用Claude Code搭建AIGC流水线：自动生成带中文字幕的SaaS宣传动画

这次我们来看一个能直接落地的 AIGC 组合玩法：用 Claude Code 当 AI 调度员，制作一支带中文字幕的 SaaS 产品宣传动画。这里的关键不是让模型一次性生成完整成片，而是把“分镜脚本 → 页面动画 → 视觉素材 → 中文配音 → 中文字幕 → 视频合成”这条链路拆成 Claude Code 能理解、能执行、能复核的步骤，每个环节出现偏差都可以就地修正，而不是推翻重来。

这个方案值得关注的几个特点：Claude Code 不是普通代码补全工具，它可以读取项目目录、批量创建文件、执行终端命令，适合做多阶段 AIGC 流水线的调度层；它可以通过 cc-switch 等工具接入 DeepSeek、Qwen、GLM 等第三方模型，API 成本可控；制作过程可以做到尽量本地化，视觉素材用 AIGC 图像生成补齐，配音用 TTS 生成，字幕用 Whisper 类工具转写校对；最终产物是标准 MP4 和 SRT 字幕文件，能直接投到官网、视频平台或内部评审。

接下来我会带你把 Claude Code 从安装到跑通完整流程：先看核心能力与使用边界，再准备环境、启动 Claude Code，然后用三个 SaaS 场景案例演示宣传动画生成过程，最后讲批量任务、性能观察、常见问题和工程化建议。这份内容适合做 SaaS 产品增长、市场素材生产、AIGC 工作流开发的读者收藏。

1. 核心能力速览

这套流程的通用性很强。只要把“SaaS 宣传动画”替换成其他内容类型，例如产品功能介绍、活动预热视频、招聘宣传片，结构基本不用变。

2. 适用场景与使用边界

这个方案适合三类人。

第一类是 SaaS 产品市场或运营人员。产品发新版需要一条 30 秒左右的宣传动画，过去要等设计、剪辑、配音排期，现在可以把手头文案和产品截图整理好，让 Claude Code 先搭出动画骨架，再用 AIGC 工具补齐素材，半天内输出一条可以评审的粗剪版本。这条粗剪的价值在于定方向、定节奏、定文案，后续再找人精修也不会浪费基础创意。

第二类是 AIGC 工具链开发者。Claude Code 能执行终端命令，天生适合把图像生成、TTS、Whisper、FFmpeg 串成一条流水线，实现“输入文案 → 输出视频”的半自动生产。文章第 5 章和第 6 章会重点拆解这个编排思路。

第三类是需要在本地可控环境下制作素材的团队。素材生成环节可以全部落在本地开源模型上，减少产品敏感信息外泄的风险，也有利于后期的合规自查。

使用边界需要明确三点。第一，生成的视觉素材、配音和字幕如果用于对外发布，要确认素材版权、人物肖像权和商标使用符合规定。第二，SaaS 产品界面截图如果包含真实用户数据，进动画前必须先脱敏。第三，如果使用云 API 生成图片或语音，要仔细阅读服务条款中的数据授权与保留策略。这套方案适合快速生产宣传草图、内部评审素材，但不等于替代专业动画师完成高精度角色动画和复杂动效。

3. 环境准备与前置条件

在开始之前，先把环境检查一遍。下面按常见开发机情况整理，具体版本和路径以实际操作环境为准。

• 操作系统：Windows 10/11、macOS 或主流 Linux 发行版。Windows 建议使用 PowerShell 7，项目路径避免中文和空格；
• Node.js：Claude Code 通过 npm 安装，需要 Node.js 18 或更高版本，具体以官方文档要求为准；
• Python：3.10 及以上，用于字幕生成、视频拼合和批量任务脚本；
• FFmpeg：负责视频编码、音频合并和字幕烧录；
• 浏览器内核：如果使用 Playwright 截取页面动画帧，需要安装 Chromium；
• GPU 可选：本地运行 TTS 和 Whisper 时，NVIDIA 显卡在速度和显存利用率上更有优势；没有 GPU 同样能跑，只要接受更长的推理时间。

