AI短剧精细化制作开源工作流项目档案开源工具链将AI短剧生产从一键生成升级为逐镜头可控的工业化流水线AI短剧精细化制作工作流利用开源工具链,将剧本解析、角色与场景一致性管理、分镜编辑、视频生成和后期剪辑串联成一条可精细调控的工业化生产线。与粗放式一键生成方案不同,它强调逐镜头控制和全流程可回溯,让创作者能对每个分镜的景别、运镜、情绪、时长、氛围进行精确调整,最终输出商用品质的竖屏短剧。报告覆盖两个代表性开源项目:Jellyfish AI短剧工厂主打人物一致性和精控镜头,从剧本到后期全闭环;Toonflow主打智能剧本改编和无限画布工作台,适合小说IP转视觉内容。两者均属于…预览
ArcReelArcReel/ArcReelAI Agent 驱动的开源小说视频生成工作台ArcReel 是一个开源的 AI 视频生成工作台,由 AI Agent 全程驱动,能够将小说文本自动转化为完整的短视频。其完整工作流为:小说 → 角色/场景/道具设计 → 剧本 → 分镜图 → 视频片段 → 最终成片。它本身不训练模型,而是通过统一的抽象层集成 Google Gemini、火山方舟、xAI Grok、OpenAI 等多个 AI 供应商,用 Agent 智能体协调完成从文本到视频的端到端生产流程。项目采用 React 19、Python 3.12+ / Fa…预览
Voiceboxjamiepine/voicebox本地优先的开源语音合成工作站,集成多引擎声音克隆、情感标签、后处理音效与多轨编辑Voicebox 是由 Jamie Pine 开发的开源语音合成工作室,定位为 ElevenLabs 的免费本地替代方案。它是一个完整的桌面应用,集声音克隆、语音生成、后处理特效、多轨编辑于一体,所有模型和数据完全在本地运行。项目采用 Tauri (Rust) 桌面框架,前端使用 React + TypeScript,后端为 Python (FastAPI),音效处理由 Spotify pedalboard 驱动。内置 5 个 TTS 引擎,支持 23 种语言,最大文本长度…预览
CosyVoiceQwenAudio/CosyVoice多语种语音生成模型,支持3秒声音克隆与流式合成CosyVoice 是阿里巴巴达摩院 FunAudioLLM 团队开发的多语种大语音生成模型,提供推理、训练和部署的全栈能力。其核心能力包括仅需 3 秒参考音频即可实现零样本声音克隆,覆盖 9 种常见语言和 18 种以上中文方言,并支持跨语种克隆。模型采用 LLM 生成语义 Token 与 Flow Matching 渲染声波的双阶段架构,CosyVoice 2.0 起支持双向流式合成,延迟低至 150ms。CosyVoice 3.0 引入多任务 Tokenizer 和可微…预览