用 AI 制作专业科普视频：remotion-video skill 八格实战手册 场景故事
周二下午三点，产品经理把一份 40 页的技术方案扔给你：
"这个太难懂了，能不能做成一个 5 分钟的讲解视频？下周客户演示用。"
你打开了剪映……又关上了。你没有素材，没有旁白，更没有时间。
然后你打开了 Claude Code，输入了一行话：
"帮我把这份技术方案做成 5 分钟的科普视频，需要配音和字幕。"
90 分钟后，一个带 AI 克隆配音、动态字幕、数据动画的 MP4 文件出现在你的桌面。
这就是 remotion-video skill 能做的事。
本文所有技巧均来自真实项目实战——用这套工具制作的《马斯克硅基帝国》科普视频，已发布在视频号，可扫码或点击预览效果：
🎬 点击观看实际成品视频
图：深夜的工作站，左侧是代码，右侧是渲染中的视频——这就是 remotion-video skill 的工作方式
八格表单
- 什么时候用？（触发时刻）
当你遇到以下任何一种情况，就该用这套工具：
内容类触发
有一篇文章/报告/方案，想变成"能讲给人听"的视频
需要解释一个抽象概念（算法、架构、商业逻辑）
想做一个 LinkedIn/B 站的知识型短视频
效率类触发
没时间/没预算请配音演员和剪辑师
需要批量生产同一模板的系列视频
视频内容经常更新，想要"改文字就能重新渲染"
质量类触发
对自己做的视频"总感觉差点意思"
想要和 Kurzgesagt / 3Blue1Brown 那种讲解风格靠近
一句话判断：只要你有"内容"但缺"视频执行力"，这套工具就值得用。
- 做出来是什么？给谁？（目标产出）
产出物清单
文件 规格 说明 out/video.mp4 1920×1080，H.264 可直接上传的成品视频 public/audio/ .mp3 32kbps，克隆声音 每个场景的配音音频 public/subtitles.srt 标准字幕格式 自动同步的字幕文件 src/scenes/ .tsx React 组件 可复用、可修改的场景代码
目标受众
内容创作者：做知识科普、行业解读视频
产品/技术人员：做方案讲解、功能演示视频
教育工作者：做课程讲解、概念可视化视频
营销团队：做产品宣传、案例故事视频
不适合的场景：需要真人出镜的 Vlog、需要精细剪辑的综艺片段、时效性极强的新闻速报。
- 需要准备什么？（输入清单）
必须有
✅ 内容来源（三选一） - Markdown 文章（.md 文件） - PDF 文档 - 一段文字描述（200 字以上） ✅ MiniMax 账号 - MINIMAX_API_KEY - MINIMAX_VOICE_ID（克隆声音 ID） - 👉 注册地址：www.minimax.io - 费用参考：100 字 ≈ ¥0.01，一个 5 分钟视频约 ¥1-3 ✅ 本地环境 - Node.js 18+（npx remotion 需要） - Python 3.8+（音频生成脚本） - ffmpeg（brew install ffmpeg）
推荐有
⭐ 豆包/ARK API Key（AI 生成配图，更好看） - ARK_API_KEY - 注册：ark.cn-beijing.volces.com ⭐ Pexels API Key（获取免费素材图） - PEXELS_API_KEY - 注册：www.pexels.com/api
克隆声音怎么录
录制一段 20-30 秒的音频，注意：
安静的环境，无背景噪音
正常语速，口齿清晰
任何内容都行（读一段文章即可）
上传到 MiniMax Audio → 等待 2-3 分钟 → 复制生成的 voice_id。
- 怎么跟 AI 说？（系统提示词配置）
最简触发（推荐新手）
/remotion-video
Claude 会主动问你：主题、时长、内容来源。你只需要回答就好。
带内容触发（推荐效率党）
帮我把这篇文章做成 5 分钟的科普视频：[粘贴文章内容或文件路径] 要求：
- 风格：教育科普（Kurzgesagt 风格）
- 时长：5 分钟左右
- 需要配音和字幕
精准控制触发（推荐有经验的用户）
用 remotion-video skill 制作视频，参数如下： 内容：[文件路径 or 文字描述] 时长：90 秒 风格：Educational（教育科普） 场景数量：6 个场景 配音：是（使用我的克隆声音） 字幕：是 配图：豆包 AI 生成概念图 特别注意：
- 每个场景聚焦一个核心概念
- 开场 15 秒内给出核心结论
- 数据用动画图表展示
触发后 AI 会做什么
Claude 收到指令后，会自动走完这个流程：
分析内容 → 拆解场景 → 生成脚本 → TTS 配音 → 检测时长 → 编写 React 组件 → 生成字幕 → 预览确认 → 渲染输出 MP4
你只需要在「预览确认」环节看一眼，给个 OK。
图：触发 skill 后，Claude 内部自动执行的 9 步流水线——你只需要在"预览确认"节点介入一次
- 具体怎么操作？（步骤拆解）
第一步：环境配置（一次性，5 分钟）
设置环境变量（加入 ~/.zshrc）
export MINIMAX_API_KEY="your_key" export MINIMAX_VOICE_ID="your_voice_id" export ARK_API_KEY="your_ark_key" # 可选
安装系统依赖
brew install ffmpeg
第二步：触发 Skill（1 分钟）
在 Claude Code 中输入 /remotion-video，或者直接说明需求。
Claude 会询问：
视频主题/内容来源
期望时长
视频风格
第三步：确认脚本（5-10 分钟）
Claude 会生成视频脚本，类似这样：
场景1：开场钩子（0-15 秒）
[画面] 数据图表动画：从 0 增长到 1.25 万亿美元 [旁白] 2026 年 2 月，一笔史无前例的并购震动了科技界...
