这次我让 Claude Opus 5.5 设计并推进一部短片,成片叫《我在此》,4 分 57 秒。做法是先在本地装好 MiniMax、Grok、Codex 等 CLI,再让 Opus 自主调用这些工具,把剧本、画面和声音组织成一部片子。
我想看的是它能不能把整件事做下去。剧本写完以后,镜头怎么拆,素材用什么工具生成,配音和音乐怎么接,出了问题怎么修改,都得有人拿主意。我把这些工作交给了 Opus。先看成片。
先把工具装好 再让它调度
这套方法需要一个能执行终端命令、读写本地文件的 Agent 环境。Opus 在这里负责理解需求、写剧本、设计分镜和安排任务;Grok CLI 用来生成视频素材,MiniMax 的语音和音乐工具处理配音、BGM。Codex CLI 也可以接进来,承接脚本和工程处理。
CLI 的作用是把这些能力变成可执行的命令。Agent 读工具说明,传入提示词和参数,拿到任务状态或输出文件,再决定下一步。Grok Imagine 的官方文档介绍了图像和视频生成能力;MiniMax CLI和配套技能则提供了语音等工具的调用说明。实际可用的子命令,以自己安装版本的帮助信息为准。
安装只是第一步。各工具的登录或 API 配置要完成,素材目录要能读写,还要让 Opus 知道有哪些工具、各自的限制和输出位置。这样它才有条件从写方案推进到生成素材、整理文件和检查结果。本地的是工具和素材管理,调用云端模型生成画面与声音,仍然需要网络、账号和相应额度。
我给它的是一份拍片委托
我的要求挺满:3 到 5 分钟、剧本有深意、场面够大、镜头语言充分,还要照顾音乐、音效、配音和人物的一致性。我甚至把戛纳获奖写进去了,属于先把期待拉满。那是创作目标,成片能不能打动人,还是得看影片本身。
提示词里也留了几条执行边界。画风让它自己选;重要的剧本和镜头设计可以考虑更强的模型或更高思考档位;子 Agent 怎么安排由它判断,但要合理使用 token;不清楚的地方先沟通。完整提示词放在下面。
展开我的原始提示词
那接下来你设计一个剧本,做一个3-5分钟左右的短片吧。我希望是那种在戛纳能获奖的、史诗级别、宏大场面、优秀的剧本、有深刻意义、又能展示出opus5.5剧本设计镜头设计导演功底的、镜头语言充分的小短片吧。
总是要惊艳众人,开场可以好莱坞级别的,比如背景音、字幕切换等,开头就可以展示出本片由opus 5.5 和 grok cli(video)、minimax cli(voice and bgm)等制作,不用一次性出场,可以有合适的镜头、融入界面就会更高级等等。
有什么不明白的你可以和我沟通清楚再开工,推进视频落地等你看看要不要用opus5.5 high来执行,剧本设计、镜头等重要的内容要不要用 fable或者opus5.5max,这些子agent的安排由你来,但是我希望合理的使用token,但是还是要保证品质,因为我们要靠这个片子获奖。
同样bgm、音乐、音效、声音配音稳定性、人物角色场景稳定性都要考虑。这个不一定要动画,真人也行、3d也行、动画也行、或者新的艺术画风也行,你可以自由发挥,抽象也行。
有什么不清楚的你可以和我确认清楚再开工。
这份提示词把目标、自由度和约束一起交代了。只说史诗感、电影感,执行时仍然不知道该生成什么;只有把想表达的东西落到场景、动作、镜头和声音上,后面的工具才接得住。
几分钟的短片要按镜头组织
长片段的问题会在拼接时暴露。一个镜头里人物长得对,不代表下一个镜头还能接上;每段画面单看都漂亮,也不代表剪在一起能讲清故事。适合这条路线的做法,是先确定故事的起点、转折和结尾,再为每个镜头写清主体、动作、景别、镜头运动和它承担的信息。
分镜还要带上时长和声音安排。这个镜头有没有对白,环境声什么时候进,音乐是继续铺着还是让出一段安静,都应该和画面一起考虑。否则画面生成完了才补声音,台词长了、转场短了,整条时间线都得跟着挪。
视频任务通常还需要等待生成结果。调度时应该记录镜头编号、任务状态、素材位置和可用版本,结果回来以后再检查。某一段不合适,就针对那一段调整,避免因为一个镜头重做整部片子。分镜表同时也是任务清单和剪辑依据。
人物和声音需要共同的约束
跨镜头一致性,要靠可复用的角色设定、场景描述和参考素材去约束。服装、外观、色调、光线、时间和空间关系,能明确的尽量明确;工具支持参考图时,也可以把同一份参考传下去。这能减少漂移,但生成结果仍然需要逐段检查。
配音同样如此。同一个角色固定音色和基本参数,再根据情绪调整语速与停顿。BGM 和环境音要给台词留出位置,关键动作的音效要对齐画面。素材数量够了,只说明东西生成出来了;对白是否清楚、切点是否自然、情绪是否接得上,要放到整部片子的时间线上判断。
把预算花在会影响整片的决定上
我在提示词里提到 high、max 和 Fable,是让它考虑怎么分配工作。更高的思考档位或更强的模型,可以留给故事结构、关键镜头和整体审片;已经确定的素材整理、状态查询、批量处理,则尽量按明确规则执行。提高档位本身并不保证镜头就更好看。
省 token 也只是预算的一部分,视频生成、声音生成和重试都有各自的成本。故事没有定下来就大批生成镜头,后面剧情一改,素材也可能跟着报废。先让方案收敛,再生成和检查素材,比一边出片一边改故事更容易控制返工。
《我在此》放在上面,效果可以直接看。我觉得这条路线值得继续做的地方,是把剧本、镜头、声音和工具执行放到同一套任务里。Opus 能把这些环节推进起来,最后仍然要把片子完整看一遍,再决定哪些画面该留,哪些地方需要重做。



