Wie erstellt man mit Claude Opus 5.5 Videos per Code? SVG-Materialien, Sprachaufnahmen, Animationen und Untertitel – die 4 großen Schritte auf einen Blick

Claude kann keine Videos „zeichnen“, entwickelt sich aber zu einem der besten Modelle, wenn es darum geht, Videos zu „schreiben“. In den vergangenen Monaten sind in internationalen Entwickler-Communities zahlreiche Beispiele aufgetaucht: Eine einzige Eingabeaufforderung an Claude Code übergeben – und zehn Minuten später liegt eine MP4-Datei mit Animationen, Voice-over und Untertiteln vor. Nach der Veröffentlichung von Claude Opus 5.5 am 22. September ist die Qualität solcher Workflows noch einmal deutlich gestiegen. Dieser Artikel erklärt die Grundlagen der Code-basierten Videoerzeugung mit Claude Opus 5.5, die vier zentralen Schritte und eine praktisch einsetzbare Toolchain. So wird verständlich, wie dieser Prozess tatsächlich funktioniert.

Der zentrale Nutzen: Nach der Lektüre verstehen Sie die grundlegende Logik hinter „Code ist Video“. Sie wissen, wer für SVG-Material, Audio, Animationen und Untertitel zuständig ist, und können einschätzen, ob sich Ihr Anwendungsfall für die automatisierte Videoproduktion in größerem Umfang über die Claude-Opus-API eignet.

Die wichtigsten Aspekte der Code-basierten Videoerzeugung mit Claude Opus 5.5

Zunächst ein verbreitetes Missverständnis: Claude Opus 5.5 ist kein Videogenerierungsmodell wie Sora oder Veo und erzeugt nicht direkt Pixel. Stattdessen schreibt es den „Quellcode“ für ein Video – in der Regel eine HTML-Seite oder eine Gruppe von React-Komponenten. Eine Rendering-Engine erstellt daraus in einem Headless-Browser Frame für Frame Screenshots, die anschließend mit FFmpeg zu einer MP4-Datei kodiert werden. Anders gesagt: Das Video wird zu einem Frontend-Projekt, das sich versionieren und beliebig oft ändern lässt.

Diese Methode bietet einen Vorteil, den KI-Diffusionsmodelle nur schwer erreichen: Determinismus. Derselbe Code liefert unabhängig von der Anzahl der Renderdurchläufe immer exakt dasselbe Ergebnis. Texte werden nicht unscharf, Symbole verformen sich nicht und das Timing lässt sich auf Frame-Ebene präzise steuern. Wie ein internationaler Autor, der mit Opus einen Imagefilm erstellt hat, beschreibt: Die Benutzeroberfläche bleibt pixelgenau scharf, das Timing ist framegenau und jede Änderung erfordert lediglich ein erneutes Rendering statt eines kompletten Neuschnitts.

Warum Claude Opus 5.5?

Videos mit Code zu erstellen ist im Kern eine Agent-Aufgabe mit einer langen Verarbeitungskette: Skript schreiben, Storyboard entwerfen, Komponenten programmieren, Voice-over abstimmen, rendern, gerenderte Frames prüfen und anschließend Änderungen vornehmen. Laut Anthropic ist Opus 5.5 das leistungsfähigste Modell der Opus-Reihe für Agent-Aufgaben. Es verfügt über ein Kontextfenster von 1 Mio. Token und kann bis zu 128.000 Token ausgeben. Außerdem besitzt es laut Anthropic das bislang beste visuelle Verständnis innerhalb der Opus-Reihe und kann Screenshots sowie Diagramme mit hoher Genauigkeit interpretieren. Dadurch kann es nicht nur Animationscode schreiben, sondern auch die selbst gerenderten Bilder analysieren, überlaufenden Text oder sich überschneidende Elemente erkennen und eigenständig korrigieren.

Preislich kostet Opus 5.5 4 US-Dollar pro einer Million Eingabe-Token und 20 US-Dollar pro einer Million Ausgabe-Token. Das Lesen aus dem Cache kostet nur noch 0,20 US-Dollar. Laut Hersteller ist eine typische Arbeitslast damit rund 40 % günstiger als bei Opus 5. Videoprojekte müssen häufig dieselben Komponenten und Designvorgaben wiederholt einlesen – die günstigeren Cache-Preise sind für solche Szenarien daher besonders vorteilhaft.

