前言：Opus 5.5 是怎么「画」出 MV 的
最近刷到很多「用 Opus 5.5 做的 MV」，画面是手绘水彩风，小角色跟着节拍动，歌词一个字一个字亮起来。第一反应会以为是某个视频生成模型做的------其实 Opus 5.5 不会生成视频，它做 MV 的方式是写代码画每一帧。
可以把它想象成一个会写程序的动画师：它写一个网页，告诉这个网页「第 10.5 秒的时候，两个小人站在伞下，主角的眼睛变成爱心」；然后用一个没有界面的 Chrome 浏览器，从第 0 秒到最后一秒，每秒拍 24 张照，最后用 ffmpeg 把这些照片和音乐拼成 MP4。
角色、房间、月亮、转场，全是代码用水彩笔刷一笔一笔画出来的。这也带来了两个好处：角色在每个镜头都长得一样，不会跑偏；想改哪个细节，就改哪几行代码。
成片第 1 秒：窗外是一轮缺了一角的拼图月亮。这幅画面里的每一笔，都是 Opus 写的代码画的。
这篇教程记录我用 Opus 5.5 给王贰浪《把回忆拼好给你》做 59 秒高潮段 MV 的完整过程。最终成片包括 13 个镜头、逐字卡拉 OK 歌词，以及一条贯穿全片的「拼图月亮」故事线。整个过程我只发了三条消息，提供了四样东西：歌、歌词、参考视频，和一句「故事你来设计」。
成片开头的动态预览，几个镜头连在一起。
「为何一切，变得如此」------回忆里的雨后街角，我和她在一把伞下。
结尾「把回忆拼好给你」------月亮被补全，远方的她抬头看见了。
整体流程是一条直线：
- 准备歌曲音频、LRC 歌词和一个参考视频
- 安装 painted-animation skill
- 选高潮段、测节拍
- 写分镜
- 搭角色和场景，逐个镜头制作
- 渲染预览图审查，修改
- 渲染出片
下面按这个顺序，讲每一步我做了什么、Opus 做了什么、中间踩了哪些坑。整个过程你不用写一行代码，照着提示词和命令走就行。
准备工作
开工前准备三样东西，再装一个 skill。
| 材料 | 作用 | 注意事项 |
|---|---|---|
| 歌曲音频（mp3） | 配乐、测节拍 | 必须和歌词是同一个版本 |
| LRC 歌词文件 | 给每句歌词定时间、做卡拉 OK | 带时间戳，如 [05:15.898]独自收集... |
| 参考视频（可选） | 告诉 Opus 想要什么风格和母题 | 我用的是一支拼图主题的纸艺 MV |
第一条消息：视频和 LRC 一起发过去，Opus 先复述了它看到的风格和场景顺序，再指出两者歌词对不上。
补上 mp3 之后：这 59 秒是它自己挑的，分镜和角色设定也是它给的。
踩坑： 我一开始只传了参考视频和 LRC，Opus 发现参考视频里的歌词和 LRC 一句都对不上，于是停下来让我补传正确的音频。卡点只认你给的音频和 LRC，参考视频只用来定风格，两者必须配套。
安装 skill。 把这个 GitHub 链接发给 Claude，让它帮你装：https://github.com/Joker-chichi/claude-mv-skill。它会先读一遍脚本确认安全，然后弹出一张 skill 卡片，点保存就装好了。这个 skill 叫 painted-animation，改编自一支爆火 MV 的开源工程，内置：
- 水彩笔刷引擎（p5.js + p5.brush）和逐帧渲染脚本
- 角色 Clawd：31 种表情、5 个转身视角、各种帽子和表情符号
- 节拍检测脚本和逐字卡拉 OK 歌词模块
- 一份动画指南：不写字、每个镜头都有事件、每个接缝都有转场等规则
skill 自带的角色 Clawd 和它的 31 种表情。这次的两个主角就是在它的基础上换了颜色、加了配饰。
