1. 项目概述一个为Claude Code打造的AI原生视频工作空间如果你是一名开发者或者任何需要快速制作专业视频内容的人比如产品演示、团队周报、知识分享那么你很可能和我一样经历过这样的痛苦构思脚本、录制素材、寻找配乐、剪辑合成……一套流程下来几个小时甚至几天就没了而且最终成品往往还带着“业余”的痕迹。更别提那些需要定期产出视频的重复性工作了简直是一场噩梦。今天要聊的这个项目digitalsamba/claude-code-video-toolkit正是为了解决这个痛点而生。它不是另一个需要你从头学起的复杂视频编辑软件而是一个为Claude CodeAnthropic推出的AI编程助手量身定制的“视频生产车间”。简单来说它把Claude Code从一个代码助手变成了一个懂视频、懂设计、懂音频的全能视频导演和制作人。这个工具包的核心价值在于它将视频制作的各个环节——从脚本构思、视觉设计、AI语音生成、AI配乐、AI图像/视频生成到最终的编程化合成与渲染——全部整合进一个由Claude Code驱动的对话式工作流中。你不再需要手动在十几个软件和网站之间切换只需要用自然语言告诉Claude Code你的想法它就能调用工具包里的各种“技能”和“命令”帮你一步步把想法变成现实。项目作者将其定位为“AI原生的视频生产工作空间”我深以为然因为它真正把AI的“理解”能力和“执行”能力无缝衔接到了视频创作这个复杂的领域。对于开发者而言它的吸引力是双重的。一方面它基于Remotion一个用React编写视频的框架和一系列Python工具技术栈非常友好你可以深度定制每一个视频组件和效果。另一方面它极大地降低了视频制作的门槛和耗时让你能把精力重新聚焦在内容本身而不是繁琐的制作过程上。无论是制作一个展示新功能的Sprint Review视频还是一个酷炫的产品发布广告这个工具包都提供了一套可复用的、自动化的解决方案。2. 核心设计思路如何让AI成为你的视频制作伙伴这个工具包的设计哲学非常清晰赋能Claude Code而非替代它。它没有试图创造一个全自动的“一键生成大片”的魔法按钮那在当前技术下既不现实也缺乏创意控制而是为Claude Code装备了一套强大的“工具箱”和“知识库”让这个本就聪明的AI助手能够理解视频制作的领域知识并具备执行具体任务的能力。2.1 技能Skills与命令Commands系统Claude的“专业培训”工具包的核心机制是.claude/目录下的技能Skills和命令Commands。你可以把它们理解为给Claude Code安装的“专业插件”和“快捷指令”。技能Skills这是Claude Code的领域知识库。比如remotion技能让它精通Remotion框架的组件、动画和渲染原理elevenlabs技能让它了解如何调用ElevenLabs的API进行文本转语音、音乐生成frontend-design技能则赋予它视觉设计审美的判断力能对视频场景的配色、排版、动效提出改进建议。这些技能文件本质上是经过精心编写的Markdown文档里面包含了该领域的核心概念、最佳实践、常用代码片段和提示词模板。当Claude Code加载了这些技能后它在该领域的对话和代码生成能力就会得到质的提升。命令Commands这是用户与工具包交互的主要入口。以/开头的命令如/video、/setup、/generate-voiceover触发一系列预设的、复杂的多步骤工作流。例如执行/video命令Claude Code会引导你选择模板、配置品牌然后自动生成一个完整的视频项目骨架并切换到对应的项目上下文中。命令封装了复杂性让用户无需记忆繁琐的步骤。这种设计的精妙之处在于它将领域知识与自动化流程分离。技能让AI“懂行”命令让AI“会做”。作为用户你只需要与Claude进行高层级的创意对话如“帮我把第三段解说词的语气调整得更激昂一些”具体的实现细节调用哪个TTS API、调整哪个音频参数则由加载了相应技能的Claude Code来操心。2.2 项目管理系统多会话创作的基石视频制作很少能一蹴而就通常需要多次修改和迭代。工具包内置了一套轻量级但强大的项目管理系统专门用于支持跨Claude Code会话的持续创作。每个视频项目在projects/目录下都有一个独立的文件夹里面最重要的文件是project.json。这个文件记录了项目的完整状态场景Scenes每个场景的内容描述、所需资产图片、视频、当前状态待生成、已就绪等。音频Audio语音旁白和背景音乐的生成状态和文件路径。会话历史Sessions记录每一次与Claude Code交互的工作内容。当前阶段Phase标识项目处于“规划”、“资产收集”、“审核”、“渲染”等哪个工作流阶段。更贴心的是系统会为每个项目自动生成一个CLAUDE.md文件。