用4美元让Claude Code自主造出解说视频：一次无人值守实测

一次无人值守的AI创作实验

一位Reddit用户分享了他对Claude Code能力的真实测试，结果让他直言"下巴都惊掉了"。事情的起因很简单：他此前看到一篇名为"Made entirely with Opus 5.5"（完全用Opus 5.5制作）的帖子，好奇这套流程能否复现，于是决定亲自跑一遍。

他几乎逐字照搬了原帖作者的提示词（prompt），塞进Claude Code，配上一个设置了10美元上限的OpenRouter密钥，然后——直接走开，让AI自己干活。测试对象选的是他自己的小型副项目Friendr.nl，理由很实在：他需要一个真实的产品来做解说，而不是空对空的演示。

用他自己的话说："重点不是这个App，而是这场测试。"

AI在1.5到2小时里独立完成了什么

真正令人意外的是这套流程的完整度。在大约1.5到2小时的无人值守运行中，Claude Code自主完成了一整条视频制作的产线，几乎覆盖了从创意到成片的每个环节：

• 写脚本和概念：先想清楚要讲什么、怎么讲；
• 生成拼贴风格的美术素材：视觉资产由AI自己产出；
• 制作配音、配乐和音效：声音层同样一手包办；
• 用纯JavaScript canvas动画搭建整个视频，然后渲染导出为MP4；
• 将每一个动画节拍与旁白台词同步，这是最考验细节的一步；
• 调用另一个模型来审阅自己的草稿，发现问题后自行修复。

这里最有技术含量的两点，一是把动画节奏和语音精确对齐——这通常需要人工反复微调；二是引入"另一个模型当审稿人"的自我审查机制，相当于让AI给自己做质检，再根据反馈迭代。整个过程无需人类插手。

JavaScript Canvas动画是HTML5提供的一种基于<canvas>元素的2D图形绘制API，开发者可以用JavaScript代码逐帧绘制图形、文字和图像，并通过requestAnimationFrame等机制生成流畅的动画序列。相比传统视频制作软件（如After Effects），Canvas动画的优势在于整个制作流程都是代码驱动的——AI可以直接输出JavaScript文件，精确控制每一帧的内容和时序，再通过Puppeteer或FFmpeg等工具将渲染结果导出为标准MP4视频。这种"代码即动画"的范式，正是AI能够端到端接管视频制作流程的技术基础：文字、图形、时序全部以数据形式存在，AI的强项恰好在于处理和生成这类结构化内容。

成本只有约4美元

这场实验最抓眼球的数字是价格。尽管作者预留了10美元的额度上限，实际在OpenRouter上的花费只有大约4美元。做完英文之外，他又追加要求生成了一个英文版本，多花了大约半小时。

把这个成本放到传统内容制作的语境里对比会更直观：一段包含原创脚本、美术、配音、配乐、音效和逐帧同步动画的产品解说视频，若走常规外包路线，成本和周期都远不止于此。而这里，四美元、两小时、零人工干预。

作者对成品的评价相当克制也相当诚实："这不是皮克斯，但作为一个真正的解说视频，它百分之百可用。"这句话点出了当前这类AI自主创作的定位——它未必能达到顶级工作室的艺术水准，但已经跨过了"能实际拿来用"的门槛。

这个案例说明了什么

抛开单次实验的偶然性，这个案例真正的价值在于它展示了AI Agent（智能体）编排复杂多模态任务的能力已经到了什么程度。它不是单点生成一张图或一段文字，而是把"脚本—美术—声音—动画—渲染—自审—修复"这条完整链路串了起来，并且自主决策、自主纠错。

值得留意的几个信号：

多模型协作正在成为常态。 让一个模型生产、另一个模型审查，这种"生成-评审"的分工模式显著提升了产出的可靠性，也是Agent工作流走向成熟的标志之一。

成本结构被重构。 四美元的边际成本，意味着这类内容可以被大规模、低门槛地生产，对独立开发者和小团队尤其友好。

人类角色前移。 在这个流程里，人类的核心贡献退到了"写好那条提示词"的位置上——作者自己也把所有功劳归给了原帖提示词的作者。提示词的质量，正在成为最终产出质量的关键杠杆。

当然，作为一次来自社区的单一实测，它的结果还需要更多复现来验证稳定性，成品质量也依赖具体项目和素材。但它至少清晰地传递了一个趋势：AI自主完成端到端创作任务，已经从概念演示走向了可用的实践。

OpenRouter是一个聚合多家AI模型供应商（包括Anthropic、OpenAI、Google等）的统一API网关，开发者只需一个API密钥和一套接口规范，就能按需调用不同厂商的模型，并按实际用量付费。它的计费模式以token消耗为单位，充值后设置消费上限即可防止超支——本文作者预设10美元上限正是这一机制的体现。对于需要在单一工作流中协调多个模型（如本案例中"生成模型+审查模型"的组合）的Agent应用而言，OpenRouter降低了跨模型编排的工程复杂度，同时让成本控制更加透明和可预测。