1分钟视频花了我老板70块！我让 Codex 搭建了 Opus 5.5 一句话视频工作流

一句话摘要：我没写什么代码，只给 Codex 提了需求、批准执行、纠正方向，就搭出了一套 Opus 5.5 一句话视频工作流。效果确实惊艳，账单也确实不便宜。

做了一件挺上头的事。我让 Codex 复刻了一套视频工作流：我输入一句需求，Opus 5.5 就会自己策划、写动画代码、做配乐、检查修改，最后导出 MP4。

成片出来时我很兴奋，然后看了一眼费用。约1分钟的视频，按我的记录模型费用是9.4943美元，折合约70块，钱是老板出的。

下面的搭建过程、额度消耗和费用，都来自我自己实际跑的这一轮，其中包括 Codex 第一次搭错方向的真实经历

Opus 5.5 视频工作流术语速览（to know）

后面会反复用到下面这些词。先统一一下说法，免得读到一半弄混。

01 B站刷到一个 Opus 5.5 视频，我突然很想自己也搞一个

事情起因很简单。前段时间我在 B 站刷到别人用 Opus 5.5 做的视频，叙事逻辑很清楚，画面看着也舒服，整体审美在线。它不像早期 AI 视频那样只是一堆炫技镜头，而是在认真讲一件事。

我当时就想，这种形式很适合做内容运营和个人 IP。如果 AI 能自己完成策划、画面、配音和剪辑，做内容的门槛会低很多，尤其是知识类、专业垂类这种需要讲清楚、又不想真人出镜的内容。

想到这里我就坐不住了：别人能做，我也要搭一套。

02 我只对 Codex 说了一句话：「我也要别人的那个，你给我」

我没有打算从头研究动画引擎、渲染管线和音频处理，也没想自己写一整套视频系统。我直接把目标丢给了 Codex，原话差不多就是「我也要别人的那个，你给我」。

接下来基本是 Codex 在干活：

• 查教程、读参考项目的说明和源码
• 安装 Node.js、Python、FFmpeg 等依赖，配置本地环境
• 把渲染、声音、字幕、检查这些工具串起来
• 跑测试，遇到报错自己改

我的工作主要是提需求、确认方向，以及在它要执行命令时点批准。说是搭建，其实我更像一个不太懂技术、但很清楚自己想要什么的甲方。

Codex 第一次把 Opus 5.5 视频工作流搭偏了

过程并不顺利。Codex 第一次搭出来的是一个“模型生成分镜＋固定动画模板”的工作台，Opus 只能往预设模板里填文字和参数。能跑，但它把 Opus 的创作空间限制得很死，做出来的东西跟我在 B 站看到的完全不是一回事。

后来我换了个办法：不再反复描述“我要那种好看的”，而是让它参照一个已经成功的案例去做。Codex 重新查了 Ploto 的制作实录，选了其中提到的开源项目 Lemo-Opuscar 作为基础，方向这才对了。

💡 这次最值得记下的经验：让 Agent 做复杂任务时，直接给它一个具体、成熟的成功案例，往往比反复解释自己想要什么更管用。

搭建 Opus 5.5 视频工作流，先吃掉了 80% 的 Codex 额度

搭完一看，Codex 已经把我 ChatGPT Plus 套餐当时那个五小时窗口的额度用掉了大约80%。

03 最后搭出来的 Opus 5.5 视频工作流到底是什么？

先说清楚三个角色。很多人看到“Codex 搭建 Opus 工作流”会以为是两个模型一起做视频，其实它们出现在两个不同阶段：

底座 Lemo-Opuscar 是一个“用代码生成影片”的风格工具箱。它把导演方法、技术实现、视觉风格分别写进不同的指南，Agent 按指南创作。项目里有一套风格库可以直接选，也支持自建风格。它明确说明这些风格是针对 Claude Opus 5.5 调优的，换别的模型不一定有同样的效果。我本机安装版本的说明里还提到，一条影片通常需要 Agent 执行约30–60分钟，并消耗相当数量的 Token。这句话当时我没太在意，后面看到费用才反应过来。

