一支31.9秒的日语数字人短片,最终输出954帧、30帧每秒、16:9画幅。完成它的过程里,没有打开任何一款剪辑软件。

日本博主把整条链路拆成了若干段,每一段交给一个代码工具:脚本生成交给 Claude,演出节奏由 Fable 5.2 确定,3D 灯光嵌合用 Blender 5.2.1,音乐用 Python 从波形合成,最后的画面、字幕与镜头切换由 Remotion 4 编写代码自动组装,共 11 个構景。

这套做法绕开了 HeyGen、Higgsfield 这类一站式数字人平台。博主给出的理由很直接:点几下鼠标确实省心,但做出来的东西一眼就能看出模板味,想改点细节反而束手束脚。

画面质感是中途调整过的。最初用浏览器里的简易 3D 工具渲染,效果不佳,最终换成 Blender 5.2.1,对 18 块墙板做灯光嵌合,画面的真实感和专业级渲染质量才立住,成为最终画面的支撑。

音频同样没有走素材库。背景音乐由 Python 从底层波形开始合成,规格是 84 BPM、8 小节。口型部分则拆出 5 种基础形态做精准驱动。从脚本到素材、从口型到音频、从灯光到后期渲染,每一环都离开了传统一站式工具的模板。

把画面、3D 场景、音频、口型和后期组装全部拆散,用代码当胶水把不同工具粘在一起,是这套工作流的核心逻辑。博主对它的评价是:零剪辑软件开销,自由度和上限完全不在一个量级。