先做两个基础检查，确认 Node.js 和 FFmpeg 已经就绪。

bash复制node -v
npm -v

bash复制ffmpeg -version

如果要用 Python 脚本处理字幕，顺手确认版本：

bash复制python --version

这几个命令能正常输出信息，再继续安装 Claude Code。如果某个命令提示找不到，先补装对应依赖，否则后面每一步都会卡在环境问题上。

4. Claude Code 安装与启动

Claude Code 的官方推荐方式是 npm 全局安装。打开终端执行：

bash复制npm install -g @anthropic-ai/claude-code

安装完成后，在任意项目目录执行：

bash复制claude

首次启动会要求登录账号并完成授权。这里根据实际情况区分两种模式。

如果你使用 Claude 官方账号且有订阅权限，直接选择终端认证方式，按提示完成登录即可。如果希望通过 cc-switch 接入 DeepSeek、Qwen、GLM 等第三方模型，则需要在切换工具的配置中填入 API Key、Base URL 和模型名称，启动后请求会自动转发到指定模型服务。

这里要强调一个容易踩坑的点：Claude Code 是 Agent 工具，它的关键能力是“读取文件、编辑代码、执行命令”。切换第三方模型时，必须选择支持工具调用能力且上下文窗口足够大的模型。否则 Claude Code 可能变成只能聊天、不能干活的“哑巴助手”，整个 AIGC 流水线会立刻停摆。

启动后，可以先发一个最简单的任务测试链路是否正常：

text复制claude 能读取当前目录吗？列出你的工作范围。

如果它能正确回答目录内容和文件清单，说明基础链路已经打通。

日常使用中，除了交互模式，还有一个适合脚本调用的非交互模式：

bash复制# 非交互模式，适合脚本和批量任务
claude -p "读取 ./docs 目录，汇总所有需求点并写入 summary.md"

带 -p 参数时，Claude Code 会在单次运行中完成任务并退出，不需要人工确认。后面讲批量任务时会重点使用这种模式。

如果你更习惯图形化界面，可以在 VS Code 中安装 Claude Code 扩展，在编辑器内直接打开 Claude Code 面板；或者尝试官方桌面版，启动方式和交互模式类似，但提供更完整的窗口管理体验。

5. 用 Claude Code 制作 SaaS 宣传动画

下面进入真正的核心环节。我们的目标产物是一条 30 秒左右的 SaaS 宣传动画，分辨率 1920×1080，包含中文字幕，配音与画面节奏对应。实现路径拆成 5 步：需求拆解 → 生成页面动画 → 渲染关键帧 → 生成配音与字幕 → 合成视频。

5.1 给 Claude Code 下达项目指令

先创建项目目录并进入命令行：

bash复制mkdir saas-promo
cd saas-promo
claude

在交互界面中提交下面的任务描述，信息越具体，后续返工越少：

text复制帮我做一个 SaaS 宣传动画项目，最终输出 MP4 和 SRT 字幕。

要求：
1. 项目根目录是当前目录，不要写到别处。
2. 动画时长控制在 30 秒左右，分 3 个场景：
   - 场景一：痛点。介绍传统软件协作慢、信息分散。
   - 场景二：方案。展示产品的一体化核心功能。
   - 场景三：结果。体现提效数据和客户行动号召。
3. 每个场景先写一个 HTML 场景页，尺寸 1920x1080，使用纯前端动画，中文字体用系统默认黑体。
4. 动画节奏要适合中文配音，每个场景大概 8-10 秒。
5. 为每个场景生成一个 JSON 配置文件，包含场景时长、飞入方向、文案内容。
6. 输出后续渲染视频的步骤说明。

