陈与小金 · 视频幕后 · 2026.10.19 – 10.28

从刷到原文到发出去 71 小时，画面推倒重做了一遍

成片《怎么更有野心：写给用模型的人的教程》，13 分 03 秒，拆解 Anthropic 做 Claude 的工程负责人 Felix 的长文。一边是原文卷轴，一边是动画，主角是代表 AI 的红色小方块「小克」。画面全部是 AI 在 Remotion 里写代码画的；我没空录音，配音是用我上一期的真声克隆的。我做的是：刷到原文、改开头、听声音、挑版本、挑毛病、拍板，最后点发布。

71小时刷到 → 首发
144条我发的消息
4,949次Claude Code 动手
12次claude -p，$93.82

    分工

    我挑，AI 做

    按 10-19 立项到 10-28 发齐这段时间的对话记录数出来。我亲手做的只有：开头那段口播稿自己改了几轮、在达芬奇里把字幕放上时间线、换上自己的配乐、在封面编辑器里拖字，以及每个平台的发布键。

    时间线

    10-19 晚上刷到，10-22 晚上发出

    按对话记录和工程的提交记录排出来。真正干活是前四天；中间空着的几天是在等首发平台的独占期。

    10-19 · 周一

    立项、写稿

    Felix 博客原文的页头
    • 21:00 我发了一张截图问「为啥没有人告诉我」
    • 21:08 素材包建好：原文全文存档、1920×8563 整页长图、推文数据、16 条事实清单
    • AI 写了三版稿，23:52 我定第三版
    我 8 条 · Claude Code 64 次
    10-20 · 周二

    先搭画面，再换声音

    第一版画面:墨线伞罩住 App 窗口
    • 我没空录音，AI 先用克隆音占位，2 个半小时做完第一版全片
    • 核出稿子里 9 处和原文对不上，改稿、改画面
    • 我嫌声音不像，用上一期真声重新克隆、剪停顿
    • 23:04 我说动画不够吸引人，AI 量完做 3 个样板
    我 33 条 · Claude Code 1,674 次
    10-21 · 周三

    定小克，开头 9 版

    样板 C:小克按前两集画法
    • 样板 C 主角换小克，画法对齐前两集
    • 我自己改了开头几轮；定克隆音直接当成片配音，每分钟至少 300 字
    • 20:24 开头 26 秒重做，9 版同时跑
    • 23:31 第 2–7 章各派一个 claude -p 重做
    我 44 条 · Claude Code 584 次
    10-22 · 周四

    质检、声音、首发

    成片第 4 章:小克戴礼帽扮专家
    • 00:06–01:09 两轮盲看质检，两轮返修
    • 01:33–03:31 字幕、音效、配乐、混音、4K 成片
    • 白天我换掉配乐、在达芬奇里加字幕；AI 导出、体检、出封面
    • 19:56 我点发布
    我 49 条 · Claude Code 2,373 次
    10-27 – 10-28

    同步其余五个平台

    封面:握拳底图,文章拆解 如何更有野心地用 AI
    • 独占期满，AI 在浏览器里把成片传到其余五个平台、填标题简介、传封面
    • 发布键都是我点的
    我 10 条 · Claude Code 254 次

    Claude Code 的次数按工具调用的时间算日期，不含 claude -p，所以 10-21 夜里跑到凌晨的质检算在 10-22。

    第一版

    2 个半小时，34 个工人做完第一版全片

    10-20 11:20 我把工程交给 Claude Code，中途只说了一句「你直接做完就好了」。它先把克隆音每个字什么时候开口量出来，再把原文长图切成一块块锚点，然后分 7 章派工人同时做画面，做完一章审一章、审出问题就返修。13:52 整片 11 分 10 秒在 Studio 里打开给我看。

    做画面107 章各一个；3 个中途断网掉线，派新工人接着做完
    审片8每章抽帧看，给出返修单
    返修9按返修单改，别处不动
    核对6查齐不齐、对原文核事实、核稿子和录音、核能不能编译，另 2 个复核锚点
    标定1把原文长图切成 54 块锚点，讲到哪段亮哪段
    133 行，每个字的开口时间都量出来

    画面要卡某个词，就写「第几句里的哪几个字」，帧号由程序查出来，组件里不写秒数。拿波形里量到的停顿核对：一半的字误差在 15 毫秒以内，九成在 81 毫秒以内，都不到 3 帧。后来换声音、剪停顿，画面都是重跑一遍对齐就跟上了。