🎯 Technischer Hinweis: Wenn Sie zunächst die Fähigkeit von Opus 5.5 testen möchten, Videocode zu schreiben, können Sie das Modell direkt über APIYI apiyi.com mit claude-opus-5-5 aufrufen. Die Plattform bietet die gesamte Claude-Modellreihe und ist mit dem OpenAI-Format kompatibel, sodass sich Modelle in bestehenden Projekten schnell austauschen und testen lassen.

Die 4 großen Phasen der Videogenerierung mit Claude Opus 5.5

Ein vollständiges Video umfasst vier Ebenen: Bildmaterial, Ton, Bewegung und Text. Im Konzept „Code als Video“ kann Claude all diese Aufgaben mit Code oder Tool-Aufrufen abdecken. Die Umsetzung unterscheidet sich jedoch je nach Phase.

Phase 1: Bildmaterial mit SVG erzeugen

Grafische Inhalte gehören zu Claudes größten Stärken. SVG ist im Grunde XML-Text. Icons, Ablaufdiagramme, Koordinatensysteme, Logo-Animationen und die Silhouetten von Figuren lassen sich direkt erstellen. Sie bleiben beim Vergrößern scharf und eignen sich daher von Haus aus für Ausgaben in 1080p oder sogar 4K. Im Vergleich zur Suche nach geeignetem Material in Bilddatenbanken können die von Claude erzeugten SVGs deine Markenfarben und Schriftarten exakt einhalten. Jedes Element besitzt eine eigene ID, sodass sich spätere Animationen bis auf einzelne Pfade präzise steuern lassen.

Bei realistischen Fotos arbeitet Claude nach dem Prinzip „aufrufen statt erzeugen“: Im Agent-Workflow kann es ein Bildmodell zur Generierung eines Hintergrundbilds aufrufen oder von dir bereitgestellte Produkt-Screenshots einlesen. Anschließend versieht es diese per Code mit Ken-Burns-Zooms und -Schwenks, Masken und Beschriftungen. HyperFrames bietet sogar eigens den Skill /media-use, um Bild-, Icon- und Audio-Ressourcen zu analysieren und zu koordinieren.

Phase 2: Audio und Voiceover

Claude selbst gibt kein Audio aus, übernimmt aber die „Orchestrierung“ der Audiospur. Dafür gibt es drei gängige Ansätze:

• TTS-Voiceover: Claude erstellt das Sprechertext-Manuskript und ruft Sprachsynthese-Dienste wie ElevenLabs auf, um das Voiceover zu erzeugen und gleichzeitig Zeitstempel für jedes Wort zu erhalten.
• Soundeffekte per Code: Klicks, „Whoosh“-Sounds bei Übergängen und Hinweistöne lassen sich direkt mit der Web Audio API synthetisieren – ganz ohne Audiodateien.
• Hintergrundmusik steuern: Lizenzierte Musik wird als Ressource in das Projekt eingebunden. Der Code steuert Ein- und Ausblendungen, Lautstärkeverläufe und Ducking, bei dem die BGM automatisch leiser wird, sobald gesprochen wird.

Das Open-Source-Projekt claude-explains ist ein typisches Beispiel: Es unterstützt mehrere TTS-Engines wie gtts, espeak-ng und supertonic. Claude fügt in HTML-Szenen Sprachmarken ein, sodass die Animation genau in dem Moment ausgelöst wird, in dem das Voiceover ein bestimmtes Wort ausspricht.

Phase 3: Animationen orchestrieren

Animationen sind der größte Unterschied zwischen „Video per Code schreiben“ und einer gewöhnlichen PowerPoint-Präsentation. In Remotion entspricht jeder Frame einem React-Renderdurchlauf. Claude liest mit useCurrentFrame() die aktuelle Frame-Nummer aus und berechnet anschließend mit spring() und interpolate() Position, Transparenz und Skalierung der Elemente. In HyperFrames kann Claude dagegen direkt mit GSAP, CSS-Animationen, Lottie oder Three.js eine Timeline erstellen. Das Framework übernimmt dabei sämtliche Browser-Timing-APIs und stellt sicher, dass die Animation beim Rendern Frame für Frame vollständig synchron bleibt.

