Claude Code + GPT-Image-2 自動生成 AI 影片：2 分鐘、NT$4.5，整理給你看（2026）

整理一個真實跑過的流程給你看：用 Claude Code 搭配 GPT-Image-2，自動生成簡報風格的 AI 影片。 從輸入腳本到拿到成品影片，全程約 2 分鐘，每支影片費用大約台幣 4 塊 5。 不是概念，是實際跑出來的結果。

這個流程在做什麼？

簡單說，就是把一段文字腳本，自動變成一支有圖、有聲音的短影片。

核心是兩個 AI 工具的組合：

• GPT-Image-2：根據腳本內容，為每個場景生成一張角色圖片。角色照片只要提供一張，GPT-Image-2 會保持角色一致性，場景換但臉不變。
• Claude Code：負責整個自動化流程的協調——分鏡規劃、呼叫 API、控制 FFmpeg 合成影片、管理檔案輸出。

最後的影片是「簡報風格」：每個場景是一張靜態圖片配上台灣中文配音，圖片有細微的 Ken Burns 縮放效果，看起來不像靜止投影片，比較接近說明型短片。

準備工作（只需做一次）

根據官方文件，這個流程需要兩個帳號，申請都是免費的：

• KIE.ai：提供 GPT-Image-2 的 API 接口，用 Google 登入後到 kie.ai/api-key 取得 API Key。費用按使用量計，每張圖約 NT$0.9。
• Cloudinary：圖片托管服務，讓 KIE.ai 能讀取你的角色照片。用 Google 登入後，在後台複製 Cloud Name、API Key、API Secret。免費方案夠用。

本機需要安裝：

• FFmpeg（影片合成）：Mac 用 brew install ffmpeg
• Python 套件：pip install edge-tts cloudinary python-dotenv requests

這些安裝步驟可以直接叫 Claude Code 執行，不用自己手打。

完整五步驟流程

以下是整理過的流程，每次生成影片都跑一遍：

Step 1｜Claude Code 規劃分鏡

告訴 Claude Code 影片主題和長度，Claude 會輸出一份分鏡 JSON 檔案，列出每個場景的旁白文字、圖片描述、鏡頭角度。這一步在對話裡完成，不花 API 費用。

Step 2｜GPT-Image-2 生成場景圖

Claude Code 自動把角色照片上傳到 Cloudinary，取得公開連結後，呼叫 KIE.ai 的 GPT-Image-2 API，為每個場景生成一張角色圖片。5 張圖費用約 NT$4.5，生成時間約 60-90 秒。

Step 3｜微軟 TTS 生成配音

使用 edge-tts（微軟 Edge 的語音引擎），選擇台灣女聲 zh-TW-HsiaoChenNeural，把每個場景的旁白文字轉成 MP3。這個工具完全免費，說的是正統台灣中文，不是外國腔。

Step 4｜FFmpeg 合成每個場景

把每張圖片 + 對應的旁白 MP3，用 FFmpeg 合成成一段小影片。圖片加上 Ken Burns 效果（細微縮放），聲音依旁白長度自動截短。

Step 5｜合併輸出成品

把所有場景的小影片串接成一個完整的 final_video.mp4，存到本機指定資料夾。

💡 費用整理：每支影片只要 GPT-Image-2 的圖生圖費用（5張 × NT$0.9 ≈ NT$4.5），配音和影片合成完全免費。生成時間約 2 分鐘。

成品可以怎麼用

這個流程生出來的 MP4 可以直接：

• 上傳到 YouTube、Instagram Reels、TikTok
• 嵌入部落格文章或課程頁面
• 貼到 FB 粉絲頁，留言放文章連結導流

如果要換主題或換人物，只要換一張角色照片，重新給 Claude Code 主題，2 分鐘後就有新一支影片。費用還是 NT$4.5。

這個流程目前的限制是：圖片是靜態的，角色不會有真實動作。適合說明型、介紹型的短片，不適合需要真實動態的廣告。

給 Claude Code 的提示詞

如果你也想用這個流程，以下是可以直接複製給 Claude Code 的說法：

用這張照片 [放入角色照片路徑]
幫我生成一支 30 秒介紹「[你的主題]」的簡報風格影片

Claude Code 會自動：幫你申請帳號、安裝工具、規劃分鏡、生成圖片配音、合成影片、存到電腦。

影片完成後在 ~/pipeline_output/final_video.mp4 取得。

Mac & Windows 適用 · 確認匯款後立即出貨 · LINE：kenemail2