场景2：背景介绍（15-35 秒）
[画面] SpaceX 和 xAI 的 Logo 并排出现，连接线动画 [旁白] SpaceX 和 xAI，一个造火箭，一个造智能...
你需要做的：检查内容准确性，确认场景数量合适，然后说"确认"或提出修改意见。
第四步：等待生成（10-20 分钟）
Claude 自动完成：
TTS 配音生成（每个场景独立 MP3）
音频时长检测（ffprobe 精确到毫秒）
React 场景组件编写
字幕文件生成
你只需要等待，可以去喝杯咖啡。
第五步：启动预览（可选，5 分钟）
cd ~/remotion-projects/your-video npm run dev
浏览器打开 http://localhost:3000
拖动时间轴预览效果
第六步：渲染输出（10-30 分钟）
npx remotion render MyVideo out/video.mp4
渲染时间取决于视频长度。5 分钟视频大约需要 15-25 分钟渲染。
图：用户视角的 6 步操作流程——全程只有"确认脚本"这一个人工节点，其余全自动
- 怎么算做完？（验收标准）
最低合格线（必须达到）
out/video.mp4 文件存在，可以正常播放 音频有声音，不是静音 字幕与旁白基本同步（误差 < 0.5 秒） 没有黑屏或白屏超过 2 秒的段落
优秀标准（应该达到）
开场 15 秒内出现核心信息 每个场景只讲一件事，信息不拥挤 画面与旁白内容一致（不打架） 数据有图表动画，不是只说数字 视觉风格统一（颜色、字体一致）
加分项（精品标准）
使用了克隆声音（自然度明显优于预设声音） 图片有 Ken Burns 动效（而非静止图片） 场景过渡有淡入淡出（不生硬切换） 结尾有总结 + 行动号召
快速自查方法：把视频静音看一遍（检查视觉），再只听声音不看画面（检查旁白）。两遍都觉得"讲清楚了"，就算合格。
- 出错了怎么办？（失败排查）
最常见的 5 个问题
图：左侧红区是最常踩的坑，右侧绿区是对应的正确写法——渲染黑图问题 90% 源自这里
❌ 问题1：音频生成失败，报错 "invalid api key"
原因：使用了错误的 MiniMax API 域名。
❌ 错误（api.minimax.chat 是无效域名）
curl api.minimax.chat/...
