DramaClaw 开源漫剧生产线一键包：从小说剧本到分镜成片，一套源码把 AIGC 短剧流程打通 GitHub开源2.1K星标

文章目录（快捷跳转）

简介说明
图片预览
关于视频生成成本
下载地址
扫码在手机上阅读本页

简介说明
最近看 AI 视频工具，很多项目都停留在“生成一段画面”这个层面。能出图、能出几秒视频，确实已经很厉害，但如果真要拿来做连续漫剧、短剧或者系列广告，就会马上遇到另一堆问题。
角色前后不像，场景换个角度就穿帮，分镜和台词对不上，资产散落在不同工具里，生成一集还行，想连续做十集、二十集，流程马上乱掉。
DramaClaw 这个项目有意思的地方就在这里。它不是单点生成工具，而是试图做一条完整的 AIGC 视频生产线。
DramaClaw 是什么？
DramaClaw 官方给自己的定位是通用 AIGC 视频引擎，核心目标是把“剧本到成片”这条链路串起来。它可以从小说或剧本出发，完成角色提取、剧集规划、剧本生成、分镜、首帧、配音、字幕和最终视频导出。
换句话说，它不是让你只写一个 prompt，然后等模型给你一段随机视频。它更像是把短剧工作室里的流程拆成一个个模块，再用 AI 和工程系统把这些模块接起来。
官方 README 里也提到，它主要面向创作者、独立工作室和创意工程师，适合跑在自己的基础设施上，而不是完全依赖一个黑盒云服务。除了漫剧和短剧，这套流程也可以延伸到广告、电商视频、互动乙游这类视觉内容生产场景。
为什么这个项目值得关注？
现在 AI 视频最缺的不是“再生成一张更漂亮的图”，而是稳定生产。
如果只是做一个 demo，角色偶尔变脸、背景偶尔变形，观众可能还能接受。但如果做的是连续剧、系列广告、剧情向 IP 内容，稳定性就变成核心问题。
DramaClaw 的设计思路明显是冲着“工业化”去的。
它把小说解析、故事图谱、角色资产、场景资产、剧集节奏、分镜、配音、剪辑这些环节都纳入同一条链路。这样做的好处是，每个环节不再是孤立文件，而是可以互相引用、互相校验、反复修正。
这也是它和普通工作流编排工具最大的区别。通用节点工具可以把模型串起来，但它不一定懂什么是“章节情绪推进”，也不一定知道为什么同一个角色在不同镜头里必须保持一致。DramaClaw 试图把这些短剧生产里的经验，直接做进工具链。
世界模型：解决连续镜头最头疼的穿帮问题
视频解说里提到的“世界模型”，是 DramaClaw 比较亮眼的一点。
简单理解，它不是每个镜头都重新凭空生成，而是为一个场景建立相对稳定的空间逻辑。人物站在哪里，道具放在哪里，机位怎么移动，光影关系怎么保持，这些都会影响最终画面是否可信。
对漫剧和短剧来说，空间穿帮非常常见。上一镜头角色在门口，下一镜头突然出现在窗边；桌子刚才还在左边，切个机位就消失；同一个房间生成几次，看起来像换了三个地方。
DramaClaw 的 Director World / 3GS 设计，就是为了让场景更像一个可以反复取景的“虚拟片场”。它可以锁定空间结构、人物调度和镜头位置，让同一地点在不同镜头里更容易保持一致。
这对长篇连载尤其重要。因为越是连续内容，观众越容易发现不一致。
线稿草图流程：先改便宜的，再渲染贵的
很多 AI 视频创作最大的问题是试错成本高。
你直接让模型出最终画面，结果构图不对、人物站位不对、镜头角度不对，就只能重来。每次重来都要消耗时间和额度。
DramaClaw 的线稿草图系统思路更像传统动画或影视分镜：先生成线稿和草图，让创作者判断构图、动作和镜头是否正确，确认之后再进入精细渲染。
这一步看似多了一道流程，实际上是省成本。
因为早期修改线稿，远比后期推翻高清图、视频片段要轻得多。特别是团队创作时，导演、编剧、美术可以先围绕线稿确认方向，减少后面反复返工。
双模式工作流：既能量产，也能精修
DramaClaw 还有一个实用设计：主线流水线和 Freezone 无限画布并行。
流水线模式适合批量生产。比如你要持续更新短剧，每一集都按固定流程走：剧本、角色、分镜、首帧、配音、剪辑、导出。它更强调稳定和效率。
Freezone 无限画布则更适合精细打磨。你可以把项目里的角色、场景、素材拖进画布，单独探索某个镜头、某张图、某段视频或某段音频。满意的结果还可以再同步回主线流程。
这个设计比较贴近真实创作状态。
因为创作不是永远线性的。很多时候，你会在主线流程里推进项目，但某个关键镜头又想单独多试几版。传统流水线太死，纯画布又容易散。DramaClaw 的双轨模式，正好把两者结合起来。
导演智能体：把创作指令说成人话
做 AI 视频时，很多时间并不是花在创意上，而是花在和工具较劲。
想让镜头拉远一点，人物情绪再克制一些，光影更压抑一些，结果还要翻参数、改提示词、查模型说明。
DramaClaw 内置的 Xia Director 导演智能体，就是为了解决这类问题。它可以用对话方式理解创作指令，检查项目进度，推进脚本和镜头任务，审查交付结果，并给出下一步建议。
这个功能如果后续做得足够稳，会很适合非技术创作者。
因为创作者真正想表达的往往是：“这个镜头再压抑一点”“这里节奏慢了”“这个角色不够狠”“这一段需要更像预告片”。工具应该把这些自然语言变成可执行任务，而不是让用户自己去拆参数。
DramaClaw 的完整流程能做什么？
从项目说明来看，它覆盖的链路比较完整：
小说解析与故事图谱：把原始文本拆成角色、关系、时间线和可查询结构。
资产库与角色一致性：统一管理角色、场景、道具和声音，减少跨集变脸。
剧集规划与叙事节奏：自动拆章节、规划情节点、多集剧情弧线。
剧本生成：支持不同生成模式，并带有审查和修复流程。
分镜与首帧：根据情节点生成风格化画面和分镜图。
配音合成：支持带情绪的语音生成，并可切换服务商。
视频合成与导出：组装成片，导出视频、字幕和完整素材包。
无限画布：用于自由探索和精品镜头打磨。
世界模型：提升场景和镜头一致性。
视觉风格模板：上传参考图后提取风格参数，用于统一项目画风。
任务中心：查看进度、日志、取消和重试，长任务可从检查点恢复。
这些功能放在一起，才是 DramaClaw 真正的价值。它不是“某个模型包装壳”，而是更接近一套短剧生产系统。
部署门槛怎么样？
DramaClaw 推荐使用 Docker 部署。官方说明里写到，标准流程本地不需要 GPU，因为推理走远程 OpenAI 兼容网关；普通笔记本或小型 VPS 也能跑起来。
基础要求大致是：
CPU / 内存：建议 2 vCPU / 4GB 以上。
GPU：标准流程不需要，只有可选的 world 相关能力可能需要 GPU 和 CUDA 镜像。
系统：macOS、Windows Docker Desktop + WSL2、Linux Docker Engine 都支持。
端口：Web UI 默认 8080，REST API 默认 8780，自托管网关默认 3000。
数据存储：不依赖 Postgres、Redis、Celery、Ray，状态主要放在本地文件系统和 SQLite。
快速启动方式也比较直接：

