代码也能做视觉内容：从规则、节奏到手绘风格

有一支 156.6 秒的水彩手绘动画 MV，画面是老式绘本的质感：水彩纸纹理、微微抖动的毛笔墨线、踩着节拍的动作和很多表情戏。

它全程没有调用任何生图或生视频模型。

做法是：让 Claude Opus 5.5 直接写 JavaScript 代码，用网页画布引擎逐帧画出每一帧，在后台浏览器里逐帧截图，再用 ffmpeg 合成 MP4 并配上歌。

这个思路和主流路线完全不同，值得认真看一遍——因为它解决了一个生视频模型的老大难问题：可控性和可复现性。

为什么「写代码画画」值得关注

用生图或生视频模型做 MV，你面对的是抽卡：生成十次，挑一次能用的，前后镜头还可能风格不一致。想改一个细节，基本只能重抽。

写代码画则相反：

• 每一帧都是可定位的：第几秒出现什么，写在代码里
• 改一处不影响其他：改第三章节的配色，不会连带改掉第一章
• 风格天然一致：用的是同一套笔刷和绘制规则
• 可复现：同一次代码，跑出来的结果永远一样

这就是「工程」和「抽卡」的区别。 前者能迭代，后者只能重来。

两轮生成的差别

作者的做法很有参考价值——他不是一次成功的。

第一轮（中档推理）：出来的是 Flash 风格动画。能用，但质感不对——线条太干净、太矢量，没有手绘的味道。

第二轮（调到 xhigh 档，并加了具体要求）：明确要求用 p5 笔刷、场景更有趣、每个场景都有转场。约 45 分钟后得到水彩版。

这里有两个可以学的点：

1. 第一轮不要追求完美。先用默认档跑一遍，看它理解成什么样，再针对性提要求。

2. 要求要具体。「更有质感」是无效指令；「用 p5 笔刷、水彩纸纹理、线条微抖动」才是有效指令。

它怎么自己当导演

最值得看的是它的组织方式：

1. 先写分镜，把整首歌拆成 9 个章节

2. 每个章节一个独立的代码文件

3. 写一份简报，交给并行的子 Agent，各自只改自己负责的章节

这个「分而治之」的思路是关键。让一个 Agent 从头写到尾，上下文会膨胀、风格会漂移；拆成章节并行，每个子任务都小而明确，最后拼起来。

对你做长内容的启示：不管你生成的是视频、文档还是代码，先拆结构、再并行填充，比一次性生成质量高得多，也稳定得多。

起步包里的那份规则书

作者开源的模板里附了一份规则书，这几条是核心：

• 只用笔刷，不用矢量填充
• 画面基本不放文字
• 每个镜头都有事发生
• 处处有转场
• 按观众看懂所需的时间安排节奏
• 渲染截图让模型自己看图挑错

最后一条最巧妙：让它渲染出截图，自己看，自己挑错。等于给了它一个自我检查的闭环，而不是盲写。

这份规则书可以直接迁移：不论你让 AI 做什么视觉内容，这些约束——统一技法、控制文字、每镜头有信息、有转场、按理解时间安排节奏、自我检查——都是通用的。

普通人怎么照着做

作者把整套管线开源成了起步模板（ClaudeAnimationBase），作者的示例只有一句话提示词就能跑。

配置好基础工具后，即使不写代码，也能借助编程 Agent 做出自己的手绘风动画。渲染开销也不夸张：在 M3 Max 上渲染 11 秒的示例用了 47 秒。

想做整首 MV，可以用两步提示词：

1. 第一步：先出分镜（把歌拆成章节，每章描述画面和情绪）

2. 第二步：按分镜写代码

不要一步到位。先确认分镜对不对，再进代码阶段，返工成本差很多。

进阶版本长什么样

另一位创作者在这个基础上加码：用 fal 生图、Seedance 生视频做底片，再用 JS 重画覆盖。Claude 跑了 12 小时。

注意它的前提：依赖事先搭好的一整套工具链。这不是开箱即用的能力，是工程积累的结果。

所以看到这类成果时，要分清「模型能力」和「工程积累」各占多少。前者可复制，后者需要时间。

什么时候该用这个路线

适合用代码绘制的：

• 需要风格高度统一的系列内容
• 需要反复修改、迭代的项目
• 信息图、示意图、教学动画、数据可视化
• 有明确节奏要求（卡点、配乐）的内容

不适合、用生图生视频更快的：

• 写实场景、真人、复杂光影
• 一次性的概念草图
• 对细节精度要求不高、只要「大概那个感觉」的

判断标准：你要的是「能反复改的工程」，还是「一张好看的图」？前者用代码，后者用生成模型。

三个实践建议

1. 先跑通最短的示例。别上来就做整首歌，先做 10 秒，把管线跑通。

2. 把规则书前置。在你提需求之前，先把风格约束写清楚，写进项目文件。

3. 保存每一次的代码版本。它的价值在于可复现，版本管理是这个价值的前提。

最后一句

这条路线最有启发的地方，不是「AI 会画画」，而是它把创作过程变成了可编辑、可复现的工程。

生图生视频模型给你的是结果，改一次就得重来；写代码给你的是结构，改一处不动其余。

在做任何需要迭代的视觉内容时，都值得问一句：我拿到的到底是结果，还是可以接着改的工程？