    核出 9 处和原文对不上

    右边一直挂着原文，讲到哪段放大哪段，旁白说了原文没说的话，懂英文的观众一眼就能看出来。核对时挑出 9 处，比如米开朗基罗那句引语原文里没有、「医学界断言 4 分钟是极限」原文也没有。我说「改吧」，稿子、录音、画面一起改。

    我说「动画不够吸引人」，AI 先量了一下

    10-20 23:15，每 2 秒抽一帧，和上一期比

    第一版 vs 上一期《模型如何看视频》

    这条第一版（全片）上一期

    最弱的「高度」一章：有东西的面积 6%、每 2 秒变化 4.5%、几乎不动 28%。动画区九成以上是空白宣纸，主体是小墨人、细线和小标签，画得太小、动得太少。

    换画法

    同一句「替它猜路径」，画了六遍

    量完之后，AI 拿「高度」一章开头的一分钟同时做三个方向的样板。我挑了 C，但说「太脏了，模型能不能用小克」；第二天又说「小克太大了，风格有些不一样，不能看之前 2 个工程作为参考吗」。下面是同一个时刻的六版画面，最后一张是成片。

    第一版:黑墨团写着模型,被塞进窄管10-20 13:52
    第一版　写着「模型」的黑墨团被塞进窄管，意思全靠旁边的字。
    样板 A:大墨团占三分之二画面10-20 23:45
    样板 A · 大主体近景　墨团放大到画面三分之二高，镜头贴近。
    样板 B:墨团有表情,小人指挥它10-20 23:45
    样板 B · 角色主演　墨团有了眉眼，被挤成「> <」脸，旁边一个小人指挥它。
    样板 C 小克版:水墨山水加光效10-21 00:11
    样板 C · 换成小克　水墨山水、光从管子裂口炸出来。我说小克太大、风格和前两集不一样。
    样板 C 对齐前两集画法10-21 13:03
    对齐前两集　AI 把前两集成片截图一张张对过：宣纸平涂、毛边墨线、宋体字，朱红只点两处，小克缩到一半。
    成片:一只手握笔替小克画路成片 1:44
    成片　「你」的手握着笔替小克画好路，小克只能照着走。
    开头 9 版

    9 版开头同时做，我挑了 AI 排在最后的那版

    10-21 20:24 我说：「开头的 26S 需要完全的重做，现在看起来是 5S 完播 10% 的视频。」AI 先把旧开头前 26 秒每秒抽一帧看：第 0 帧是一张小截图，一动不动，前 5 秒基本没东西在动。它定了三个方向，各派一个 xhigh 档的子代理。我又说还可以单独再跑 medium 和 high，「是加，不是说换」，于是每个方向再加两个 claude -p，9 版同时做。

    54分钟9 版全部交回
    9.8–46分钟每版用时
    $19.36 个 claude -p 合计
    9 / 9AI 逐帧看过再推荐
    方向xhigh（子代理）high（claude -p）medium（claude -p）
    A 墨字「野心」巨大的行楷「野心」砸在纸上，被吸进一行空的输入框46 分钟
    AI 推荐第 1    		24.3 分钟 · $3.55
    中途断线一次，续跑    		9.8 分钟 · $2.46
    B 小克主演小克站在顶天的大山「野心」脚下，手里只有一张小纸条41 分钟
    我挑的    		19.6 分钟 · $4.2410.3 分钟 · $2.56
    C 自己想比喻瓶中船、大墨树、麻绳穿针眼……三个档位各想了一个35 分钟17.0 分钟 · $3.79
    AI 推荐第 2    		12.8 分钟 · $2.74
    AI 推荐第 3

    xhigh 那三版是子代理做的，花费没有单独记录。用时按各自记录的起止时间算。

    旧开头:左边原文页头,右边推文截图
    旧开头　原文页头加一张推文截图，前 5 秒几乎不动。
    成片开头（B 版）　第 0 帧就是整座「野心」大山，山脚一个很小的小克。
    AI 的排法错在哪

    AI 把 B 排在最后，理由是线条少、画面不够「满」。我说：「首先 A 的肯定是不行的，C 也是不行的……用那个 Open-B。」AI 回头承认：C 是让做的人自己想比喻，想出来的瓶中船、大墨树和口播对不上；拿「满不满」排好坏是错的，以后挑版先对我认可过的画法。其余 8 版挪进废纸篓的一个文件夹，没有彻底删。