Gute Animationen müssen nicht nur „in Bewegung“ sein, sondern auch ein Gefühl für Rhythmus vermitteln. Die offiziellen Agent Skills von Remotion enthalten 28 modulare Regeldateien, die dem Modell Best Practices für Federparameter, versetzte Einblendungen, Übergänge, Untertitel und weitere Bereiche vermitteln. Mit diesen Skills erzeugt Opus 5.5 bereits Animationen, die professionellem Motion Design sehr nahekommen.

Phase 4: Untertitel synchronisieren

Untertitel können aus zwei Quellen stammen. Der erste Ansatz lautet „erst der Text, dann das Audio“: Das Sprechertext-Manuskript wird ohnehin von Claude erstellt, die TTS-Engine liefert Zeitstempel für jedes Wort, und Claude generiert daraus direkt dynamische Untertitel mit wortweiser Hervorhebung. Das ist der häufigste Stil bei Kurzvideos auf Social-Media-Plattformen. Der zweite Ansatz lautet „erst das Audio, dann der Text“: Bei vorhandenem Sprachmaterial kann Claude Code Whisper zur Transkription in eine SRT-Datei aufrufen. Anschließend werden Markennamen und Tippfehler in einem weiteren Durchlauf korrigiert. Zum Schluss werden die Untertitel in das Bild eingebrannt oder als separate Untertiteldatei exportiert.

Gängige Frameworks zur Videogenerierung mit Claude Opus 5.5

In der internationalen Community haben sich vor allem zwei Ansätze etabliert: Remotion und HyperFrames. Beide sind speziell für den Einsatz mit KI-Agenten angepasst. Remotion basiert auf React, hat ein ausgereiftes Ökosystem und eignet sich für Frontend-Teams. HyperFrames wurde 2026 von HeyGen unter der Apache-2.0-Lizenz als Open Source veröffentlicht. Da man direkt HTML schreibt, ist es für Modelle einfacher zu verwenden.

Das Grundprinzip beider Frameworks ist nahezu identisch: In einem Headless-Chrome-Browser wird die Zeitleiste Frame für Frame „weitergeschaltet“ und jeweils ein Screenshot erstellt. Anschließend kodiert FFmpeg die Bilder zu einem Video. Bei gleicher Eingabe entsteht also immer dasselbe Video. So lässt sich Video wie Code in CI-Prozesse integrieren, für Regressionstests verwenden oder in großen Mengen generieren.

Typischer Workflow: Von einem Satz zur MP4-Datei

Am Beispiel der von Remotion empfohlenen Vorgehensweise lässt sich die Erstellung eines Videos mit Claude Code in vier Schritte unterteilen:

1. Projekt einrichten: Führe npx create-video --yes --blank my-video aus, installiere anschließend mit npx remotion skills add die Agent Skills und starte mit npm run dev die Vorschau.
2. Zuerst ein Storyboard erstellen: Bitte Claude zunächst um ein szenenweises Storyboard mit Bild, Sprechertext, Dauer und Übergängen. Erst nach der Freigabe geht es ans Programmieren – so lässt sich viel Nacharbeit vermeiden.
3. Komponenten schreiben und selbst prüfen: Claude schreibt die Komponenten für jede Szene. Anschließend rendert das Modell Schlüsselframes und prüft mithilfe seiner visuellen Fähigkeiten auf überlaufenden Text, Ausrichtungsfehler und Probleme mit der Farbgestaltung. Erkannte Fehler behebt es selbst.
4. Rendern und iterieren: Erstelle zunächst einen Entwurf mit halber Auflösung und deaktivierter Bewegungsunschärfe. Rendere nur geänderte Szenen neu und exportiere nach der finalen Freigabe die MP4-Datei in voller Auflösung.

Laut Erfahrungsberichten internationaler Kreativer dauert es nur etwa zehn Minuten, um aus einer Eingabeaufforderung einen ersten Entwurf für einen 10 bis 15 Sekunden langen Werbeclip zu erstellen. Ein Cloud-Rendering kostet pro Durchlauf nur wenige Cent.

🚀 Schnelleinstieg: Wenn du Claude Code nicht verwendest, sondern den Workflow in deinen eigenen Backend-Dienst integrieren möchtest, kannst du Claude Opus 5.5 über APIYI auf apiyi.com aufrufen. Die Plattform bietet eine einheitliche Schnittstelle: Opus 5.5 kann den Code schreiben, während Sonnet 5 die Massenüberarbeitung übernimmt. So lassen sich die Kosten besser steuern.