Opus 5.5 视频工作流不是“AI 直接生成视频”

这一点最容易被误解。它不是调用某个 AI 视频模型，输入一句话就吐出一段视频。按项目技术文档的说法，影片由代码制作，不依赖视频生成模型，也不用库存视频素材。具体是 Opus 编写网页里的画面和动画代码，浏览器按时间点逐帧截图，最后把画面和声音合成为视频。

工具链简单列一下：

• Node.js＋Canvas/WebGL：运行 Opus 写的画面代码，按时间绘制动画
• Playwright 无界面浏览器：打开动画页面，逐帧截取画面
• Kokoro：本地中文配音能力，本次无旁白影片没有用到
• Whisper：有旁白时把配音识别回文字，逐句核对
• Python：配音、校验、音效和配乐处理
• FFmpeg：编码、混音、合成最终视频

这种做法有个好处：画面、音乐、字幕、音效共用同一条时间轴，镜头切换能和声音事件对齐。环境要求方面，项目要求 Node.js 20+、FFmpeg 7+、Python 3.11+，默认输出 1920×1080、24fps。我这次实际跑的是 30fps。

04 一句话之后，Opus 5.5 视频工作流就开始自己干活了

搭好之后用起来很简单。整个流程大致是这样：

1. 我输入一句话，告诉 Opus 想做什么视频
2. Opus 自主策划、写脚本、设计镜头
3. 画面制作：写动画代码，做视觉效果和镜头运动
4. 声音制作：音乐、音效、字幕；需要旁白时调用配音能力
5. 抽帧检查画面和声音，发现问题自己改
6. 逐帧渲染，合成并导出 MP4

配音这块还有段插曲。原项目默认的离线中文接口能出声，但第一次用 Whisper 识别回来，和原文差得很远。Codex 按 Kokoro 引擎作者的中文示例，补上了 v1.1 中文模型和 Misaki 中文发音前端，调整后两句中文测试都通过了校验，也没有改用在线配音。这是系统具备的能力，我这次做的八门影片没有用到。

最终工作流有两个入口：

需要说明的是，“一句话”只是交互层面的简化。背后依然是 Opus 的多轮调用、工具执行和反复修改，Token 一点没少用。

05 Opus 5.5 视频工作流真正跑起来之后，我有点惊讶

第一次真正用的时候，我选了一个有点难的题材：中国传统术数奇门遁甲的 八门意涵介绍。要求是约1分钟、1920×1080、30帧、不需要人声配音。Opus 在执行说明里给出的方案是“题跋字幕加古琴配乐”。项目目录里的署名文件也写明，这条片子的声音全部由代码合成，没有录音，也没有人声。

成片的效果是真的让我意外。最直观的是汉字，清晰、规整，比我预想的好很多。宫位、飞星、卦象这些专业元素一出现，我本来已经准备好看到早期 AI 视频那种乱花、乱写、文字变形，结果都没有，排布得干干净净。

审美也在线。中国水墨的底色，题跋式的字幕，配上古琴，整体简约大气，和题材很搭。我的感受不只是“AI 能生成画面”，而是它好像知道这类内容应该怎么被画出来。

06 然后我看了一眼 Opus 5.5 视频工作流的费用：一分钟，9.4943美元

去看了一眼费用。

按约7.3元兑1美元的示例汇率粗算，大约70元。

我的真实想法是：效果确实不错，但一分钟视频70块，单看制作成本肯定不便宜。如果做完发出去，没带来流量、粉丝或者商业回报，这钱就是亏的。

Claude 套餐和 API 按量计费，是两种不同的成本结构

我回头查了 Anthropic 的官方说明，两种方式的计费机制确实不同：

所以不能简单地说 API 一定比套餐贵，也不能说套餐可以无限跑。套餐可能更适合持续、大量地跑工作流；API 的好处是每一次花了多少钱都清楚。哪种划算，要看你实际的使用量和产出频率，最好拿一段时间的真实数据来比较。