Claude Code 会在项目里创建 scenes/、config/、scripts/ 等目录。整体结构大致是：

text复制saas-promo/
├── config/
│   ├── scene_1.json
│   ├── scene_2.json
│   └── scene_3.json
├── scenes/
│   ├── scene_1.html
│   ├── scene_2.html
│   └── scene_3.html
├── scripts/
│   └── build_video.py
└── README.md

每生成一个场景，先打开 HTML 检查文案、字号和动效是否符合预期，再让 Claude Code 生成下一个。一次性让它生成所有页面，后续改动的成本会高很多。

5.2 生成视觉素材与关键帧

SaaS 宣传动画里一般需要产品界面截图、功能图标、背景图形。如果团队没有现成素材，可以让 Claude Code 调用 AIGC 图像生成接口补齐。

先在项目目录里创建提示词文件 image_prompts.json：

json复制{
  "bg_1": "现代 SaaS 办公室背景，柔和蓝紫渐变，干净简洁，1920x1080",
  "ui_dashboard": "简洁的 SaaS 数据看板界面，深色模式，图表清晰，适合产品宣传",
  "icon_workflow": "流程图风格图标，三个节点串联，扁平设计，透明背景"
}

然后让 Claude Code 按文件内容逐个生成图片：

text复制读取 image_prompts.json，逐个调用图像生成接口，保存到 assets/ 目录。
图片尺寸按 1920x1080，输出 JPG 格式，命名保持原 key。

如果不想调用外部图像 API，可以让 Claude Code 直接生成 SVG 图标和渐变背景。SVG 体积小、可无限缩放，非常适合做宣传动画底图，也不依赖外部服务：

text复制不要调用外部 API，改用 SVG 生成背景和图标。把生成的 SVG 文件保存到 assets/ 目录。

这一步的关键是让视觉素材尽量可控。产品团队只需要审核最终效果，不需要等待设计资源排期。

5.3 将 HTML 场景渲染成视频片段

HTML 页面可以直接在浏览器播放，但要剪进宣传动画，需要先把它变成可编辑的视频素材。常见方案是使用 Playwright 截取场景关键帧，再用 FFmpeg 做运镜和拼接。

先安装 Playwright：

bash复制npm init -y
npm install playwright
npx playwright install chromium

然后让 Claude Code 写一个截图脚本 scripts/shoot_scene.js：

javascript复制import { chromium } from 'playwright';
import fs from 'node:fs';
import path from 'node:path';

const sceneDir = path.resolve('./scenes');
const assetsDir = path.resolve('./assets/frames');
fs.mkdirSync(assetsDir, { recursive: true });

const browser = await chromium.launch();
for (const file of fs.readdirSync(sceneDir)) {
  if (!file.endsWith('.html')) continue;
  const page = await browser.newPage({ viewport: { width: 1920, height: 1080 } });
  await page.goto(`file://${path.join(sceneDir, file)}`, { waitUntil: 'networkidle' });
  const outName = path.join(assetsDir, file.replace('.html', '.png'));
  await page.screenshot({ path: outName, fullPage: true });
  console.log('saved', outName);
  await page.close();
}
await browser.close();

执行：

bash复制node scripts/shoot_scene.js

如果场景页面本身有 CSS 动画，单张截图只能取到某一帧。解决思路有两种：一是用 Playwright 录制动态视频，二是把关键帧截下来后，用 FFmpeg 的缩放、平移、淡入淡出效果模拟运镜，产生类似影视级“缓慢推进”的观感，这也是宣传片最常见的节奏处理。