Mit der Claude-Opus-API Videos in großen Mengen produzieren

Claude Code eignet sich gut, wenn eine einzelne Person ein Video von Hand ausarbeiten möchte. Wenn du jedoch täglich Dutzende Produktvorstellungen, Datenberichte oder animierte Lernvideos erstellen willst, solltest du den Workflow über eine API abwickeln. Das Prinzip ist einfach: Hinterlege die Videovorlage und die Designvorgaben im System-Prompt. Das Modell erzeugt dann anhand der jeweiligen Geschäftsdaten eine HyperFrames-HTML-Datei, die auf dem Server gerendert wird.

Das folgende Minimalbeispiel zeigt, wie Opus 5.5 den Quellcode für eine 15 Sekunden lange Erkläranimation generiert:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI 统一接口
)

resp = client.chat.completions.create(
    model="claude-opus-5-5",
    messages=[
        {"role": "system", "content": "你是动效设计师。输出一个完整的 HyperFrames HTML 文件,"
                                      "1920x1080,深色背景,使用内联 SVG 和 GSAP 时间线,"
                                      "每个元素用 data-start/data-duration 标注时间。只输出代码。"},
        {"role": "user", "content": "做一段 15 秒动画:介绍“代码生成视频”的 4 个环节,带逐句字幕。"}
    ],
)
open("index.html", "w").write(resp.choices[0].message.content)
# 之后执行: npx hyperframes render

import json, subprocess
from openai import OpenAI

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

def build_video(topic: str, out_dir: str):
    # 1. 让 Claude 生成旁白稿和分镜 (JSON)
    plan = client.chat.completions.create(
        model="claude-opus-5-5",
        messages=[{"role": "user", "content":
            f"为主题「{topic}」写 30 秒视频分镜,输出 JSON: "
            '[{"scene":1,"narration":"...","visual":"...","seconds":5}]'}],
    ).choices[0].message.content
    scenes = json.loads(plan)

    # 2. 调用你选用的 TTS 服务生成配音, 拿到逐词时间戳
    #    timestamps = my_tts(scenes)  # 例如 ElevenLabs 的 with-timestamps 接口

    # 3. 把分镜 + 时间戳交给 Claude, 输出 HyperFrames HTML
    html = client.chat.completions.create(
        model="claude-opus-5-5",
        messages=[{"role": "user", "content":
            f"根据分镜 {json.dumps(scenes, ensure_ascii=False)} 生成 HyperFrames HTML,"
            "包含内联 SVG 素材、GSAP 动画、audio 轨道和逐词高亮字幕。只输出代码。"}],
    ).choices[0].message.content
    open(f"{out_dir}/index.html", "w").write(html)

    # 4. 渲染 MP4
    subprocess.run(["npx", "hyperframes", "render"], cwd=out_dir, check=True)

Bei der Massenproduktion gibt es einige technische Details zu beachten. Lege zunächst die Designvorgaben, die Komponentenbibliothek und Beispielcode als festen Präfix im Prompt ab. Das Lesen des Caches kostet Opus 5.5 nur 0,20 US-Dollar pro Million Token, wodurch sich die Kosten wiederholter Aufrufe deutlich verringern. Führe vor dem Rendern außerdem npx hyperframes lint zur Syntaxprüfung aus. Bei einem Fehler kannst du die Meldung an das Modell zurückgeben und automatisch beheben lassen. Schließlich kannst du Screenshots der gerenderten Schlüsselframes erneut von einem Modell visuell prüfen lassen. So entsteht ein geschlossener Kreislauf aus „Generieren – Rendern – Prüfen – Korrigieren“.

💰 Kosten optimieren: In der Praxis muss nicht jeder Arbeitsschritt mit Opus ausgeführt werden. Wir empfehlen, die Claude-Modelle über APIYI auf apiyi.com je nach Aufgabe zu kombinieren: Opus 5.5 erstellt den ersten Entwurf, Sonnet 5 wendet die Vorlage anschließend auf viele Videos an. So lassen sich die Gesamtkosten in der Regel um mehr als die Hälfte senken.

Häufige Fragen zur Videogenerierung mit Claude Opus 5.5 durch Code

Kann Claude Opus 5.5 direkt Videos mit echten Personen erzeugen?

