版本 v1.8 | 定位：AI 漫剧（动态漫短剧）自动化生产平台一句话概括：输入一句话创意，自动产出可直接发布的竖屏短视频 MP4。
做 AI 漫剧（动态漫）原本需要人工串联 5 个环节：写剧本 → 画分镜 → 生成插画 → 配音 → 剪辑合成。每个环节用不同工具、不同 AI 服务，中间靠人工搬运素材，一部 2 分钟的剧往往要花几小时甚至几天。
本系统把这 5 个环节串成一条自动化流水线，并且每个环节都允许人工介入微调：
核心价值：从"几小时/部"压缩到"几分钟/部"，且支持批量生产。
项目 | 说明 |
输入 | 一句话创意 + 目标时长（分钟）+ 集数 + 额外要求 |
输出 | 结构化剧本（分场次、分节拍），含角色表、每句台词的说话人与情绪 |
人工介入 | 可在页面上直接编辑、保存、生成新版本 |
两个实用细节：
支持手工剧本：你可以跳过 AI，直接粘贴自己写好的剧本，系统照常保存并继续往下走
纯文本剧本也能拆镜：手工粘贴的文本剧本同样能被 AI 正确拆成镜头表，不要求必须是 AI 生成的格式
这是 AI 漫剧最大的技术难点——同一个角色在 20 个镜头里必须长得一样，否则观众立刻出戏。系统用四重锁定：
锁定方式 | 说明 |
外貌 tag 注入 | 角色的英文外貌描述会原样注入每个镜头的绘图提示词 |
种子锁定 | 角色绑定固定随机种子，减少形象漂移 |
参考图 img2img | 用角色参考图约束生成（接本地 SD/ComfyUI 时可用） |
LoRA | 可填 LoRA 名称与触发词（需本地 SD/ComfyUI 支持） |
每个角色还能单独指定配音音色、语速、语调——角色与声线一一对应。
由 AI 把剧本拆成镜头表，每镜包含：
画面描述（中文）、景别（远景/全景/中景/近景/特写）
运镜方式（推/拉/摇/移/固定）
说话人、台词、情绪
建议时长、关联角色
支持手动增删改、拖拽排序、单独重绘某张图、单独重配某句音。
项目 | 说明 |
批量生成 | 可调并发数（建议 2~4，太高会被限流） |
角色参考 | 开关控制是否把角色参考图带入生成 |
统一种子 | 可让未生成的镜头共用同一批种子，画面风格更统一 |
失败处理 | 单个镜头失败不影响其它镜头，可单独重绘 |
按角色分配音色，批量合成
支持试听、单独重配
镜头时长由音频驱动——台词多长，镜头就多长，音画天然对齐，不会脱轨
自动生成 SRT / ASS 字幕，可烧录进画面，也可单独导出。
字幕可调：开关、字号、颜色、描边粗细、字体。
参数 | 可选 |
转场 | 淡入淡出 / 黑场 / 左滑 / 无 |
转场时长 | 可调（默认 0.5s） |
运镜强度（Ken Burns） | 1.0 ~ 1.5，数值越大推拉感越强 |
帧率 | 24 / 30 |
分辨率 | 默认 1080×1920 竖屏，可改 |
BGM | 从素材库选，音量可调 |
质量（CRF） | 数值越小画质越高、体积越大 |
输出规格实测：H.264 + AAC，1080×1920 竖屏，MP4（带 faststart，可直接上传平台）。
项目 | 说明 |
作用 | 把静态分镜图交给视频模型，让它"演"出来（衣袂飘动、转头、法术扩散等） |
成本控制 | 每 N 镜做 1 个（1=全部，3=每三镜一个，成本降到 1/3） |
容错 | 生成失败自动回退为静态运镜，不会让整条合成崩掉 |
默认 | 关闭——不启用就一分钱不花 |
自动装 Docker → 生成配置 → 构建镜像 → 起 5 个容器（数据库 / 缓存 / 后端 / 任务队列 / 前端）。
只占一个端口（默认 8080），数据库和缓存全在容器内网，不会和服务器上已有的 MySQL、Redis、Nginx 冲突。
LLM / 生图 / 配音 / 视频四类服务，每类可同时配置多家，后台填 Base URL + Key 即可。
环节 | 内置支持 |
LLM | DeepSeek、腾讯混元、智谱 GLM、Kimi、火山方舟、Ollama、Pollinations 免费 |
生图 | 火山 Seedream、硅基流动、SD WebUI、ComfyUI、Pollinations 免费 |
配音 | Edge-TTS（免费）、Azure、CosyVoice、OpenAI 兼容 |
视频 | 硅基流动 Wan、阿里百炼万相、火山 Seedance、OpenAI 风格 |
按权重自动选用，失败自动切下一个——某家服务宕机或限流时，生产不会中断（如 DeepSeek 503 会自动绕开）。