有了这个 skill，Opus 不用从零设计工具链，直接在这个工程上创作。比工具本身更重要的，是那份动画指南：告诉 Opus 什么样的画面会显得「AI 味」（角色太小、动作没有预备、事情一闪而过观众看不懂），让它从一开始就绕开这些坑。
安装好之后，对话里输入 /painted-animation 就能召唤它。
在哪儿做。 全程在 Claude Cowork（网页版）里就能跑完：装 skill、传音频和歌词、写代码、云端渲染都在对话里完成，不用另外装软件。只有想把完整画质渲快一点时，才需要把工程包拿到本地，走第五步的本地流程。
第一步：选段与测节拍
整首歌 5 分 47 秒，所以我只做 40～60 秒的高潮。Opus 选了 4:48～5:47 这 59 秒：「独自收集两个人之间的回忆」唱两遍，最后落在歌名那句「把回忆拼好给你」，结尾自带情绪收束。
选好段后，它用 skill 自带的 beat_grid.py 测节拍，结果是：
- 速度 80.1 BPM，一拍 0.749 秒
- 一句歌词 ≈ 4 拍 ≈ 3 秒，长句（带逗号的）约 6 秒
- 剪辑起点放在第一句歌词前一小节的拍上（288.67 秒），这样视频的第 0 秒刚好是一个拍点
然后用 ffmpeg 剪出这段，加 0.5 秒淡入和 4 秒淡出。LRC 的时间减去 288.67 秒，就是视频里每句歌词的出现时间。
为什么要测节拍： 角色的待机晃动、烟花爆开、镜头切换都锁在拍子上，画面才会「跟着音乐动」。代码里只要设置 bpm: 80.1, offset: 0，整片就共享一个节拍。
节拍测出来以后有个很实用的推论：一句歌词只有 3 秒左右。 这意味着每个镜头只能讲清楚一件事。如果一句歌里又想让角色走路、又想让她哭、又想切换场景，观众一个都看不懂。所以 skill 才强调「先拿 LRC、先测节拍，再写分镜」：凭感觉估的时长往往比实际长一倍。
反过来，带逗号的长句（「为何一切，变得如此，无法回到过去」）有 6 秒，刚好留给最重的剧情：她碎成拼图飞走、拨钟被弹回，都放在这两句上。
第二步：创作方向与分镜
skill 会用一句话问你创作方向：想讲什么故事、什么情绪、有没有想反复出现或不想要的画面。可以留空。我的回答只有一句：「故事你来设计，没想法就参考我给的视频。」
Opus 从参考视频里提炼了拼图这个母题，写出了这样的分镜：
- 一句话故事： 分开以后，我在小阁楼里一个人把回忆一片片拼起来；拼着拼着会哭，想回到过去却回不去；最后我把拼好的回忆变成一轮完整的月亮，挂在她那边的天上。
- 角色： 「我」是陶土色小方块，围红围巾；「她」是澄蓝色（对应歌词「澄蓝色的你」），头戴小花。
- 配色弧线： 深夜靛蓝（孤独）→ 回忆里的暖黄（甜）→ 雨夜冷蓝（失去）→ 满月暖金（释怀）。
- 首尾呼应： 开场是一轮缺了一角的拼图月亮，结尾那一块被补上，变成满月。
12 句歌词各配一个镜头，加上一个前奏镜头，共 13 个。下表秒数从剪辑起点算起，第 0 秒即 4:48：
| 时间 | 歌词 | 镜头 |
|---|---|---|
| 0--3.3 秒 | （前奏尾） | 窗外缺角的拼图月亮，镜头下摇到独自在阁楼的我 |
| 3.3--6.0 秒 | 独自收集两个人之间的回忆 | 我把一片回忆按进拼图板，它亮了一下 |
| 6.0--8.9 秒 | 即使每当到这时候我都会哭泣 | 捧着伞下那一片，笑着笑着哭了，窗外下起雨 |
| 8.9--15.1 秒 | 为何一切，变得如此，无法回到过去 | 钻进回忆：雨后街角伞下两人，她碎成拼图飞走 |
| 15.1--17.9 秒 | 但我仍愿意感谢你给过我爱情 | 擦干眼泪，把拼图贴在胸口 |