    「10 秒钟大概有 11 次镜头抖动」

    这是我随手数的。AI 按帧算了镜头位置：前 10 秒正好起停 11 次，因为开头是一段段拼起来的，每段都「起步、走一小段、停住」，告示牌落地还加了一次真震屏。改完整个开头 26 秒的镜头起停从二十来次减到 7 次，震屏删掉，再抽 18 帧确认主角都还在画面里。

    6 章重做

    第 2–7 章：6 个 claude -p，24 分钟交齐

    开头定下来后我说：「每一个画面都有点不明所以……所有的模型都换成小克，火柴人也可以换成小克。」AI 先把 46 拍每拍抽一帧看了一遍，画面大多是星图、十字、写着「模型」的墨团这类抽象符号。23:31 起 6 章各派一个 high 档的 claude -p 同时重做，要求是口播说到什么，画面里就有人正在做这件事，不读名牌也能猜个八九不离十。动手前把 6 章的代码全备份了。

    章首轮重做（high）加两轮返修后（xhigh）盲看分 第一轮 → 第二轮

    用时和花费取每个 claude -p 自己记录的累计值；返修是接着原来那个会话做，记得住自己写过的代码。满分 3 分。第三轮返修后没有再派人复审。

    成片里的样子

    每段 4 秒，从成片截取
    盲看质检

    12 个质检官只看画面，猜这一拍在讲什么

    6 章交回后我说：「派一个质检官，去对画面的意向意图识别进行检查……你要做的不只是一个普通的动画，是要比之前做过的所有视频都要优秀的动画。」AI 派了 6 个质检官，一章一个；返修完再派 6 个新的复审，两轮换人、抽的帧也不同。

    第一步：盲看

    每拍只给 4–10 张连续画面，不给口播文字。质检官先写下「看到了什么、猜这段在讲什么、哪里看不懂」，写完不许改，才能打开文稿。

    第二步：对答案、挑毛病

    盲猜对照真实口播打 0–3 分，3 分是一猜就中。再挑毛病：删掉这个画面观众损失什么、焦点是不是正在讲的词、有没有像 PPT 一样一页页蹦、数字有没有编。每条标到第几秒。

    6 章的盲看分（满分 3）

    第一轮第二轮复审

    第 4 章第二轮反而低了 0.16：第一轮的硬伤（编出来的数字、画面替原文下「推翻!」的结论）都修好了，但换了质检官和抽帧，单拍差 1 分有一部分是采样带来的。

    一拍改三遍：米开朗基罗「不想画画」

    第 6 章 b43，10:17–10:23，每轮质检官看到的 4 帧
    第一轮1 分

    口播说米开朗基罗是雕塑家、不想画西斯廷天顶，画面上小克却戴着贝雷帽在画布上画，画反了。

    第一轮:小克戴贝雷帽在画布上画人像
    盲猜：「他接下了超出自己身份认知的任务，做成了。说明天花板可以被拱高。」看不懂：「帧 2 小克已经在画人像了，帧 4 才出『画家 / 雕塑家』名牌——顺序反了。」
    第二轮2 分

    改成大理石加凿子、推开递来的画笔。但天花板拱成了穹顶，整章的天花板代表「限制」，拱起来会读成上限被抬高了。

    第二轮:小克凿石头,天花板拱成穹顶
    成片第三轮返修

    天花板不再拱起，梁下挂一排空画框；递来的画笔被小克推开，它只顾着凿石头。

    成片:平梁下挂空画框,小克凿石头
    返修常常改过头

    第二轮复审发现，照着质检的改法做，反而把原来好的地方改坏了：删掉名牌后三个图标被拆散读不出意思，给翅膀加的捆绳糊成一团墨线，给「代价」配的钱袋把意思带歪了。第三轮 AI 在每章要求里写明：复审确认好的地方一律别动，只修没到满分的拍。

    顺手查出的事实问题

    第 4 章终端里「书面词 23 处 / 长句 9 处」是编的，换成素材包里的真实扫描数据；第 7 章转发卡补上了实看过的英文原句；画面上原文里没有的词撤掉。还有两句口播和原文意思有出入，AI 按规矩只报告、不改稿，由我定。

    声音和后期

    我给了 7 小时，AI 2 小时做完声音，配乐我换掉了

    10-22 01:32 我说：加字幕、加音效、加 BGM，「每一个变化都有对应的音效」，混音让人声更舒服，可以自己派 -p 或子代理，「我给你完整的 7 个小时」。03:31 它交了 4K 成片，没用满 7 小时：后面几轮 AI 试听的意见开始互相矛盾，它停手交给我的耳朵。