💰 对账建议：如果走按量计费，建议每跑完一条片子就在 API易 apiyi.com 控制台核对一次明细，同时记录题材和修改轮数，几条下来就能估算出自己的单片成本区间。

想先小成本试水？先单独测一下 Opus 5.5 的策划能力

如果你还没决定要不要整套搭起来，可以先花很少的钱，单独调一次 Opus 5.5，看看它写分镜的水平，同时看一下 Token 用量：

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # API易 OpenAI 兼容接口
)

resp = client.chat.completions.create(
    model="claude-opus-5.5",  # 示例名称，请以 API易 模型列表中的实际名称为准
    messages=[{"role": "user", "content": "为一条1分钟的奇门八门科普短片写6个镜头的分镜，水墨风格，无旁白"}],
)
print(resp.choices[0].message.content)
print(resp.usage)  # 本次输入、输出 Token 用量

import json
import time
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

LOG_PATH = "usage_log.jsonl"

def ask_with_log(prompt: str, model: str = "claude-opus-5.5", tag: str = "storyboard") -> str:
    """调用模型，并把每次 Token 用量追加写入日志，方便后续对账"""
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    usage = resp.usage
    record = {
        "time": time.strftime("%Y-%m-%d %H:%M:%S"),
        "tag": tag,
        "model": model,
        "prompt_tokens": usage.prompt_tokens,
        "completion_tokens": usage.completion_tokens,
    }
    with open(LOG_PATH, "a", encoding="utf-8") as f:
        f.write(json.dumps(record, ensure_ascii=False) + "\n")
    return resp.choices[0].message.content

def summarize(log_path: str = LOG_PATH) -> dict:
    """汇总累计 Token 用量；单价请按控制台实际价格自行换算"""
    total_in, total_out = 0, 0
    with open(log_path, encoding="utf-8") as f:
        for line in f:
            r = json.loads(line)
            total_in += r["prompt_tokens"]
            total_out += r["completion_tokens"]
    return {"input_tokens": total_in, "output_tokens": total_out}

if __name__ == "__main__":
    print(ask_with_log("为一条1分钟的奇门八门短片设计镜头节奏和配乐思路"))
    print(summarize())

🚀 快速试水：建议先通过 API易 apiyi.com 用新用户的免费测试额度跑几次分镜测试，确认 Opus 5.5 的创作风格合你的口味，再决定要不要投入整套工作流的成本。

07 效果我很满意，但这笔 Opus 5.5 视频工作流的账还得重新算

这次实验让我实际看到了 Agent 视频工作流能做到什么程度。对内容运营、个人 IP、知识类视频和专业垂类内容来说，这类工具值得继续研究。但技术上做得出来和商业上划得来，是两个问题。

如果后续能靠这些视频拿到流量、粉丝和转化，70元可以看作一笔合理的生产投入。如果只是做一条一分钟的视频放着自己看，70元显然不值。顺便提醒一下：Lemo-Opuscar 的代码和文档是 MIT 许可，示例影片和静帧是 CC BY 4.0，用它做的影片归创作者所有；但第三方素材，包括部分配音，有各自的许可，商用前最好用自己的素材，并逐项核对。

这次真正的收获，是我自己跑通了一整条工作流，也弄清楚了它要花多少钱。反正这一轮是真金白银跑下来的（虽然掏钱的是老板）。效果是真的好，钱也是真的花了。想试的朋友，最好先搞清楚自己走的是套餐额度还是 API 按量计费，不然视频还没赚到流量，账单先到了。