| 17.9--21.0 秒 | 每一场风景都是我们爱的证明 | 平移三幅回忆：落日、盆栽开花、烟花 |
| 21.0--27.1 秒 | 就算如今，天各一方，祝你余生动听啊 | 拼图缝把画面一分为二，我的歌飘到她那边 |
| 27.1--29.9 秒 | 独自收集两个人之间的回忆 | 音符变成拼图，像归巢的鸟飞回拼图板 |
| 29.9--33.2 秒 | 即使每当到这时候我都会哭泣 | 一边哭一边继续拼，雨渐渐停了 |
| 33.2--38.9 秒 | 为何一切，变得如此，无法回到过去 | 想把钟拨回去，指针两次弹回，最后接受 |
| 38.9--42.0 秒 | 但我仍愿意感谢你给过我爱情 | 最后一片是心形的，按进去整幅亮起 |
| 42.0--44.9 秒 | 每一场风景都是我们爱的证明 | 镜头拉远：完整的画是伞下的我们 |
| 44.9--59 秒 | 就算如今，天各一方，把回忆拼好给你 | 一片光飞上天补全月亮，远方的她抬头挥手 |
小技巧： 同一句歌词重复时，第二遍要「升级」而不是重拍。比如两次「无法回到过去」，第一次是她碎掉飞走（悲伤），第二次是拨钟被弹飞（带一点好笑的无奈）。
分镜画面精选
按剧情顺序挑了几个镜头，「拼图」是一路串下来的。
第一幕：一个人的阁楼。 镜头从缺角的月亮向下摇，落到独自拼图的我身上。拼图板上还有大片深色空位，每放上一块就亮一下。
3.3 秒「独自收集两个人之间的回忆」：一片回忆飞向拼图板。
6.0 秒「我都会哭泣」：笑着笑着眼泪掉下来，窗外开始下雨。镜头随后以一个拼图形状的光圈钻进这片回忆。
第二幕：回不去的过去。 回忆里是暖黄色的雨后街角。我转头想牵她，她却碎成一堆蓝色拼图飞走，整条街的颜色也跟着褪成冷灰。
11.7 秒「无法回到过去」：她在我伸手的一瞬间碎成拼图。这是全片情绪最重的一个镜头。
17.9 秒「每一场风景都是我们爱的证明」：镜头平移过三幅回忆，这是其中一幅------她浇水，盆栽开出了花。这个细节来自歌曲前面的歌词「帮我照料装着梦的盆栽」。
第三幕：天各一方。 一条拼图缝把画面切成两半：两个屋顶、两个人，头顶却是同一轮月亮。我哼的歌变成金色音符，飘过拼图缝到了她那边。
21.0 秒「就算如今，天各一方，祝你余生动听啊」。
27.1 秒第二遍「独自收集...」：音符变回拼图，像归巢的鸟一样从窗口飞进来，落进拼图板。
第四幕：拼好，然后放手。 想拨回时钟却被指针弹飞，我坐在地上叹了口气，接受了。最后一片是心形的，按进去，整幅画亮了。
33.2 秒「无法回到过去」第二遍：同一句歌词，这次是带点好笑的无奈。
38.9 秒「但我仍愿意感谢你给过我爱情」：拼图完整了，是我们俩在伞下。
49.9 秒「把回忆拼好给你」：一片光飞出窗外，补上了月亮缺的那一角，和开场首尾呼应。
第三步：搭建角色、场景和道具
代码分成两个文件：hj_set.js 放世界、角色和道具，hj_shots.js 放 13 个镜头。先搭好「布景」，镜头只管调度。
角色不用从零画。 两个主角都是 skill 自带的 Clawd 换了颜色：「我」加了一条会飘的红围巾，「她」是澄蓝色加一朵小花。这样 31 种表情和表情切换时的预备动作（睁眼、挤压、回弹）都能直接用。写「先开心，1 秒后变伤心，1.9 秒后哭」，就会自动演出来。
场景：
- 我的阁楼：斜屋顶、小窗、窗外的拼图月亮、下雨开关、墙上的钟、小桌和小凳子，还有一个「暖色程度」参数，结尾时房间会慢慢变暖
- 回忆里的雨后街角：楼房、路灯、倒映着天空的水洼，可以从暖黄渐变到冷灰
- 两个屋顶：可以各占半个画面，用来做「天各一方」的分屏
道具：
- 拼图块形状生成器：给出四条边是凸、是凹还是平，就能画出任意拼图块
