# 一文讲明白 AI 短剧开源项目 Toonflow

> 龙虾AGI通用实验室 · 2026-11-06

上一篇我写了"无限画布"这个开源项目，这次我看的是一个更大的项目，叫 Toonflow。它是一个开源的 AI 短剧、漫剧制作平台，上过开源热榜 Trendshift 的日榜、周榜和月榜，还拿了 Gitee 的 GVP 认证。它想做的事情很完整：你给它一句话、一部小说或者一份剧本，它帮你写成剧本、做出角色和场景的素材图、拆成分镜，最后生成一段段视频。

我带着和上次一样的问题去看它：我平时用 Claude Code，主模型是 Opus 5.5，写剧本、调图片和视频接口这些事，它都能直接干。那这么一个平台，还有价值吗？

翻完之后，我的结论和上次不太一样：**这个项目的软件部分，AI 基本都能替代；但它里面藏着一份约 90KB 的规则文档，那才是真正值钱的东西，而且模型再强也替代不了。**

## 先说它是什么

用它做一集短剧，流程大概是这样：

**1.**给它内容。一句话创意、一部小说、或者现成的剧本，三选一。

**2.**它写剧本。只有一句话，它会先补出人物想要什么、遇到什么阻碍、结局如何，再写成剧本；给的是小说，它会改编成剧本。

**3.**它做素材。从剧本里找出所有角色、场景、道具，每个都生成参考图。角色是一张"四连图"：脸部特写加正面、侧面、背面全身。

**4.**它拆分镜。把每场戏拆成一个个镜头，写清楚景别、站位、台词、时长。

**5.**它生成视频。为每一段写好视频模型的提示词，带上素材参考图，生成一段段几秒到三十秒的片段。

每一步做完，它会把结果摆在画布上给你看，等你点头才往下走。要花钱的生成，会先告诉你打算生成什么、生成几个。

![](images/cd354c/img_001.jpg)

要注意的是，它最终交出来的是**一段段按顺序排好的视频片段**，不是一集成片。拼接、加字幕、配乐，还是要放进剪映这类软件里完成。它还故意不让视频模型生成字幕和背景音乐，原因后面会讲。

## 软件这一层，AI 已经能替代

这个项目的工程量不小：桌面客户端、无限画布、内置 AI 助手、插件市场、对接了好几家视频模型的接口，还在开发多租户和计费，看得出是在往商业平台方向走。

但如果你和我一样，是用 Claude Code 干活的人，这些大部分用不上。写剧本，Opus 写得不会比它差；对接视频模型的接口，Claude Code 看一眼文档就能写；多租户、计费，是人家做平台生意用的，跟个人创作无关。

有一个细节很能说明问题。我翻到了这个项目旧版本的记录：旧版把整条制作流程写死在代码里，专门写了"编剧 AI""制作 AI"，用数据库存每一步的结果。到了新版，这些代码几乎全拆了，换成一个通用的 AI 助手，加上几份写给 AI 看的说明文档。

**也就是说，他们自己已经承认：模型够强以后，把流程写死在代码里不值钱了，值钱的是写进文档里的经验。**

所以评价这个项目，就该去翻那几份文档。

## 真正值钱的：视频模型的"脾气"

那几份文档里，最核心的一份是给 AI 看的"视频导演规则"。我读完最大的感受是：这是一份**踩坑笔记**，记的全是视频模型会怎么出错、提示词怎么写才不出错。

所有规则都建立在一个前提上：**视频模型每次只生成一段，生成的时候看不到上一段长什么样。** 它不像人类剧组，演员记得上一个镜头自己站在哪、手里拿着什么。它每一段都是从零开始。

从这个前提出发，规则里有几条让我印象很深。

**第一，每一段都要把站位从头写一遍。** 不能写"同上""延续上一段"。人物在房间里的位置（相对门、窗、桌子）、在当前画面里的左右、光从哪边来、道具在谁手里，每段都要重新写全。上一段结束时的状态，要改写成下一段开始时的状态。

**第二，两段视频的接头处有讲究。** 两段独立生成的视频直接接上，很容易看起来像"画面跳了一下"。规则要求：上一段最后一个镜头和下一段第一个镜头之间，以下三条至少满足一条——拍的主体不同（比如从双人换到单人），景别差两档以上（比如从中景跳到特写），或者拍摄角度差 90 度以上。一个动作要切成两个镜头完成的话，尽量放在同一段里，不要跨段。

**第三，没拍到不等于不存在。** 一个人手里拿着笔，剧情里没写他放下，那下一个镜头笔就不能凭空消失；就算这个镜头没拍到他的手，笔也还在他手里。已经喝过的杯子不能突然又满了，打开的门不能自己关上。

**第四，文字分两种。** 字幕、标题这类后期加的文字，一律不让视频模型生成，因为它生成的字经常是错的，留给剪辑软件加。包装上、招牌上本来就有的字，写"保持参考图原样，不新增、不改写"，不要指望模型凭空生成清晰准确的文字。这也是它最终片段不带字幕的原因。背景音乐同理，默认不让模型加，后期再配。