常见问题 FAQ

Opus 5.5 视频工作流核心要点 Key Takeaways

• 分工要分清：Codex 负责搭建，Claude Code 是工作台，Opus 5.5 负责创作
• 不是视频模型：画面由代码逐帧渲染，文字和符号清晰可控
• 给案例比讲道理有效：Codex 搭偏后，靠成功案例才纠正过来
• 两笔成本别混淆：80% 是 Codex 订阅额度，9.4943美元是 API 调用费
• 70元不是定价：只是本次单条影片的个案，换算汇率也只是示例
• 先小成本试水：可在 API易 apiyi.com 用免费额度先测 Opus 的分镜能力

总结

这次 Opus 5.5 视频工作流实验，我的结论有三点：

1. 能力是真的：汉字、宫位、星体、卦象的呈现和整体水墨审美，都超出了我的预期
2. 成本也是真的：约1分钟视频约70元，加上搭建时被吃掉的大半 Codex 额度，并不便宜
3. 值不值看回报：能换来流量、粉丝和转化就是投入，换不来就是亏损

技术上能做出来，不代表商业上值得这么做。建议先想清楚视频要换来什么，再选择套餐还是按量计费。想先低门槛验证的话，可以通过 API易 apiyi.com 用免费额度单独测一测 Opus 5.5 的策划能力，结果满意再整套跑起来。

📚 参考资料

1. Lemo-Opuscar 项目仓库：代码生成影片的风格工具箱
2. 链接：github.com/lemomo-ai/lemo-opuscar

3. 说明：包含导演、技术、风格三类指南及许可说明

4. Lemo-Opuscar 技术文档 TECHNIQUE.md：影片制作机制说明

5. 链接：github.com/lemomo-ai/lemo-opuscar/blob/main/TECHNIQUE.md

6. 说明：介绍代码画面、逐帧渲染、配音校验、字幕与 FFmpeg 合成流程

7. Anthropic 帮助中心：Claude Code 与 Pro、Max、Ultra 套餐说明

8. 链接：support.claude.com/en/articles/11145838-use-claude-code-with-your-pro-max-or-ultra-plan

9. 说明：订阅额度与 API 计费的区别，以及 ANTHROPIC_API_KEY 的优先级

10. Ploto 制作实录：用 AI 制作长视频的经验分享

11. 链接：ploto.me/posts/how-i-made-a-long-video-with-ai
12. 说明：Codex 纠正搭建方向时参考的成功案例来源

作者：APIYI 技术团队
技术交流：欢迎在 API易 网站首页联系我们，更多接入资料可访问 docs.apiyi.com 文档中心

延伸阅读

• 掌握短剧AI生产竞争点转移：6 步从生成单个镜头到管住多集资产:结合短剧AI生产的竞争点转移，用 6 个步骤建立多集资产库、版本规则、镜头卡与连续性检查流程，减少跨集穿帮和返工。
• Karpathy 两小时做视频站：Opus 5.5 复刻 6 步与 3 个坑:拆解 Karpathy 用 Opus 5.5 两小时做出 HackerTube 的公开信息，给出 6 步复刻流程、3 个容易卡住的坑和成本估算，并说明如何用 API易 接入 Claude Code。
• 也无风雨也雾晴：从辍学进厂到登顶 GitHub热榜，做出 Archify，一句话就能画成可交互架构图（5 步上手）:专升本前端涂少坤做出开源 Skill Archify。它本身免费，花钱的是背后的模型。本文用 5 步接上 claude-opus-5-5，让你一句话画出可交互架构图。
• Claude Code 开始拦「复刻游戏」：独立开发者做原型怎么避开:Claude Code 在 10 月 27 日的系统提示里加入两句话，限制复刻具体现有游戏。本文说明规则改了什么、哪些需求照常可做，并给出设计文档模板、3 个提示词改写示例和原型期按成本选模型的方法。
• Claude Motion 教程：用 Opus 5.5 把提示词做成动效视频，零基础 5 步做出第一条:零基础手把手：拿到 claude-opus-5-5 的密钥，贴一句提示词，让 Opus 5.5 写出能在浏览器播放的动画并录成视频，附 4 个案例提示词、控制台核对表和排错表。