当你隔了几天重新打开这个项目时Claude Code读取这个文件就能瞬间“回忆”起项目的全部上下文——之前的对话、做出的决定、待办事项——让你可以无缝衔接上次的工作完全不需要从头解释。这个设计极大地解决了AI助手在长周期、多任务项目中的“记忆”难题。2.3 云GPU集成将重型AI任务外包工具包中许多炫酷的功能如AI视频生成LTX-2、AI图像生成FLUX.2、高质量TTSQwen3-TTS、数字人播报SadTalker都需要强大的GPU算力。让每个用户都在本地配置这些环境是不现实的。因此工具包深度集成了两家云GPU服务商Modal和RunPod。它的设计非常“云原生”所有重型AI工具tools/目录下带--cloud参数的那些默认都部署和运行在云端。你只需要一个云账户和相应的API密钥/配置就可以按需调用这些能力按实际使用量付费。Modal推荐工具包为每个AI工具都编写了对应的app.py部署脚本。运行/setup命令时Claude Code会引导你完成Modal的认证和部署将这些工具作为Serverless函数发布到Modal平台。之后你在本地调用python tools/flux2.py --cloud modal实际上触发的是云端GPU的运行结果再传回本地。Modal的Starter计划提供每月30美元的免费额度对于轻度使用来说几乎零成本。RunPod备选作为替代方案工具包也提供了预构建的Docker镜像。你可以通过--setup参数在RunPod上创建对应的GPU Pod按秒计费的虚拟机然后通过端点Endpoint进行调用。这种设计让工具包保持了轻量级的本地环境只需要Node.js、Python和FFmpeg同时又能享用最前沿的大模型能力在成本、便利性和性能之间取得了很好的平衡。3. 从零开始手把手搭建你的第一个AI视频项目理论说了这么多我们来点实际的。下面我将带你完整走一遍使用这个工具包创建第一个视频的流程。假设我们要制作一个简单的“团队每周技术分享”视频。3.1 环境准备与初始化首先确保你的系统满足基本要求Node.js 18和npm用于运行Remotion视频项目。Python 3.9和pip用于运行AI工具脚本。Git用于克隆仓库。可选FFmpeg用于更广泛的音视频处理。macOS可通过brew install ffmpeg安装。接下来克隆仓库并进入目录git clone https://github.com/digitalsamba/claude-code-video-toolkit.git cd claude-code-video-toolkit安装Python工具依赖这一步是可选的但如果你想使用AI语音、图像生成等功能建议安装python3 -m pip install -r tools/requirements.txt现在在终端当前目录下启动Claude CodeclaudeClaude Code界面会在你的默认浏览器中打开并且它已经能“看到”当前目录下的所有文件包括刚刚克隆的工具包。3.2 运行/setup配置核心服务在Claude Code的聊天框中输入第一个关键命令/setupClaude Code会启动一个交互式的配置向导。这个过程大约需要5-10分钟它会引导你完成以下几件重要的事云GPU提供商选择它会询问你希望使用Modal还是RunPod。对于新手我强烈推荐选择Modal。Claude会引导你访问Modal官网注册账号。在本地安装Modal CLI (pip install modal) 并进行登录 (modal token new)。自动为你部署工具包所需的8个AI工具如flux2,ltx2,qwen3_tts到你的Modal账户。你会在Modal的Web控制台看到这些新部署的函数App。注意部署过程可能需要几分钟因为Modal需要从零构建Docker镜像。部署成功后这些工具就可以随时被调用了。文件存储配置视频项目会产生大量资产图片、音频、视频片段。工具包使用Cloudflare R2一个兼容S3的云存储服务来在本地和云GPU之间同步这些文件。Claude会引导你创建Cloudflare账户如果你没有的话。在R2中创建一个存储桶Bucket。获取并配置Access Key和Secret Key。为什么是R2因为它提供每月10GB的免费存储空间和零出口流量费即下载不收费这对于视频项目来说非常划算。语音配置配置默认的AI语音。你可以选择使用ElevenLabs的付费API音质顶尖或者使用工具包内置的免费替代方案Qwen3-TTS部署在刚才设置的Modal上。Claude会引导你测试并选择喜欢的发音人。检查必备工具它会检查FFmpeg等本地工具是否已安装。完成/setup后你的工具包就具备了完整的“生产能力”。所有配置信息会保存在本地的配置文件中后续使用无需重复设置。