假设已经拿到三个场景的关键帧 scene_1.png、scene_2.png、scene_3.png，给每个场景生成 8 秒缓慢放大效果的视频片段：

bash复制ffmpeg -y -loop 1 -i assets/frames/scene_1.png -t 8 -filter_complex \
"scale=1920:1080,zoompan=z='min(zoom+0.0008,1.05)':d=240:s=1920x1080" \
-c:v libx264 -r 30 assets/clips/scene_1.mp4

bash复制ffmpeg -y -loop 1 -i assets/frames/scene_2.png -t 8 -filter_complex \
"scale=1920:1080,zoompan=z='min(zoom+0.0008,1.05)':d=240:s=1920x1080" \
-c:v libx264 -r 30 assets/clips/scene_2.mp4

bash复制ffmpeg -y -loop 1 -i assets/frames/scene_3.png -t 8 -filter_complex \
"scale=1920:1080,zoompan=z='min(zoom+0.0008,1.05)':d=240:s=1920x1080" \
-c:v libx264 -r 30 assets/clips/scene_3.mp4

d=240 表示按 30fps 输出 8 秒共 240 帧；zoompan 的 z 表达式控制缩放速度，数值可以根据需要微调。

5.4 生成中文配音与中文字幕

宣传动画没有配音就会缺少节奏感。配音方案有两类：一类是云 TTS API，速度快、音质稳定，但要考虑费用和素材授权；另一类是本地开源 TTS，适合离线环境，例如 IndexTTS、CosyVoice 等中文支持较好的方案。本地方案需要下载模型权重，显存占用和推理速度取决于具体模型尺寸，建议先跑一小段音频做基准测试，再决定后续参数。

不管用哪种方案，后续流程是相同的：先拿到中文配音音频，再用 Whisper 类工具转出带时间戳的字幕，生成 SRT 文件。

先让 Claude Code 生成与三个场景对应的中文配音稿：

text复制为三个场景分别写中文配音稿，每段不超过 40 字，语气偏产品宣传，不要提具体报价。
把配音稿保存成 config/voiceover.md，并生成一个调用 TTS 接口的 Python 脚本。

TTS 调用脚本 scripts/tts_generate.py 的基本结构如下。实际接口地址、鉴权参数和音频保存格式需要按你选用的服务调整：

python复制import json
import requests

TTS_URL = "http://127.0.0.1:8000/tts"

with open("config/voiceover.md", "r", encoding="utf-8") as f:
    blocks = [b.strip() for b in f.read().split("---") if b.strip()]

for index, text in enumerate(blocks, start=1):
    payload = {"text": text, "speaker_id": 0, "format": "wav"}
    resp = requests.post(TTS_URL, json=payload, timeout=60)
    if resp.status_code == 200:
        with open(f"assets/audio/scene_{index}.wav", "wb") as audio:
            audio.write(resp.content)
        print(f"scene_{index}.wav saved")

生成配音后，用 faster-whisper 转写字幕。先安装依赖：

bash复制pip install faster-whisper

转写脚本 scripts/make_srt.py：

python复制from faster_whisper import WhisperModel

model = WhisperModel("small", device="cpu", compute_type="int8")

def format_time(seconds):
    ms = int((seconds % 1) * 1000)
    s = int(seconds)
    m = (s // 60) % 60
    h = s // 3600
    return f"{h:02}:{m:02}:{s:02},{ms:03}"

def segment_to_srt(segments, srt_path):
    with open(srt_path, "w", encoding="utf-8") as f:
        for i, seg in enumerate(segments, start=1):
            f.write(f"{i}\n")
            f.write(f"{format_time(seg.start)} --> {format_time(seg.end)}\n")
            f.write(seg.text.strip() + "\n\n")

segments, _ = model.transcribe("assets/audio/scene_1.wav", language="zh")
segment_to_srt(segments, "assets/subtitle/scene_1.srt")

这里要特别提醒：Whisper 转写对普通文本准确率不错，但产品名、人名、版本号、英文缩写很容易出错。更稳妥的做法是让 Claude Code 基于配音稿文案直接生成一份 SRT，再把 Whisper 的转写结果作为校对参考，两者交叉验证。

