Claude 全程执导 3 分钟 AI 歌手 MV,总成本约 198 美元
wanderingtofu · reddit · 2026-09-30
作者夫妇用 Claude(Opus 5.5)在 Claude Code 里跑完整条流水线,为虚构 AI 歌手 DIGI 制作了一支有完整叙事的 3 分钟动漫 MV:
- 流水线分工:Claude 不能直接生成音视频,于是它通过 API 调用 Gemini 做表演视频、ElevenLabs 做歌曲;脚本、prompt、合成、口型、剪辑、渲染全部由 Claude 编写并执行
- 先歌后画:歌词先过一遍 Claude 自建的评审 persona 面板(词曲人、TikTok 运营、抬杠者、路听众),锁定音轨后才开始出画面;角色形象试了 6 版,最终定为金色线条光绘的原创动漫角色
- 一致性解法:每个 Gemini take 都会画出略不同的女孩,团队锁定一帧脸部作为参考帧再生成所有表演镜头
- 口型同步是管道活:Demucs 抽人声、faster-whisper 逐词打时间戳、重排片段对齐音节;走太偏的镜头 Claude 干脆切新机位
- 自写合成器:Python 合成器把脸部变成光绘、背景是歌词流;初版每秒画面渲染约 1 分钟,Claude 自行 profile 并换用 OpenCV 滤镜,压到每分钟视频约 18 分钟;还自查出一段 25fps 导致的 2.4 秒音画漂移并帧级重建
成本(按 API 价):Claude 77.6 万输出 token + 3.35 亿缓存读取约 $114(含在 $200 Max 订阅内)、Gemini 112 个 take/13.5 分钟 720p 约 $81、Nano Banana Pro 封面 $1.34、ElevenLabs 歌曲 $1.46,合计约 $198。成片 4512 帧、24fps,每句歌词都与歌曲核对过。
「编程与Agent」频道最新
- 开发者让 Dots 用自己的「小电脑」跑 Blender,给自己建了个 3D 模型 — Dimillian · 2026-09-30
- GPT-Sol 6.1 同步亮相,Codex 与 Dots 组合被指是真正的差异化所在 — omarsar0 · 2026-09-30
- LangSmith 推 Trajectories:把 agent 会话压成按序可读的执行路径 — LangChain · 2026-09-30
- OpenAI DevDay 推 Codex Cloud,已覆盖 Plus 到 Enterprise 全线套餐 — testingcatalog · 2026-09-30
- Dots 将以「专员」形态接管公司内整段工作,直接在 Slack 里干活 — danshipper · 2026-09-30
- 开发者喊话：常驻 AI 智能体必须开源 — yacineMTB · 2026-09-30