3天涨粉60w+的代码视频是如何做的，保姆教程来了

下面这两支片子，从文案、画面到配乐，都是我让 Claude 写代码做出来的。

什么剪辑软件、素材库都没找，也没有花钱买版权音乐，一支讲峰终定律，2 分 27 秒；一支讲 i 人到底话少不少，2 分 21 秒。

这就是最近爆火的用claude做代码视频，B站有个up主叫比特新语，靠做这类视频短短几天就涨粉到了几十万，这篇文章我大家如何做这个视频。

这类视频一般是用2-5分钟的时间，讲一个心理学、哲学或者思维上的概念，没有人声，纯靠字幕+配乐，画面的背景用的也都是深色背景。

可以看到这个流程，我们只需要在选题、视频文案、样片以及最终的成片那审核一下，其余的都丢给Claude自己跑。

这几条是我做峰终定律、i 人两支片子，以及参考别人的爆款视频后，让AI帮忙一起总结的经验：

1. 整个片子要围绕一个有反差感的话题，
   起手帧就应该抛出这个问题，比如“你的手机充到 80% 以后，为什么突然变慢了？”，观众一看就想知道答案。
2. 收尾要打动人，
   片子最后要让人记住的那句话。比如峰终定律是“记忆不算总账”，i 人那支是“i 人、e 人是同一个人在不同场合的样子”。
3. 有实验、人名、年份、数字。
   在支撑论证的时候，需要查一些论文，拿一些科学实验来证明，会提升论证的有效性。

还有就是这个话题最好不要过长，几分钟就能讲完，否则就会给人一种听课的感觉，在短视频的场景下体验尤其差。

这一步非常容易翻车，我会让 Claude 查原始论文，每个说法分三档：一手来源直接用，二手来源标清楚，查不到出处的不会用，搞完后我还会用GPT再帮我做一遍事实核查，论幻觉率，GPT应该是当之无愧的王者，目前我用过的所有模型里最低的。

这里视频分镜，我会让AI在文档用下面的表里写出来，方便我审核，比如这是讲 i 人那个视频的一部分文稿：

这里需要注意，为了适应短视频的节奏，我们最好一句话对应一个画面，不要长时间让画面停住，否则观众就会划走，我一般用的是下面的几个原则：

• 一屏一句，12 到 20 个字，停 4 秒左右。
• 前 2 秒，第 0 帧就要有画面、有字幕、有声音，第一句字幕直接抛出全片要回答的那个问题，最好和标题是同一句。
• 爽点每 4 到 8 秒一个。我用的分类是：被说中、认知反转、数据砸脸、替你正名、笑点、悬念回收、社交货币。
• 结构按比例排：冷开场，12% 左右出标题，中间一大段证据，55% 左右给一句话定义，60% 左右拆自己一下，后面回到观众，最后一句收住。

Claude 写的第一版文稿，通常是能清楚了，但有时候会有AI味，我们还得自己改一版。不过Claude有时是有点幽默感的，i 人第一版让它照着爽点类型逐句拆，它拆出了厕所隔间那一段，“一位在哈佛讲过课的教授，讲台上逗笑全场，有时下了课就躲进厕所隔间，把脚抬起来，免得被学生认出来”。

这里我也查了一下，版权音乐很多是要付费的，免费曲库无法让AI去操作，因为有人机验证，我就直接让Claude自己写了。钢琴和弦乐用的是 VSCO 2 社区版采样，GitHub 上能下，CC0 协议，商用不用署名。拨弦和音效用代码直接合成。Claude 用 Python 写了个小引擎，像写谱一样写“第几秒、哪个乐器、什么音、多大力度”，渲染出 wav：

s = Score(length=40)
s.note('piano', 3.0, N('A5'), vel=0.4, dur=2.0)    # 3 秒处一个钢琴单音
s.pad('cello', 18.0, [N('F2')], dur=5.0, vel=0.5)   # 18 秒大提琴铺底
s.sfx('riser', 18.0, align='end')                   # 标题前蓄力
s.sfx('impact', 18.0)                               # 标题重击
s.render('out/demo')

Claude让我很惊艳的地方在于卡点，它的配乐和字幕每次都能对应上，虽然我不懂乐理，但听还是能听出来的，确实比其它模型强很多。

画面我这里选择的是remotion框架搭建的，个人和小团队都能免费用，每帧都是代码算出来的，能精确的卡点。

视觉风格选择的是深色底，发光的主体、胶片颗粒、暗角，一帧里东西少、留白多，但帧与帧之间变得快，这个也是参考了一些爆款视频得出来的。

贯穿全片的那个东西，要换着形态出现。i 人那支的指针表，开场是一枚“i 人”标签贴上屏幕；中段标签被撕开，露出下面一直在摆的指针；讲教授时它打到 e 的尽头；倒数第三句它甩回 i，周围的嘈杂一键静音。

之前峰终定律的视频节奏很慢，发出去后跳出率很高，它平均 29 秒一次画面，最长有 115 秒没大变化，然后我会在最后让AI检查下画面变化的频率，不符合要求会重新打回去，大概是2s左右要变化一次，每次变化还得和音效对应上

每做完一段，需要让 Claude 按秒抽帧，拼成一张联系表，就是文章开头那两张图，让它自己看一遍，比如检查字幕有没有遮挡住画面，文字是否重叠，元素是否外溢等等。

成片前再检查一下前 3 秒的画面和音量、全片节奏（大变化间隔、字幕对齐率、静止段）、整体响度。这里如果都没问题就渲染出片。

标题我暂时用了个固定的句式《主题》+ 一句反常识的话 + 冒号 + 一个算式，比如：

• 《峰终定律》记忆不算总账：(峰 + 终) ÷ 2
• 《i人》真的话少吗：一个人 = i + e

封面用 gpt-image-2 直接生成 3:4 和 4:3 两张图。

到这里就总结完了，你可能觉得太多了记不住，不过没关系，我直接把这个Skill开源了，我这个Skill只放了做视频的流程，具体的视觉、交互示例一个没有加，因为我觉得Claude的模型能力足够强，已经不需要给它这些了。

我的Skill开源地址在：github.com/limowan/mw-concept-video

如果觉得有帮助，可以帮我来个star。