3.3 使用/video命令创建项目配置完成后输入核心命令/videoClaude Code会开始视频创建向导选择模板它会列出templates/目录下的所有模板。对于我们的“技术分享”视频可能没有完全匹配的。我们可以选择sprint-review冲刺回顾模板因为它本身就是一个结构化的汇报视频模板包含标题、内容展示、总结等部分我们可以在此基础上修改。输入模板名称即可。输入项目名称例如weekly-tech-share-001。选择品牌工具包预置了default和digital-samba两个品牌。品牌定义了视频的主色调、字体、Logo等视觉资产。这里我们先选default。之后你可以用/brand命令创建自己公司的品牌规范。项目生成Claude Code会在projects/weekly-tech-share-001/目录下生成一个完整的Remotion项目结构同时复制所选模板的所有文件。它会自动更新project.json将项目状态初始化为“规划”阶段。此时Claude Code的对话上下文会自动切换到你这个新项目。你会发现它对你项目的文件结构了如指掌。3.4 编写脚本与规划场景接下来是最关键的一步内容规划。Claude Code会在项目根目录生成一个VOICEOVER-SCRIPT.md文件。你需要和Claude一起编辑这个文件。你可以直接告诉Claude你的视频构思“帮我制作一个5分钟的视频总结我们团队本周在‘微服务链路追踪’方面的技术探索。第一部分介绍背景和问题第二部分展示我们实现的方案和核心代码片段第三部分总结价值和下一步计划。”Claude Code会基于你选择的模板帮你将这个大纲细化成一个带有时间戳的详细脚本并规划出对应的视频场景Scene。例如## 场景 1: 标题 (0:00 - 0:08) * **视觉**: 动态标题出现背景使用AI生成的科技感抽象图形。 * **旁白**: (开场音乐起) “大家好欢迎来到本周的技术聚焦。” * **资产需求**: [需要生成] 背景图 scene1-bg.png。 ## 场景 2: 问题背景 (0:08 - 0:45) * **视觉**: 左侧展示复杂的微服务架构图右侧用文字逐条列出当前痛点排查难、链路长。 * **旁白**: “在微服务架构下一次用户请求可能穿越数十个服务...” * **资产需求**: 架构图 architecture.png (需准备)。 ...在这个过程中你可以随时让Claude调整脚本的语气、节奏或者为某个场景建议更合适的视觉表现形式。frontend-design技能会在这里发挥作用提供专业的设计建议。3.5 生成与收集资产脚本确定后就需要准备视觉和听觉资产了。工具包提供了多种自动化方式AI生成图像对于脚本中标记为[需要生成]的背景图你可以直接让Claude操作。例如告诉它“为场景1生成一个具有科技感、深色背景的抽象网格背景图。” Claude会调用tools/flux2.py工具使用你配置的Modal云GPU来生成图片并自动保存到项目的public/assets/目录下同时更新project.json中该资产的状态。录制屏幕演示如果你想展示代码或操作过程可以使用内置的/record-demo命令。这个命令基于Playwright可以打开一个浏览器录制你的操作过程并输出为视频文件。Claude会引导你设置录制参数如窗口大小、帧率并在录制完成后将视频文件放入正确的位置。生成AI语音旁白脚本完成后运行命令/generate-voiceoverClaude会读取VOICEOVER-SCRIPT.md中的旁白文本调用你配置的TTS服务如Qwen3-TTS生成完整的语音文件并自动根据场景切割成多个小段方便后期音画对齐。生成背景音乐同样你可以让Claude为你生成一段匹配视频情绪的配乐。例如“生成一段2分钟的、舒缓且带有积极感的电子背景音乐。” Claude会调用tools/music_gen.py工具来完成。3.6 场景审查与设计微调所有资产就位后在项目目录下运行npm install npm run studio这会启动Remotion Studio一个基于浏览器的实时视频预览器。在这里你可以逐帧播放整个视频检查画面、字幕、动画是否与音频同步。此时你可以使用另一个强大命令/scene-reviewClaude Code会进入“场景审查”模式。你可以让它聚焦于某个特定场景例如“我觉得场景3的代码展示部分太单调了”。Claude会结合frontend-design技能给出具体的改进建议比如“可以增加一个代码高亮聚焦的动画效果”甚至直接为你生成修改后的React组件代码。你同意后它就会帮你实施修改。3.7 渲染与最终输出对预览效果满意后就可以进行最终渲染了。在项目目录下执行npm run renderRemotion会启动渲染进程将所有的React组件、资产、动画合成为一个MP4视频文件。渲染时间取决于视频复杂度、长度和你的机器性能。