- 4×3 的拼图板：每一块在哪个时间点被放上去都写在一张表里，空位显示成深色凹槽，放上时会发一下光
- 拼图拼完的画：伞下的两个小人、雨后的街和太阳
- 缺一块的拼图月亮、雨伞、钟、音符
搭完之后，Opus 先把所有东西摆在一张「试拍图」里看效果，确认角色、围巾、拼图板、月亮都画对了，再开始写镜头：
第一张试拍图：阁楼、钟、拼图板、两个主角全部同框。这张图还暴露了一个问题：月亮上的缺口是一个方块，不像拼图，后来改成了真正的拼图形状。
先把「长什么样」定下来，之后 13 个镜头都只是在调动这些已经画好的东西：换机位、换表情、换光线，风格就不会跑偏。
一个反直觉的规则：画面里不写字。 除了底部的卡拉 OK 歌词，整片没有标题、标签或对白框。角色的情绪靠表情和头顶的小符号（❤、❗、音符、雨云）来表达。
第四步：逐镜头制作与预览审查
光看代码看不出动画好不好，所以每写完一批镜头，Opus 都会渲染一张联系表（contact sheet）：每隔 0.4～0.6 秒截一帧，拼成一张大图，然后自己「看图」找问题。
一张真实的审查联系表，覆盖「三幅风景」和「天各一方」两个镜头。每格左上角是时间，从左往右读就是观众看到的顺序。
这一步是整个流程里最值得认真做的。Opus 写代码时是「看不见」画面的，只有渲染出来自己看一遍，才知道哪里不对。我这片前后渲了十来轮联系表，每轮 6～24 帧。
它在联系表里发现并修掉的问题：
| 镜头 | 发现的问题 | 怎么改的 |
|---|---|---|
| 三幅风景 | 画框很大，里面的小人太小，山坡超出画框 | 小人放大一倍，山坡改成不会越界的形状 |
| 三幅风景 | 浇水壶悬在半空，没有握在她手里 | 挂到她身侧 |
| 烟花 | 只爆了一朵，其余的时间点已经在镜头外 | 爆点间隔改成半拍 |
| 天各一方 | 两个角色和音符太小，看不清 | 角色放大，音符改金色加光晕 |
| 拨钟 | 小人够不到钟，「拨回去」的动作看不懂 | 钟挂低、加小凳子，镜头推近，弹回时加「❗」 |
| 结尾 | 最后的入场时间算错，光圈收拢来不及播完 | 重新分配最后 11 秒的节奏 |
| 拼图板 | 画中的爱心飘到了画框外面 | 移到两个小人中间 |
举两个例子。
例一：风景画太空。 第一版里画框很大，小人只有指甲盖大小，山坡还溢出了画框。Opus 先把小人放大，再渲一轮发现山坡还是越界。下面就是那一轮的审查图，右上角的落日画里，紫色山坡跑到了画框外面：
修改前。修改后的样子可以对照上面「分镜画面精选」里的盆栽那幅。
例二：拨钟的动作看不懂。 第一版钟挂得太高，小人站在凳子上也够不到，观众只看到一个小人在钟下面挥手。Opus 把钟挂低、凳子挤过去、镜头推近，让小人的手真正碰到指针；指针弹回时加一个「❗」，第二次弹回直接把它弹下凳子。
修改后的拨钟镜头：爬上凳子 → 拨指针 → 被弹开 → 再拨 → 摔下来 → 坐着叹气，一句 6 秒的歌词里讲完一个小故事。
审查时主要问这几个问题：
- 每个镜头只看联系表，能不能看懂发生了什么？
- 角色够不够大，和背景分得开吗？
- 拿着的东西碰到手了吗？脚踩在地上了吗？
- 每个接缝都有转场吗？我这片用了拼图形状的收放光圈、笔刷擦除和镜头推进窗外三种。
- 一个重要的信息，观众有没有足够的时间看懂？
第五步：渲染出片
水彩笔刷非常吃显卡，在哪里渲染决定了要等多久。我这次的实测数据（全片 59 秒）：
| 方式 | 画质 | 每帧耗时 | 全片耗时 |
|---|---|---|---|
| 云端，完整画质 | 1080p、24 帧、水彩纹理 | 约 50 秒 | 约 20 小时 |
| 云端，草稿模式 | 半分辨率、12 帧、平涂 | 约 4 秒 | 约 50 分钟 |