Nein. Claude erzeugt Code und eignet sich besonders für Animationen mit Grafiken, Texten, Diagrammen und Benutzeroberflächen. Videos mit echten Personen, realen Schauplätzen und cineastischen Aufnahmen erfordern weiterhin Videomodelle wie Sora oder Veo. Beide Ansätze lassen sich kombinieren: Claude übernimmt die Orchestrierung, während das Videomodell Material mit realen Aufnahmen liefert.

Kann ich es auch ohne Programmierkenntnisse nutzen?

Ja. Nach der Installation der Skills für Remotion oder HyperFrames in Claude Code läuft der gesamte Prozess weitgehend über die natürliche Spracheingabe. Sie müssen lediglich das Storyboard und die Vorschau prüfen. Wenn Sie die Fähigkeiten des Modells zunächst testen möchten, können Sie sich bei APIYI apiyi.com registrieren und Claude Opus 5.5 direkt online aufrufen, um die Lösung mit einem kleinen Guthaben zu validieren.

Wie viel kostet die Erstellung eines Videos ungefähr?

Bei einer 30-sekündigen Erkläranimation verbraucht eine vollständige Generierung typischerweise mehrere Zehntausend bis über einhunderttausend Token. Bei der Preisgestaltung von Opus 5.5 mit 4 bzw. 20 US-Dollar liegen die Kosten zwischen wenigen Cent und etwa einem US-Dollar. Die TTS-Kosten kommen noch hinzu. Wenn das Rendering lokal erfolgt, entstehen dafür keine zusätzlichen Kosten. Wir empfehlen, die Kosten pro Video zunächst mit einer realen Aufgabe über APIYI apiyi.com zu ermitteln und anschließend den Umfang der Stapelverarbeitung festzulegen.

Was kann ich tun, wenn Text in den generierten Animationen häufig überläuft oder sich überschneidet?

Lassen Sie das Modell seine eigene Arbeit „ansehen“. Rendern Sie Screenshots einiger wichtiger Einzelbilder und senden Sie diese an Opus 5.5 zurück. Bitten Sie das Modell, Layoutprobleme zu prüfen und zu beheben. Genau hier kommt die visuelle Fähigkeit von Opus 5.5 zum Einsatz. Wenn Sie außerdem in der Eingabeaufforderung feste Sicherheitsabstände und eine maximale Schriftgröße vorgeben, lassen sich solche Probleme deutlich reduzieren.

Fazit: Claude Opus 5.5 läutet das „programmierbare“ Zeitalter der Videoproduktion ein

Claude Opus 5.5 verwandelt die Videoproduktion durch Code im Kern in Softwareentwicklung. SVG übernimmt die visuellen Elemente, TTS und die Code-basierte Komposition liefern den Ton, Remotion oder HyperFrames kümmern sich um Animation und Rendering, und Zeitstempel synchronisieren die Untertitel. Claude fungiert dabei als Regisseur und verbindet alle Schritte miteinander. Das Modell ersetzt weder reale Filmaufnahmen noch Diffusionsmodelle. Bei Erkläranimationen, Produktvorführungen, Datenpräsentationen und kurzen Untertitelvideos zeigt es jedoch bereits eine hohe Genauigkeit, gute Kontrollierbarkeit und äußerst geringe Grenzkosten.

Für Entwickler lohnt es sich als Nächstes, diesen Prozess über eine API zugänglich zu machen und zu automatisieren: Eine Vorlage, ein Datensatz und eine Aufrufschleife für Opus 5.5 reichen aus, um kontinuierlich Videos mit einheitlichem Stil zu produzieren. Wir empfehlen, über APIYI apiyi.com die gesamte Modellfamilie von Claude anzubinden und zunächst mit einer 15-sekündigen Animation die eigene Videoautomatisierung zu validieren.

Referenzen:
– Einführung in Anthropic Claude Opus 5.5: anthropic.com/claude/opus
– Offizielle Remotion-Anleitung für Claude Code: remotion.dev/docs/ai/claude-code
– Open-Source-Repository von HyperFrames: github.com/heygen-com/hyperframes
– Open-Source-Projekt claude-explains: github.com/noelpuig/claude-explains
– Praxisbericht von Danny Stuart zu Opus + Remotion: dannystuart.substack.com

Über den Autor: Das technische Team von APIYI konzentriert sich auf die Anbindung und praktische Umsetzung von APIs für große Sprachmodelle. Über APIYI apiyi.com können Sie sich gerne über praktische Erfahrungen mit der Videogenerierung durch Claude-Code austauschen.