5.5 合并视频、音频和字幕

现在已经有三个场景视频片段、整段配音和中文字幕，最后一步是把它们合成一条带字幕的 MP4。

先合成不带字幕的版本，检查画面和配音节奏：

bash复制ffmpeg -y \
  -i assets/clips/scene_1.mp4 \
  -i assets/clips/scene_2.mp4 \
  -i assets/clips/scene_3.mp4 \
  -f lavfi -t 0.4 -i anullsrc=r=44100:cl=stereo \
  -i assets/audio/full_scene.wav \
  -filter_complex \
  "[0:v][1:v][2:v]concat=n=3:v=1:a=0[vcat]" \
  -map "[vcat]" \
  -map 4:a \
  -c:v libx264 -preset medium -crf 20 -c:a aac \
  -shortest saas_promo_no_sub.mp4

FFmpeg 滤镜参数比较复杂，不用死记。可以把这个需求直接交给 Claude Code：

text复制读取 assets/clips/ 和 assets/audio/ 目录，生成合并脚本，顺序拼接三个场景视频，叠加配音。
要求：视频总长度与配音长度一致，片尾保留 1 秒黑场，输出 saas_promo_no_sub.mp4。

确认无字幕版本的节奏没问题后，再烧录中文字幕：

bash复制ffmpeg -y -i saas_promo_no_sub.mp4 \
  -vf "subtitles=assets/subtitle/full.srt:force_style='FontName=Microsoft YaHei,FontSize=18'" \
  -c:a copy saas_promo_sub.mp4

subtitles 滤镜会把 SRT 字幕直接烧进画面，适合需要硬字幕的发布场景。如果需要软字幕，直接保留单独 SRT 文件即可。

到这里，一条带中文字幕的 SaaS 宣传动画粗剪版已经基本成型。

6. 接口 API 与批量任务

Claude Code 的非交互模式是做批量任务的核心。比如要给多个产品各生成一支宣传动画，可以写一个 Shell 循环：

bash复制#!/bin/bash
for product in workflow crm analytics; do
  mkdir -p "output/${product}"
  claude -p "读取 products/${product}/brief.md，按第 5 章的流程生成宣传动画项目，输出到 output/${product}"
done

这是把 Claude Code 当成流水线调度器。每个子任务独立调用，一次没跑完也不会影响其他项目，适合多组文案同时处理。

更工程化的方式是封装一个 Python 脚本，把 TTS、Whisper、FFmpeg 逐阶段串联：

bash复制python scripts/pipeline.py \
  --brief config/brief.md \
  --target scene1.png,scene2.png,scene3.png \
  --tts http://127.0.0.1:8000/tts \
  --output saas_promo.mp4

真实生产环境要给每个阶段加日志和重试机制。例如 TTS 请求偶发超时就重试 3 次，失败后保留原始音频路径便于单独重跑；Whisper 转写失败时保留音频文件，不阻塞后续视频合成。每个任务结束时输出一个 JSON 报告，记录成功和失败阶段，方便快速定位问题。

接口服务的安全性也不可忽视。TTS、图像生成这类本地服务默认监听 127.0.0.1，不要直接暴露到公网。需要团队共享时，放在内网并加访问控制，避免未授权调用消耗计算资源。

7. 资源占用与性能观察

这条流水线中，各环节资源消耗差异很大，建议分开观察。

Claude Code 本身是终端程序，主要消耗内存和 API 请求额度，对显存几乎没有要求。真正的资源瓶颈集中在本地 TTS 和 Whisper 推理阶段。

本地开源 TTS 模型权重通常有几个 GB，推理时显存占用取决于模型尺寸和 batch 大小。稳妥做法是先合成一条 5 秒音频，用监控命令观察显存和耗时，再决定是否调大 batch 或并发。

Whisper 转写同理。tiny 模型在 CPU 上很快，但中文准确率一般；small 或 medium 模型准确率更好，CPU 推理速度会明显下降。建议先用一条 30 秒音频测试速度，能接受再批量处理。

