Claude Code per generare video

Ho scoperto di recente che Claude Code può anche generare contenuti come file pptx e video, per questo ho voluto testare queste sue capacità cercando di interagire solo con la sua interfaccia un percorso completo di generazione di un video partendo dall’analisi di un progetto esistente.

Il progetto in questione è il server MCP che ho sviluppato per connettere Claude Desktop a NotebookLM, notebooklm-mcp-structured. La documentazione tecnica di partenza è ovviamente quella caricata in Github. Volevo capire se Claude Code potesse trasformare questo materiale in qualcosa di presentabile, tipo un video tutorial, senza che io intervenissi a ogni passaggio.

La regola dell’esperimento era semplice: intervenire il meno possibile. Niente human-in-the-loop sistematico, niente revisioni continue, solo il minimo di interventi indispensabili per i controlli obbligatori.

Cosa ho chiesto

Ho dato a Claude Code due istruzioni, una alla volta.

Creare una presentazione PowerPoint del progetto, massimo 20 slide, stile minimalista-industriale, pensata per utenti non tecnici.
Trasformare la presentazione in un video con un voiceover, per spiegare i contenuti delle singole slide e con il vincolo che non fosse una semplice lettura delle slide ma una narrazione che spiegasse i concetti.

Non ho specificato quali librerie usare, come strutturare il codice, quali strumenti installare. Ho descritto genericamente il risultato voluto e lasciato che Claude Code decidesse il come.

Il risultato si può vedere alla fine dell’articolo.

Cosa è successo

Claude Code ha analizzato autonomamente i file del progetto, ha proposto una struttura narrativa in 20 slide, ha installato le librerie Python necessarie, ha generato il codice per creare le slide con un layout professionale.

Per trasformare la presentazione in video doveva prima convertire le slide in immagini. Ha tentato la conversione diretta dal file PPTX ma si è scontrato con un errore COM di Windows. Invece di bloccarsi mi ha proposto un’alternativa: passare attraverso un PDF. Mi ha chiesto se volevo che generasse uno script per l’esportazione oppure se preferivo farlo manualmente, visto che sarebbe stato più veloce. Ho esportato io il PDF da PowerPoint, lui lo ha convertito in 20 immagini PNG.

A quel punto ha generato il testo del voiceover, differenziando tra slide introduttive (15 secondi), slide concettuali (25-30 secondi) e slide con esempi pratici (35-45 secondi).

Per trasformare il testo in audio mi ha presentato tre opzioni: Azure Text-to-Speech, il servizio TTS di Google, oppure edge-tts di Microsoft. Le prime due richiedono API a pagamento, la terza è gratuita. Ho scelto edge-tts sia per testarlo sia per verificare la via meno costosa. Una volta fatta la scelta ha gestito in completa autonomia download ed installazione del software, generando poi 20 file audio, uno per ogni slide, con la voce italiana di Diego.

Ha gestito anche le correzioni fonetiche. Quando ho segnalato che “GitHub” veniva pronunciato male, riportando anche l’errore, ha capito il problema e ha applicato correzioni sistematiche: “GitHub” diventa “Ghitab” nello script audio, “PDF” diventa “pi di effe”, “npm” diventa “enne pi emme”. Ha rigenerato tutto automaticamente.

Infine ha assemblato il video, combinando immagini e audio sincronizzati in un unico file MP4.

Questo schema si è ripetuto durante tutto il processo: Claude Code propone opzioni, spiega i trade-off, aspetta la decisione, poi procede in autonomia con l’implementazione. Non è un’automazione cieca ma una collaborazione dove l’AI gestisce la complessità tecnica e l’umano interviene solo nelle scelte.

Il risultato

Il video finale dura circa 11 minuti, risoluzione Full HD, voiceover in italiano con qualità accettabile per un prodotto automatizzato. Le slide hanno un aspetto professionale con palette colori coerente e layout pulito.

Il tempo totale è stato di circa un’ora, incluse le iterazioni per le correzioni fonetiche e l’esportazione manuale del PDF.

Cosa ha funzionato

L’orchestrazione degli strumenti è stata la parte più impressionante. Claude Code ha combinato python-pptx, pypdfium2, edge-tts, Pillow e FFmpeg senza che io dovessi conoscere nessuno di questi tool. Ha installato le dipendenze, ha gestito i path dei file, ha coordinato la pipeline.

La capacità di adattamento è stata notevole. Quando il primo approccio non ha funzionato ha trovato un’alternativa ragionevole. Non si è bloccato, ha proposto una soluzione pratica.

La struttura narrativa dello script è dignitosa. Non è una semplice lettura del testo delle slide ma un tentativo di spiegare i concetti con un filo logico. Le transizioni tra i temi sono fluide.

Cosa non ha funzionato

Il tutorial che Claude Code ha scritto per documentare il processo contiene alcune imprecisioni. Nel file pptx ho dovuto correggere alcune imprecisioni, linee troppo lunghe che andavano a capo sovrapponendosi parzialmente alla linea successiva. Sono dettagli, ma in un tutorial tecnico i dettagli contano.

La qualità del voiceover AI è sufficiente ma non eccellente. Le pause sono un po’ meccaniche, l’intonazione è piatta in alcuni punti, la pronuncia di alcuni termini tecnici rimane approssimativa nonostante le correzioni.

Il processo non è completamente automatizzabile. L’export del PDF da PowerPoint richiede intervento manuale. Su Windows ci sono limitazioni tecniche che Claude Code non può aggirare da solo.

Cosa significa

La mia prova dimostra che Claude Code può gestire workflow complessi che richiedono l’orchestrazione di più strumenti, con un intervento umano davvero minimo. Il tutto senza conoscere le librerie specifiche né scrivere codice.

Il limite principale non è tecnico ma qualitativo. Il risultato è “abbastanza dignitoso” per molti scopi, ma non raggiunge il livello che si otterrebbe con intervento umano a ogni passaggio. È un trade-off tra velocità e qualità, anche in funzione della richiesta iniziale (meno specifico più interventi devo fare).

Per me il valore principale è stato capire dove si collocano questi strumenti oggi. Possono automatizzare il 95% del lavoro meccanico, ma quel 5% residuo, fatto di giudizio, verifica e rifinitura, rimane umano.

Il video che ho ottenuto non è perfetto, ma esiste. In più o meno un’ora da un insieme di documentazione tecnica in markdown siamo arrivati ad un contenuto consumabile. Questo spostamento, dalla possibilità teorica alla realizzazione pratica, è il contributo concreto di questi strumenti.