环节 | 免费方案 | 是否要注册 |
剧本 | Pollinations 免费 LLM | ❌ 不用 |
生图 | Pollinations 免费生图 | ❌ 不用 |
配音 | Edge-TTS | ❌ 不用 |
不填任何 Key 也能出第一部片，适合先验证流程和风格。
用量统计页按 服务 / 模型 / 日期 统计调用次数、token、图片数、音频字数、耗时
图生视频可按"每 N 镜"精打细算
每步都是异步任务，可随时中断，不会产生额外费用
所有素材（剧本、图片、音频、成片）都存在你自己的服务器上，不经过任何第三方中转。支持一键备份。
Provider 层、提示词、合成参数、流水线编排全部源码开放，改完 docker compose up -d --build 即生效。
项目 | 要求 | 不满足的后果 |
内存 | ≥ 2 GB（推荐 4 GB） | 低于 2G 时后端会被系统 OOM 杀掉，表现为反复 502 |
磁盘 | ≥ 20 GB 可用 | 成片和素材会占满空间 |
端口 | 需要放行 8080（云安全组 + 面板防火墙两处都要） | 外网打不开 |
面板环境 | 面板自带 Nginx 已占 80，本系统改用 8080 | 端口冲突会构建失败 |
部署完成 ≠ 能直接生产。 部署只是把"工厂"建好，还需要给 AI 服务配 Key：
免费方案（Pollinations + Edge-TTS）开箱即用但会限流，成功率约 70~80%，失败重试或换付费服务
稳定方案需注册拿 Key（智谱 GLM 免费、硅基流动送额度、火山方舟需实名）
配完一定要点「测试连通性」确认。
你想做的 | 能不能 | 说明 |
3D 渲染质感的画面 | ✅ 能 | 靠生图模型的风格词（如 |
画面运镜、推拉摇移 | ✅ 能 | Ken Burns + 转场，动态漫的标准做法 |
人物真的做动作（挥剑、走路、说话口型） | ⚠️ 有限 | 需开启「图生视频」，且模型生成的动作不可精确控制，可能与台词/剧情不符 |
口型对上配音 | ❌ 当前不能 | 需专门的唇形同步模型 |
长视频（>10 分钟） | ⚠️ 不建议 | 镜头越多，累计失败率与合成耗时越高 |
行业定位：本系统产出的是动态漫（静态画面 + 运镜 + 配音 + 字幕），这是目前 AI 漫剧的主流形态（成本低、出片快）。它不是"动画"，人物不会像动画片那样精确表演。
问题 | 实际情况 |
成功率 | 约 70~80%，偶发 402/5xx（公共额度池被占满） |
输出尺寸 | 免费生图约 576×1024 ~ 768×768，合成时会放大到 1080×1920，清晰度够发但不如付费 |
水印 | 免费图可能带角标，系统已做裁边 4% 自动去除 |
应对策略 | 某个镜头空白时点「重绘」补一次即可，不影响其它镜头 |
项目 | 参考单价 | 一部 2 分钟剧（约 20 镜） |
LLM（剧本+拆镜+翻译提示词） | 几分钱 | < 1 元 |
生图 | 约 0.1~0.3 元/张 | 约 2~6 元 |
配音（Edge-TTS） | 免费 | 0 |
图生视频（可选） | 约 1.5 元/条 | 全做约 30 元；每 3 镜 1 个约 10 元 |
价格为 2026 年市场行情，以各家官网为准。建议先在厂商控制台设置用量上限。
异步任务一次只点一次——连点会创建多个任务抢同一个额度池，全部卡住
先跑小样（1 分钟、5~8 镜）验证风格，满意了再批量
任务卡住时重启 worker 并清理积压任务，不要反复提交
升级/重建容器前务必备份（有实例在升级时数据库被重新初始化，项目全丢）
不要删除或用 .env.example 覆盖 .env——里面是数据库密码和加密密钥，换掉会连不上库、解不开已存的 API Key
重装系统时数据盘通常会被保留，想彻底全新需手动删 Docker 数据卷
事项 | 建议 |
端口 | 绑域名 + HTTPS 后，关闭 8080 的外网放行，只走域名 |
密钥 | 部署后 |
内容合规 | 生成的图片/视频内容由所用 AI 服务商的审核策略决定，商用前请确认授权范围 |
商用授权 | 各模型商用条款不同（开源模型如 Wan 系列通常可商用），正式商用前请查阅对应厂商条款 |
零成本试跑：什么都不配，直接用内置的免费 LLM + 免费生图 + 免费配音。
| 0 (0%) 好评 |
0 (0%) 中评 |
0 (0%) 差评 |