渲染完成后视频文件会输出在项目根目录下例如out/weekly-tech-share-001.mp4。至此一个由AI深度参与辅助、从脚本到成片的视频就制作完成了。整个过程中你主要扮演“导演”和“编辑”的角色进行创意决策和审核而大量重复性、技术性的执行工作都交给了Claude Code和它背后的工具链。4. 核心工具链深度解析与实战技巧工具包的强大离不开其背后精心整合的一系列开源与商业工具。理解它们能让你更好地发挥工具包的潜力。4.1 Remotion编程化视频的基石Remotion是整个工具包视频合成的核心。它允许你使用React和TypeScript来“编写”视频。这意味着组件化视频的每一帧都是一个React组件。标题、字幕、图片容器、动态图表都可以做成可复用的组件工具包的lib/components/里提供了11个现成的。逻辑驱动你可以用JavaScript逻辑控制动画、内容变化。例如根据数据动态生成图表动画或者让文字逐字出现。开发体验npm run studio提供的热重载Hot Reload体验和Web开发一模一样修改代码立即看到视频效果。实战技巧利用内置过渡动画工具包在lib/transitions/中扩展了7个酷炫的自定义过渡效果如glitch故障效果、lightLeak光晕泄漏。在你的场景组件中可以像这样使用import { glitch } from “../../lib/transitions”; // ... 在组件渲染中 ... glitch({ durationInFrames: 30 })(YourSceneComponent)动态内容注入Remotion的强大之处在于动态性。你可以让Claude Code编写一个组件从外部的JSON或API获取数据比如本周的GitHub提交统计然后实时生成数据可视化视频片段。这在制作周报、数据分析类视频时极其有用。4.2 AI生成工具选型成本与质量的权衡工具包提供了多种AI生成选项了解其特点有助于你做出性价比最高的选择。语音合成TTSElevenLabs音质自然度天花板情感丰富但需付费按字符计费。适合对旁白质量要求极高的最终成品视频。Qwen3-TTS工具包集成的开源方案。音质清晰支持中英文通过Modal调用成本极低约$0.01/千字。这是我最推荐的日常使用方案在成本可控的情况下提供了相当不错的品质。/setup时会帮你部署好。注意生成长语音时建议使用--scene-dir参数让工具按场景生成独立音频文件方便在Remotion中分段控制和调整。图像生成FLUX.2当前最强的开源文生图模型之一。工具包通过flux2.py封装。除了根据提示词生成它最大的亮点是--preset参数内置了如title-bg标题背景、diagram-bg图表背景等针对视频场景优化的预设风格能快速生成风格统一的背景素材。图像编辑与放大image_edit.py和upscale.py同样基于FLUX模型。你可以给现有截图换风格或者将小图放大4倍而不失真非常实用。视频生成LTX-2文本生成视频或图生视频模型。虽然当前开源视频生成模型的连贯性和时长仍有局限但对于生成一些抽象的、氛围感的背景视频片段如流动的光效、缓慢移动的云层已经足够好用。成本约$0.2/次适合用于制作高级片头或转场素材。音乐生成ACE-Step通过music_gen.py调用。它提供了corporate-bg、upbeat-tech等8种场景预设能快速生成无版权、贴合主题的背景音乐。你也可以通过--prompt进行更精细的描述。关键优势它提供了一个免费的云端APIacemusic对于非商业用途或测试来说简直是福音。成本控制心得善用预设flux2和music_gen的预设是经过调优的能减少你反复调整提示词导致的失败次数直接节省成本。先预览后生成对于LTX-2视频生成可以先让Claude用flux2生成一张静态关键帧确认画面风格满意后再用这张图作为ltx2.py的--input进行图生视频成功率更高。本地缓存工具包生成的资产会保存在本地和Cloudflare R2。同样的提示词和参数生成的资产会被复用避免重复计费。4.3 品牌系统保持视觉一致性当你需要为同一个公司或频道制作系列视频时品牌系统Brand System能节省大量时间。通过/brand命令创建一个新品牌如my-company你可以在brands/my-company/目录下定义brand.json: 主色、辅色、字体、标题样式等。voice.json: 默认的TTS发音人、语速、音调。assets/: 公司Logo、水印、标准背景图等。创建项目时选择这个品牌那么生成的所有场景组件都会自动继承这些样式AI生成图像时也会参考品牌色板。这确保了系列视频视觉上的统一和专业性。5. 常见问题与故障排查实录在实际使用中你可能会遇到一些典型问题。