FFmpeg 合成本身是 CPU 密集型任务，烧录字幕和缩放滤镜会把多核 CPU 拉满。编码参数直接影响速度和文件大小：preset medium 是画质和速度的平衡点，veryfast 可以明显缩短编码时间，但文件体积会变大。

观察显存占用可以用这些命令：

bash复制# Linux
watch -n 1 nvidia-smi

# macOS
sudo powermetrics --gpu

如果显存出现不足，按顺序排查：是否同时加载了多个模型；是否开着大量浏览器标签页；TTS / Whisper 的 batch size 是否过大；能否改用 CPU 推理配合 int8 量化。大多数本地推理卡顿问题都能从这四个方向解决。

8. 常见问题与排查方法

综合 Claude Code 安装和 AIGC 工具链使用中最常出现的问题，整理成下面的排查表。

排查思路可以总结成一句话：先看终端错误，再按链路分段检查。Claude Code 报错后，先定位是模型调用失败、文件读写失败还是命令执行失败。多工具流程中最容易出问题的往往不是单点工具本身，而是路径拼接、环境变量、接口鉴权这些衔接细节。

9. 最佳实践与使用建议

从完整工作流角度出发，建议按下面几个原则配置项目。

第一，把 Claude Code 当成项目经理而不是简单的代码生成器。每个阶段给出明确目标和验收标准，例如“生成三个场景页，每页 1920×1080，动画时长 8 秒”，产出质量和返工成本都会明显改善。

第二，保持项目目录结构清晰。素材、脚本、输出分开管理，避免 Claude Code 在混乱目录中频繁猜测路径。推荐结构：

text复制assets/
├── frames/
├── audio/
└── subtitle/
config/
scenes/
scripts/
output/

第三，第三方模型要小步测试。切换模型后，先跑一个“读取文件并重命名”的小任务，确认工具调用能力正常，再启动完整流水线。不同模型的指令遵从能力差异很大，同一个提示词在不同模型上的执行结果不一定一致。

第四，批量任务必须加日志和重试。TTS、图像生成这类外部服务调用会出现偶发超时，重试是标配。每个任务输出一个 JSON 状态清单，记录成功与失败阶段，方便批量复盘。

第五，素材授权和数据脱敏不能省。SaaS 宣传动画中如果出现真实人物，需要确认肖像授权；产品界面截图要去掉真实用户数据和敏感信息。对于 AIGC 生成的图片音频，对外发布前建议核对生成平台的授权条款。

第六，成品发布前必须做字幕校对。AI 转写对普通文本准确率尚可，但产品名、品牌词、数字、英文简写经常出错。宣传物料上的错别字对品牌影响比技术 demo 里的 bug 更大。

10. 总结与下一步

这套方案的真正价值，是把“用 AI 做视频”从单点工具操作升级成一条可执行、可排查、可批量复用的流水线。Claude Code 在其中承担调度和执行层，图像生成、TTS、Whisper、FFmpeg 是具体执行单元。对做 SaaS 市场、产品和 AIGC 工作流的人来说，这套流程可以快速复制到自己的素材生产场景。

最先要验证的是 Claude Code 的安装和项目读取能力，这是整条链路的地基。然后按第 5 章的流程跑通最简单的三场景动画，等素材、配音、字幕全部对齐，再逐步增加批量任务和接口化封装。

最容易踩的坑还是那几类：切换第三方模型后工具调用失效，导致 Claude Code 只聊天不干活；路径和字体问题导致 FFmpeg 渲染失败；Whisper 生成的字幕没有人工校对就上线。这些坑在第一次完整执行时大概率会碰到，建议把上面的排查表保存下来。

后续可以继续扩展的方向包括：把流水线封装成 Web 管理界面，团队上传文案后自动排队生成视频；接入更高音质的中文 TTS 模型提升配音质感；使用容器化部署处理更大批量的生成任务；给每个生成结果加版本管理，方便素材回归复用。核心思路不变，就是把“内容 → 视频”的链路拆得足够细，让每个环节都能被检查、被替换、被优化。