✅ 正确
国际版：api.minimax.io
国内版：api.minimaxi.com
解决：检查 scripts/generate_audio.py 中的 API URL。
❌ 问题2：视频渲染后图片全是黑色/不显示
原因：使用了 CSS background-image 或 zIndex: -1。
// ❌ 错误：Remotion 渲染时无法等待 CSS 背景图加载
// ❌ 错误：zIndex: -1 会让图片渲染到背景层后面 // ✅ 正确：用 Remotion 的
组件，不设 zIndex: -1
❌ 问题3：字幕和音频不同步
原因：audioConfig.ts 中的帧数是手动输入的，与实际音频长度不符。
解决：重新运行时长检测脚本：
python3 scripts/detect_durations.py
脚本会用 ffprobe 精确检测每个 MP3 的时长
并自动更新 src/audioConfig.ts
❌ 问题4：3D 场景渲染出来是空白
原因：使用了 WebGL 但没有指定 OpenGL 引擎。
✅ 3D 视频渲染必须加 --gl=angle
npx remotion render MyVideo out/video.mp4 --gl=angle
❌ 问题5：渲染速度极慢，一帧要好几秒
可能原因：
图片文件太大（单张超过 1MB）
多个 3D 场景同时渲染导致 WebGL 上下文溢出
每帧都在做重复计算
解决方向：
1. 压缩图片到 300KB 以内
python3 -c " from PIL import Image img = Image.open('public/images/bg.jpg') img.thumbnail((1920, 1080), Image.LANCZOS) img.save('public/images/bg.jpg', quality=82) "
2. 增加并发数（适当加速）
npx remotion render MyVideo out/video.mp4 --concurrency=4
遇到问题的通用排查思路
- 先检查报错信息（终端输出的最后几行）
- 用 npm run dev 在 Studio 里单独检查出问题的场景
- 看 public/audio/ 里的 MP3 是否都生成了
- 检查 src/audioConfig.ts 里的帧数是否合理（和音频时长对应）
- 以后能自动吗？（升级路径）
当前能力（Level 1）：半自动化
你提供内容 → Claude 一步步执行 → 你确认脚本 → 自动渲染
适合偶尔制作，质量优先
近期可实现（Level 2）：模板化批量生产
如果你经常制作同类视频（比如每周做行业周报视频），可以建立自己的模板库：
把成功项目的场景组件保存为模板
cp src/scenes/DataScene.tsx ~/.claude/skills/remotion-video/templates/
下次告诉 Claude："用 DataScene 模板，替换数据"
制作时间从 90 分钟压缩到 30 分钟
中期可实现（Level 3）：脚本驱动全自动
结合 Claude Code hooks，可以实现：
监听文件夹，新文章自动触发视频制作
fswatch ~/articles/ | xargs -I{} claude "把{}做成视频"
远期方向（Level 4）：Agent 流水线
内容源（RSS/爬虫）→ 自动提取 → 脚本生成 → TTS 配音 → 视频渲染 → 自动上传 B 站/YouTube → 发布通知
目前这个方向技术上完全可行，只需要：
一个内容获取脚本（Python）
Claude API 调用（替代手动触发）
平台上传 API（B 站/YouTube 都有）
预计完整实现需要 2-3 天的工程工作。
图：自动化升级路径——当前处于 Level 1，Level 4 的完全 Agent 化在技术上已经可行
Agent 化潜力评估 维度 评分 说明 输入标准化 ★★★★☆ Markdown/文字输入格式固定，易于自动化 执行可预测 ★★★★☆ 7 步流程清晰，失败点已知且可处理 输出可验证 ★★★☆☆ MP4 存在可验证，内容质量需人工判断 错误可恢复 ★★★★☆ 断点续作设计，单步失败不影响其他步骤 成本可控 ★★★★★ 5 分钟视频总成本 < ¥5（TTS + 图片生成） 综合 Agent 化潜力 ★★★★☆ 适合作为 Content Pipeline 的核心节点
结论：当前 70% 的工作已经自动化，剩余 30% 是"脚本确认"这类需要人工判断的环节。如果对质量要求不那么苛刻，完全可以直接去掉这个人工环节，实现全自动。
💡 高手心法
心法一：音频是灵魂，不要省这一步
很多人嫌配置克隆声音麻烦，直接用预设声音。结果视频做出来总感觉是"机器人在讲"。20 分钟配置克隆声音，能让所有后续视频都更专业。这个投入比值非常高。
心法二：脚本比代码更重要
90% 的视频质量差距来自脚本，不是动画。好的脚本特征：
开场 5 秒给出结论（不是铺垫）
每句话 ≤ 25 个字（TTS 断句自然）
用具体数字代替抽象描述
花在脚本上的时间，比花在调代码动画上更值。
心法三：先跑通，再打磨
第一次做视频，不要追求完美。先用最简单的方式跑通全流程（哪怕动画很简陋），确认音画同步、字幕正常之后，再逐步优化每个场景的视觉效果。
很多人在第一个场景上卡太久，结果整个视频没做完。
心法四：图片问题用"侧边面板"逃课
图片背景透明度、遮罩层次总是调不好？有个简单方法：把图片放在画面左侧 40%，文字内容放在右侧 60%。图片 90% 不透明，内容 100% 可见，两者互不干扰。这个布局在大多数情况下比"透明背景"更好看。
心法五：渲染是最后一步，不是验证步骤
不要每改一点代码就跑一次渲染（每次 20 分钟）。正确流程：
改代码 → npm run dev → Studio 里逐帧检查 → 满意了 → 一次渲染
Studio 预览和最终渲染效果 99% 一致。养成"Studio 先确认"的习惯，能节省大量时间。
心法六：保存提示词，建立自己的素材库
每次生成效果好的 AI 图片，把提示词保存下来。建立自己的"提示词库"：
~/prompts/ ├── tech-background.txt # 深蓝科技感背景 ├── data-visualization.txt # 数据可视化风格 └── minimalist-concept.txt # 极简概念图
下次做视频直接复用，图片质量和风格一致性会大幅提升。
remotion-video skill 见知识星球 [AI创世记 ]