以下是我踩过坑后总结的解决方案。5.1 云GPU相关问题问题1运行python tools/flux2.py --cloud modal时报错ModalError: Authentication failed。原因Modal的Token未设置或已过期。解决在终端运行modal token new重新生成并验证Token。检查环境变量MODAL_TOKEN_ID和MODAL_TOKEN_SECRET是否设置正确。/setup命令通常会处理好但如果你切换了终端或重启了电脑可能需要重新source一下环境变量文件通常位于~/.modal/config.json或项目根目录的.env文件。运行modal config检查当前激活的账户。问题2AI工具部署成功但调用时超时或失败。原因AModal的Serverless函数冷启动。首次调用或长时间未调用后需要时间启动容器。解决A耐心等待一下可能30-60秒再次重试。对于生产流程可以考虑设置一个预热调用。原因BCloudflare R2存储桶权限配置错误导致工具无法上传或下载中间文件。解决B检查/setup时配置的R2 Access Key是否具有PutObject和GetObject权限。最好在Cloudflare R2控制台为该密钥创建一个全新的、具有读写权限的桶策略。5.2 Remotion渲染问题问题3渲染视频时某些动态组件如图表显示为空白。原因Remotion在渲染render环境和预览studio环境下的行为有时略有不同尤其是涉及动态导入或浏览器API时。解决确保所有动态数据获取如fetch在组件内部被正确处理并且有加载状态。检查是否使用了仅在浏览器环境中可用的API如document,window。Remotion的渲染环境是Node.js没有完整的DOM。可以使用Remotion.useCurrentFrame来驱动动画而非setTimeout。在npm run render时可以添加--logverbose参数查看详细日志定位出错的具体组件。问题4渲染出的视频音画不同步。原因这是视频制作中最常见的问题之一。可能源于音频时长计算不准确、Remotion时间轴配置错误或FFmpeg编码问题。解决精确计时在VOICEOVER-SCRIPT.md中为每个场景指定精确到帧的入点和出点Remotion默认30fps即1秒30帧。使用/generate-voiceover命令时确保它生成的每个场景音频片段时长与脚本设定一致。使用Remotion的Audio组件在场景组件中使用Remotion原生的Audio /组件并指定startFrom和endAt属性可以更精确地控制音频播放区间比依赖全局时间轴更可靠。检查FFmpeg确保安装了正确版本的FFmpeg。有时音视频编码器不匹配会导致问题。可以尝试在remotion.config.ts中指定不同的音频编码器如-c:a aac。5.3 工作流与协作问题问题5和Claude Code对话时它似乎“忘记”了之前项目里的决定。原因Claude Code的上下文长度有限。虽然工具包通过CLAUDE.md提供了项目记忆但在一个非常长的对话后早期的信息可能会被“挤出”上下文。解决主动切换上下文使用/video命令并选择“Resume”一个现有项目是刷新Claude项目上下文最可靠的方式。关键信息固化将重要的创意决定、参数配置如品牌色值、字体大小明确写入项目的README.md或project.json的notes字段中。Claude在读取这些文件时能重新获取信息。分段会话将大型视频项目拆分成明确的阶段规划、资产制作、合成、渲染每个阶段开启一个新的Claude Code会话并通过/video resume进入。问题6想自定义一个视频模板但不知从何下手。解决最好的方法是“复制并修改”。在templates/目录下复制一个现有模板如sprint-review文件夹重命名为你的模板名。重点修改两个文件src/Video.tsx主视频结构和src/Scenes/目录下的场景组件。仔细阅读docs/creating-templates.md文档了解模板的契约Contract比如必须导出一个Video组件以及project.json的结构约定。修改后运行/template命令Claude Code就能识别并列出你的新模板了。这个过程本身也是一个学习Remotion组件设计的好机会。这个工具包不是一个“黑箱”魔法而是一个高度可扩展的创作平台。它的价值随着你对Remotion、对AI工具链、对视频叙事理解的加深而倍增。我最欣赏的一点是它没有隐藏复杂性而是通过Claude Code这个友好的接口让这些复杂的能力变得可访问、可操控。你可以从使用预设模板开始逐渐深入到修改组件、创建自定义过渡效果、甚至集成新的AI模型。这种从使用者到创造者的路径才是它作为“开发者工具”最迷人的地方。