜欢的、想要模仿的视频，这个视频你可以从抖音、油管或者 B 站上面搜。
然后输入这个提示词：
认真看一下我上传给你的视频，接下来你要对标这个视频，做出一个同样高质量的视频。
一个画面只放一个重点，字要大；语速正常，不要加速。
需要的素材你自己想办法解决，比如去找免费可商用的素材。
下面是我的文案，现在开始制作吧。
文案：xxx
就是这么简单～
给个标准答案，然后照着答案抄就可以了，不需要瞎指挥，因为我们都不如 ai 聪明。
你不用教它怎么做，只要告诉它什么叫“好”就行。
这就是现在用 ai 的核心技巧：告诉 ai 你想要的结果，越直观越好，不要说：我要五彩斑斓的黑，而是直接给一个五彩斑斓的黑给ai 就好了。
第一次跑的时候，它可能会让你装几个软件（比如处理视频的 ffmpeg），一路点允许就行。
如果你是要做真人视频，那你需要同步上传你的声音（10 秒以上、安静环境里录的就行），你的一张背景干净的正脸照片。
然后打开谷歌浏览器，登录你的 liblib账号（如果你有比如 OpenRouter 的 api，直接给 api 也可以。）
提示词就可以改为：
认真看一下我上传给你的视频，接下来你要对标这个视频，做出一个同样高质量的视频。
一个画面只放一个重点，字要大；语速正常，不要加速。
需要的素材你自己想办法解决，比如去找免费可商用的素材。
我的照片和声音已经上传给你了。
如果需要作图或者做视频，或者做我的数字人视频，我已经在谷歌浏览器上面登录好了我的 liblib 账号。
下面是我的文案，现在开始制作吧。
文案：xxx
另外提醒一句：AI 做的视频发到抖音这些平台，记得按平台要求标注“AI 生成”。
60 分的问题
最后让我们重新回看一下这个视频。
如果我心里的满分是 100 分的话，目前只能勉强做到 60 分吧，其实还是有挺多问题的。
比如说，你看过很多优质视频，就知道它们的内容不会在一个画面上放太多的文字。
而很多所谓的用 AI 做视频的 skills 做出的视频，都会有这个问题，就是恨不得在一个页面上塞太多的字，这是不考虑用户体验的。
我自己的第一版也是这样，下面是改之前和改之后的对比：
所以，目前 AI 一句话做视频距离真正优质的视频还是有一段距离的。
但起码对任何一个普通人来讲，你确实真的可以通过一句话就做出 60 分的视频，但是 90 分的视频还是需要花一定时间打磨的。
当然，如果你以前剪过这种视频，那我相信当你看完这些东西，你其实就已经知道怎么从 60 分走到 90 分了
从 60 分到 90 分
如果你要继续精进，想从 60 分做到 90 分，下面是我提供的优化思路：
1.将你的对标视频内容拆分成不同的模块，特别是一些动效或者元素，可以拆分成不同的组件库，这样让 AI 可以自由地调用。
就像搭乐高，需要哪块拿哪块。
▲ 我现在的组件库（一部分）
2.不同的元素模块之间要有一个共同的设计规范。颜色、字体、卡片样式统一了，拼在一起才像同一个人做的。
3.先给每句话分个类：要观众看懂的，用动画图解；要观众相信的（具体的产品、网站、人物），放真实截图；要观众记住的观点，让人出镜。
4.还有，数字人模式下的人依然会有僵硬的问题，终极解法就是得用 Seedance 2.0 或 2.5 这类图生视频模型来解决。
因为数字人是“声音拽着嘴动”，嘴在动，人几乎不动；图生视频是让模型自己“演”，有表情、有手势。2.5 整体更强、单条更长，但我实测中文口播的嘴型 2.0 更自然，这个大家就可以按需求选。
5.另外，要多给些真实图片作为参考图。
然后挑选最好的一两张图，先让 AI 用你真人照片做一张“人物设定图”，再拿去生成视频，会像本人很多。
▲ 用两张真人照片做出来的人物设定图
视频迭代的一些技巧
后来我又做了几条片子，流程大概是：
先根据文案倒推内容：每个画面要讲什么，观众看完要记住哪一两个画面。 拆模块：每句话说出来的时候，观众该看见什么。 先跑一版不花钱的草稿：代码画面、占位素材、AI 临时配音。 在草稿上定大方向，因为这时候改最便宜，而且这个时候会有些视频灵感可以补充进去。 最后才花钱调用作图或者做视频的模型。
我还开了好几个 Claude 窗口分工：导演、出镜、素材、动画、挑毛病，像一个小剧组。
现在的答案
这是我迭代出来的最新一条：
3 分钟左右，花了 30 多块，主要花在真人出镜上。
又做了几点优化：
用自己的真声录口播。 真人出镜只占两成左右。 竖版为主，横版发 B 站和 YouTube。
说实话，现在的效果我也不太满意。
人脸还不够真，动作也还有点僵化不灵活，还有很大的进步空间。
最后提醒一下，一个视频的好坏，其实在我看来，内容，也就是文案，比重是最大的，至少 60%，画面，动效，声音等，其实都不是最重要的，只是辅助的表现形式。
所以不要舍本逐末哦～