git clone https://github.com/dramaclaw/dramaclaw.git
cd dramaclaw
cp .env.example .env
docker compose up -d --build

启动后打开：

http://localhost:8080

模型配置方面，可以使用 DramaClaw 官方 key，也可以接入自己的 OpenAI 兼容网关。项目支持文本、图片、视频、配音等多个阶段通过统一网关调用模型。

图片预览
开源无限画布
需要配置的云存储key
需要配置的生成视频的key

关于视频生成成本
需要提前说清楚
DramaClaw 本身是开源项目，核心流程和源码可以查看、部署和二次开发，但这并不代表生成视频完全免费。
它的标准流程主要是通过模型 API 完成生成任务，包括文本模型、图像模型、视频模型、配音模型等。尤其是视频生成部分，通常调用的是外部视频生成 API，而这些 API 大多是按量付费的。
也就是说，DramaClaw 更像是一套“生产线系统”或“调度工作台”，负责把剧本、分镜、角色、画面、配音、导出等流程串起来；真正执行生成的底层模型服务，仍然需要你配置对应的 API Key，并按服务商价格消耗额度。
如果只是跑剧本拆解、分镜规划、提示词生成，成本通常不会太高；但如果进入批量图片生成、视频生成、反复重试和多版本筛选，费用就会明显上来。
所以新手在部署前要先明确三点：
DramaClaw 开源，不等于所有生成资源免费。
视频生成 API 通常是主要成本来源。
批量做漫剧前，最好先小规模测试单集成本，再决定是否长期量产。
这点其实很重要。它不是项目缺点，而是当前 AIGC 视频生产的现实成本。DramaClaw 解决的是流程组织、资产管理、分镜协同和批量生产问题，不是把所有模型算力免费送给用户。

适合哪些人？
DramaClaw 不太像那种“点一下马上出片”的傻瓜工具。它更适合愿意研究流程的人。
比较适合：
想批量做 AI 漫剧、短剧、小说改视频的创作者。
想搭建自有 AIGC 视频生产线的小团队。
需要研究角色一致性、分镜流程、资产管理的开发者。
想把 AI 视频用于广告、电商、剧情号、互动内容的人。
已经用过多个 AI 工具，但受够了手动拼流程的人。
不太适合：
完全不想碰 Docker 的纯小白用户。
只想随便生成几秒视频玩一下的人。
希望所有东西都本地离线推理、不走外部模型服务的人。
项目协议要注意
DramaClaw 使用 Elastic License 2.0。官方说明里提到，可以免费使用、修改和再分发，但不能把软件作为托管服务拿去转售。
也就是说，个人研究、团队内部使用、二次开发都比较友好；但如果想包装成 SaaS 服务直接卖，就需要认真看协议边界。
实际评价
DramaClaw 最吸引人的地方，不是某一个功能特别炫，而是它终于把 AI 短剧生产里那些琐碎但关键的环节摆到了台面上。
AI 视频真正落地，难点从来不只是“生成一段好看的视频”。难的是角色资产怎么管，分镜怎么审，场景怎么稳，失败任务怎么重试，满意的画面怎么回流到主线，最后怎么导出可交付的成片。
这些问题单独看都不性感，但它们决定了一个工具能不能从玩具变成生产线。
DramaClaw 目前仍然有学习成本，尤其是部署、模型网关、参数配置这些部分，新手第一次上手需要花点时间。但从项目完整度和方向来看，它比很多只开源 demo 的项目更值得认真研究。
如果你正在做漫剧、小说推文、AI短剧、虚拟角色视频，或者想研究 AIGC 视频工业化流程，DramaClaw 值得放进收藏夹里慢慢拆。