**第五，生成前先排查容易崩的画面。** 规则列了一张高风险清单：三个以上的人同时大幅动作、双手操作小物件的同时还要复杂运镜、镜子和玻璃（容易多复制出一个人或一只手）、包装小字需要特写还要快速移动……遇到这些，先简化摄影机，再让关键的手部接触完整入画，最后才考虑拆镜头。规则还专门提醒：不要全片堆几十个"禁止"词，只对真正有风险的那一段，写一两条针对性的。

这些东西，Opus 5.5 自己不会知道。原因很简单：这些失败发生在视频模型里，不在大模型里。大模型的训练数据里没有"Seedance 2.5 的两段视频怎么接才不跳"这种知识，只能靠一次次生成、一次次失败攒出来。

## 第二份精华：只导演，不编剧

规则里还有一部分，叫"剧情保真"。

它要解决的问题是：AI 把剧本改写成分镜和提示词的时候，会"好心"加戏。剧本写"妈妈用湿巾给孩子擦手"，AI 觉得动作不完整，会自己补上"拿起湿巾包、打开盖子、抽出一张、再擦手"。看起来更顺了，但剧本里根本没有这几个动作。如果这是一条湿巾广告，客户要的就是"擦手"那个画面，多出来的几个动作全是返工。

规则的做法是：先把剧本按顺序拆成一个个最小的事件，编上号，E01、E02、E03……最终提示词里，凡是会改变人物、道具、位置的句子，都必须能对上某个编号；对不上的，就是 AI 加的戏，删掉。AI 上一轮自己补的内容，下一轮不能当成剧情事实继承下来。剧本写"家长"，就不能擅自定成"妈妈"；剧本写"拿着笔"，就不推断是左手还是右手。

规则里的例子大多是湿巾、包装、"父母/家长"这类，我猜这些规则是做商品广告的单子时，被客户一次次退回来逼出来的。

我觉得这一条特别有意思：**模型越强，越爱润色，这条规则反而越有用。** 弱模型是"做不到"，强模型是"做得太多"。

## 还有两类经验也值得记

**一是怎么保证人物前后一致。** 它的做法是行业里通行的"先定妆"：开拍前先把主要角色、场景、道具的参考图做出来，之后每一段视频都带上同一张参考图。角色换装、受伤、淋湿，就做一张"衍生图"，记清楚它是从哪张原图变来的，只改变化的部分。

衍生图还要"累积"。比如第 2 场袖子撕破了，第 4 场徽章掉了，那第 4 场用的图要同时是"破袖子、没徽章"，不能只去掉徽章，却把袖子复原了。第 6 场换了衣服，破袖子没了，但手背上的伤不会因此自动痊愈。

**二是一些行业数字。** 比如台词怎么算时长：字数除以语速（急促约每秒 4 个字，正常约 3 个，悲伤约 2 个），每处明显停顿加 0.3 到 0.5 秒，首尾再留约 1 秒余量。一句 24 个字的台词，大约要 8 到 10 秒，不能硬塞进 5 秒的镜头里，更不能靠加快语速解决。

商业短剧的节奏也有参考值：3 秒给出情绪入口，15 秒出现变化，45 秒形成强烈期待；付费卡点放在全剧大约 10%、30%、50%、70%、90% 的位置。这些数字对不对、适不适合你的题材，要自己验证，但起码是一个起点。

## 它的短板

说完优点，也说说问题。

最大的问题是，**这些规则全靠 AI 自己读、自己遵守。** 那份 90KB 的文档里，到处是"最高优先级""强制""绝对禁止"，同一条规则反复强调好几遍。看得出他们一直在和 AI"不听话"较劲。这和它默认用的语言模型有关，写规则时面对的是能力较弱的模型。

而且，项目里的三份流程文档之间有矛盾。比如写 Seedance 2.0 的提示词时，新版文档要求按镜头写清楚时间码，旧版文档却说"写精确秒数不稳定，不要写"。到底哪个对，项目里没有给出答案。

更好的做法，我觉得是把这些规则从"文字要求"改成"程序检查"。比如让 AI 先列出每段开始和结束时，每个人站在哪、每件道具在谁手里，再用程序自动检查有没有道具凭空消失、相邻两段的接头是否满足那三条。这些都是确定性的规则，用不着让 AI 靠自觉去记。

## 最后

简单总结一下：Toonflow 的软件部分，用 Claude Code 这类工具基本都能替代；它真正值得看的，是项目里 packages/skills 目录下那几份规则文档，尤其是视频导演规则和剧情保真那两部分。如果你也在用 AI 做短剧或视频，建议直接去读这几份文档，收获会比装软件更大。

希望这篇对你有帮助。对 AI 做视频感兴趣的朋友，欢迎在留言区一起交流。

https://github.com/HBAI-Ltd/Toonflow-app