| 本地有显卡的电脑，完整画质 | 1080p、24 帧、水彩纹理 | 约 1～3 秒（估算） | 约 0.5～1 小时 |
云端那台机器没有 GPU，走的是软件渲染（soft-gl），每帧就要 50 秒；本地有显卡走硬件加速，同样的画面 1～3 秒就出。
我两条路都走了一遍：先在云端出一版草稿，用来确认节奏和故事；再把工程包拿到自己电脑上渲完整画质。
草稿和成片的区别主要在质感：草稿的色块是平涂的，每秒 12 帧会有点一顿一顿；完整画质会多出水彩的晕染和纸纹，动作也更顺。但分镜、节奏、卡点和歌词两者完全一样，所以草稿完全可以用来判断「这个故事行不行」。本教程里的所有分镜截图都是完整画质的单帧。
本地渲染的步骤：
- 安装 Node.js、Google Chrome 和 ffmpeg
- 解压工程包，在文件夹里运行
npm install - 先渲一张测试图确认能跑：
node render.mjs --sheet=10.5,40.4 --cols=2 --w=960 --out=out/check/test.jpg - 渲染全部帧（可中断，再运行会接着渲）：
node render.mjs --frames --workers=4 - 合成带音乐的 MP4：
node render.mjs --encode --audio=assets/clip.m4a --out=out/MV.mp4
提醒： skill 的规则是永远不自动开始整片渲染，而是先问你要本地还是云端。云端渲完整画质太慢，不推荐。
踩坑记录与技巧
- 音频和歌词必须配套。 参考视频只用来定风格，卡点只以你给的音频和 LRC 为准。
- 先做高潮段。 整首歌太长，代码量和渲染时间都会翻倍，先用 40～60 秒验证效果。
- 网络受限时的安装问题。 我这次的云端环境连不上 npm 和 Google Fonts，Opus 改从 GitHub 下载 p5 和 p5.brush，歌词改用系统自带的思源宋体。在自己电脑上一般不会遇到。
- 没有显卡就用草稿模式。 Opus 给渲染器加了两个开关：
--fast（水彩填充换成平涂）和--half（半分辨率），预览速度快了十几倍。 - 小心「缩到 0」的形状。 结尾那个拼图光圈收到尺寸为 0 时，渲染器直接报错中断。修法是尺寸太小时直接用纯色盖住整个画面。
- 画面里不要写字。 想表达「我很想念你」就画角色哭，不要举一块牌子。
- 重复的歌词要升级而不是重拍。 第二遍副歌可以换一个角度讲同一件事。
- 要求 Opus 用「看图」来审查。 它把联系表渲出来自己看，才发现了浇水壶悬空、小人够不到钟这类只看代码发现不了的问题。
可直接复制的提示词
三条消息原文如下，可以直接照抄：
- 装 skill： 「
https://github.com/Joker-chichi/claude-mv-skill你先来安装这个 skill 吧」 - 开工（附上参考视频和 LRC）： 「/painted-animation 参考第一个视频是爆火的 MV，和我给你提供的歌词 LRC，帮我重新设计镜头，做一个类似的视频吧」
- 补音频并定范围（附上 mp3）： 「/painted-animation 我只要 40-60s 的高潮部分，故事内容你来设计就行，没有想法就参考我给你的」
想要更有个人风格的片子，可以在第 3 条里多说一句创作方向，例如：「故事是一对异地恋人，整体温暖不要太伤感，希望反复出现纸飞机，不要下雨。」
总结
用 Opus 5.5 做 MV，你提供的是歌、歌词、参考视频和一个方向，它负责分镜、写代码画画、自己看图修改。真正的瓶颈是渲染：没有显卡就先出草稿看效果，完整画质拿到自己电脑上渲染。