    300 字/分

    克隆配音

    默认声音还是 8 月一期的旧克隆，我问「怎么还在用 kimi 啊」。AI 改用上一期我真人念的约 3 分钟原声重新克隆，避开了那期里机器补的 18 句；比了四代模型，换上最新的那一代、加一句「像跟朋友聊天」的口吻指令。

    我嫌慢：「300 字 1 分钟吧，起码都得……别生成的时候加速，不然很机械。」AI 做了 A–D 四版，我选先多剪停顿、再整体拉伸那版。

    1,576 个

    音效点

    7 个代理各读一章的动画代码，用画面同一份时间表算出 1,576 个「画面在变」的时间点，每个点配一声。另一个代理备了 101 个 CC0 音效，31 类，真实的纸、笔、木、石录音加乐器采样。

    铺音效时顺手查出 3 处小克或「你」的手一帧瞬移，改成走过去，抽帧确认。

    450 条

    字幕

    每行不超过 16 个字，按词断行，不把「到底」「真心」这种词劈开。我决定字幕自己在达芬奇里加，用的就是这份；AI 查出整条晚了 1 帧，我在界面里挪回来。字幕位置它截预览画面量过，卡在两栏下面，不压内容。

    64 秒 → 13:03

    配乐：我换成自己的

    AI 按 7 章情绪各生成一段、统一调性拼成整条。我听完说「BGM 不咋样」，换成我 6 月做的一首 64 秒的曲子。AI 把它拼成和片子一样长：前 24 秒照原曲放，之后每到第 24 秒跳回第 8 秒，接口落在句首重拍上，片尾接原曲结尾。

    2 帧

    真人开头：做了又撤

    我录了一段真人开头。AI 量出声音比嘴早 2 帧，把录制软件的麦克风补偿设成 67 毫秒；再在达芬奇里用 Fusion 做了「说几句甩到右下角」的效果。我听完问是不是加了混响，AI 量给我看：没加，是房间回声，真声和克隆音的空间感对不上。我说「都撤销吧」。

    ✅ 可发

    导出后体检

    规格4K · 30 帧 · H.265，带字幕和不带字幕两版
    长度23,505 帧，片尾无黑屏
    响度 / 峰值-14.1 LUFS / -1.1 dB
    配乐比人声低7.1 dB
    和母带比画质三处取样相似度约 0.996
    遇到的问题怎么处理的
    开头加跑 medium、high 时，派活方式被全局设置盖成了 xhigh，6 个其实都按 xhigh 在跑发现后立刻停掉（还没写代码），改成单独开 claude -p、显式写明档位，再逐个查运行记录确认生效。
    我说「开头第一句话都被切没了」AI 先把旁白前 6 秒重新转写，一个字没少；原因是 Studio 预览被设了一个停在第 11 帧的入点，不影响成片。
    第 6 章返修时，脚本出错把一个还没提交的文件清空了从上一轮的打包文件里原样找回，之后把整个代码和分镜表各打了带时间的备份包。
    重渲 4K ProRes 母带（52 GB，38 分钟）时发现硬件编码偏橙，小克的红从 181,73,59 变成 200,92,55全片改软件编码重渲，渲染脚本一起改掉。
    体检脚本报「码率 27 Mb/s 偏低，不可发」AI 判断是误报：门槛按 H.264 定的，没区分 H.265。拿导出片和母带逐帧比，相似度约 0.996，照样发。
    封面两次没等我选就导出了；我还得下载一个 json 才能存布局撤回重来。之后只把编辑器打开交给我，我说了才导出；编辑器加了「保存」按钮。
    我说过的话

