用Opus 5.5拍电影：不用相机、不用剪辑师，一天就能出片

几乎所有环节都可以交给AI，但创意必须由人提出。有了想法之后，Opus 5.5可以直接写出完整脚本。作者在制作《AI Capone》时，直接让模型生成了5分钟视频的完整脚本。

拿到脚本后需要人工核对两点：每一行只对应一个镜头，避免一行塞下多个画面；时间线只能向前推进，不能出现前后矛盾的跳转。作者的第一版脚本就出现了Capone年龄和时间线错位的问题，修正后模型重新梳理了故事顺序，补充了过渡句让场景衔接更自然。

参考图需要人工筛选。先让模型列出脚本需要的所有参考图清单和搜索关键词，再自己去Pinterest和Google搜索挑选最准确的素材，统一存在一个文件夹里，按关键词命名文件，方便模型对应到每一行脚本。

参考图分两类：内容图是影片中出现的真实照片和文件，风格图是1-2张用来指定整体视觉调性的素材。作者给了模型一张地图钉图和一张报纸拼贴图，模型就用代码还原了这两种风格。

模型也可以自动完成参考图收集，甚至会把带水印的素材替换成维基共享资源、美国国家档案馆等公共档案库的高分辨率无水印版本。但作者建议第一次制作时手动完成，后续再自动化。

旁白使用Higgsfield生成，选用预设音色Arthur，全程花费约12积分。需要把Higgsfield MCP连接到模型，模型会列出可用音色供选择，然后逐段录制脚本，保证语气均匀，再按行切成单独片段，让每个画面对应到准确的台词位置。

这一步不需要视频生成模型。Opus 5.5会编写Python代码逐帧绘制画面，整部影片是一个连续的镜头运动，在同一个场景里完成。《AI Capone》的场景是一面证据墙：中间是美国地图，上方钉着芝加哥街道地图，所有照片打印件用红线连接，镜头全程不切换，随着故事推进在各个打印件之间平滑移动。

声音占了电影质感的一半，分三层。第一层是旁白，第二层是音效，所有音效都由代码生成：照片落下的轻响、印章砸下的闷响、红圈上的钢笔摩擦声、镜头移动的呼啸声、进入新段落的升调音效、紧张台词下的低心跳声。《AI Capone》一共用了211个音效，全部不需要版权授权。

第三层是可选的配乐。作者通过Higgsfield调用ElevenLabs生成了5分钟的配乐，花费约47积分。最后是字幕，大多数人在X上刷视频时会静音，所以要把字幕烧录进画面。作者选的样式是台词说到哪个词，哪个词就出现黄色高亮。如果要上传YouTube，可以上传无字幕的干净版本，再单独配一个字幕文件。

作者用到的全部工具包括：搭载Opus 5.5的Claude Code，负责写脚本、代码和所有修正；Higgsfield MCP，提供Arthur音色和ElevenLabs配乐；免费的Python和ffmpeg，由模型自动运行；以及维基共享资源、美国国会图书馆、美国国家档案馆等公共档案库。

作者把整套工作流打包成了一个开源技能，包含脚本规则、节拍表、语音拆分、带版权检查的图片查找器、地图、影片引擎、音效和字幕功能。用一条命令即可安装：npx skills add Moh4696/cinematic-skill。

需要说明的是，这不是输入一个提示词就能自动完成的事。《AI Capone》前后花了一整天反复调整，创意、选图、每一步的确认都需要人来做决定。笔记本电脑渲染速度较慢，最终渲染时可以留出来喝杯咖啡的时间。但整个过程不需要相机、摄制组或剪辑师，只需要一个值得讲的故事。