    改变了片子的那几句

    144 条消息里，很多是「打开我看看」「继续」「commit 一下」。真正改变了片子的是下面这些。

    10-19 21:00这个文章，和我之前出的 Fable5指南和扫盲，都是很重要的，为啥没有人告诉我立项。AI 查出原因：选题发现只扫视频网站，没人盯 Anthropic 员工发的长文。
    10-20 10:53能不能先搭画面骨架，我现在没空录制声音。或者用克隆音，后面我录制。先用克隆音占位，画面按每个字的时间对齐，换声音只重跑对齐。
    10-20 19:50怎么还在用 kimi 啊，用我上一条视频的声音不行吗？用上一期真声重新克隆。
    10-20 23:04我觉得动画不够吸引人。AI 先量出原因，再做三个方向的样板。
    10-20 23:48C 的变化是可以的，但是太脏了，模型能不能用小克主角换成小克。
    10-21 12:32小克太大了，然后风格有些不一样，不能看之前2个 工程作为参考吗。照前两集成片重画：宣纸平涂、毛边墨线、宋体字。
    10-21 13:49原文就是4个，他是在第一个里面说的速度去掉，我为什么要在开头去掉？开头按原文说「四个方向」，正文再讲速度为什么跳过。
    10-21 14:22想直接拿克隆音当成片配音，我听声音还挺好的，就是气口不对劲。克隆音从占位变成成片配音。
    10-21 20:24开头的26S 需要完全的重做，现在看起来是5S 完播10%的视频。9 版开头同时做。
    10-21 21:43首先 A 的肯定是不行的，C 也是不行的……用那个 open B换上 B，AI 改了挑版规矩。
    10-21 23:16我刚刚随便数了一下，到 10 秒钟大概有 11 次镜头抖动开头镜头起停从二十来次减到 7 次。
    10-21 23:27每一个画面都有点不明所以，也就是画面和内容的关联性不知道在哪里。第 2–7 章重做，主角都换成小克。
    10-21 23:58派一个质检官，去对画面的意向意图识别进行检查12 个质检官盲看打分，返修两轮。
    10-22 10:46BGM 不咋样，我自己在达芬奇做吧，然后音效可以保留。配乐换成我自己的曲子，字幕我在达芬奇里加。
    10-22 18:48这个封面你是需要重新用生图模型去生成的呀，你不能一直去复用之前的呀重新生成 6 张底图，我挑握拳那张。
    10-22 19:03然后我都没有选择要哪一个，你凭什么就给我放进去了呀？撤回；之后我说了才导出。
    收获

    做完这条，我记住了三件事

    1

    多跑几版，但挑的人是我

    9 版开头 54 分钟就交回来了，多跑几版几乎不花时间。可 AI 推荐的前三名我都没要，它按「画面满不满」排，我看的是像不像我们这个系列。跑多少版都行，最后那一下得我来挑。

    2

    「不明所以」可以变成分数

    我只说得出「不明所以」。让另一个 AI 不看文稿、只看画面猜意思，猜不中就是没演出来，具体到哪一拍、第几秒。第 7 章从 1.75 分修到 2.25 分，米开朗基罗那一拍改了三遍才对。

    3

    声音的最后一关留给耳朵

    我给了 7 小时，AI 2 小时就停了，因为它自己几轮试听的意见开始打架。配乐我最后换成了自己的曲子；真人开头它量出了 2 帧偏差、做好了效果，我一听空间感不对，还是撤了。

    问答

    常见问题

    这条视频的画面是谁做的？

    全部是 AI 在 Remotion 里写代码画的。第一版由 Claude Code 派 34 个工人分 7 章做；之后开头 9 版由 3 个子代理和 6 个 claude -p 同时做；第 2–7 章由 6 个 claude -p 各重做一章，再按 12 个质检官的报告返修两轮。我负责看、挑、说哪里不对。

    人做了什么，AI 做了什么？

    我刷到原文、自己改了开头几轮、定配音和语速、挑开头、挑毛病、换配乐、在达芬奇里加字幕、在编辑器里改封面、点发布，一共 144 条消息。其余都是 AI：Claude Code 在 17 段对话里动手 4,949 次（含 67 个子代理）；claude -p 另跑 12 次、操作 749 次。

    配音是真人吗？

    不是现场录的。用我上一期自己录的约 3 分钟原声克隆，AI 比了四代模型，我挑声音、定语速每分钟至少 300 字，AI 先剪停顿再整体拉伸。

    小克是谁？

    片子里代表 AI 的红色小方块。同一个画面里如果既有 AI 又有「你」，AI 是小克，「你」是一只从画框边伸进来的手，免得两个小克分不清。

    开头为什么重做？

    第一版开头是一张小截图，前 5 秒几乎不动。AI 按 3 个方向 × 3 个档位同时做了 9 版，54 分钟全部交回。AI 推荐的前三名我都没要，挑了它排在最后的小克主演版。

    一共花了多少钱？

    12 次 claude -p 合计 $93.82（按 API 价格折算）：开头 6 版约 $19.3，第 2–7 章重做加返修约 $74.5。Claude Code 主会话和子代理的花费没有统计。

    发布是 AI 点的吗？

    不是。AI 会打开浏览器上传、填标题简介、传封面，发布键都是我手动点的。