AI短剧工作台都能自己搭了,GitHub上这些神器真可以试试
GitHub 上出现一批 AI 短剧工作台开源项目,覆盖剧本、分镜、生成到剪辑全流程。文章汇总七个项目,Huobao Drama 用四个 AI Agent 分工,Toonflow 支持无限画布与 3D 导演台,Waoowaoo 开源首日获近 3000 Star。
推荐理由:汇总七个开源短剧工作台,覆盖剧本、分镜、生成到剪辑全流程,各有侧重,创作者可按需选型。
GitHub 上出现一批 AI 短剧工作台开源项目,覆盖剧本、分镜、生成到剪辑全流程。文章汇总七个项目,Huobao Drama 用四个 AI Agent 分工,Toonflow 支持无限画布与 3D 导演台,Waoowaoo 开源首日获近 3000 Star。
推荐理由:汇总七个开源短剧工作台,覆盖剧本、分镜、生成到剪辑全流程,各有侧重,创作者可按需选型。
可灵官方博客对比了 Kling AI、DaVinci Resolve、Clipchamp、Filmora、VEED、VN Video Editor 六款 CapCut 替代工具的平台、费用与工作流。Kling 4.0 支持 Omni Reference 组合最多 15 个参考素材、3–30 秒视频生成及最多 10 张参考图作关键帧;Kling IMAGE 3.0 Omni 可生成最高 4K 图像。
Wireflow 发布免费蓝图 What If Factory,可将一个“What if”问题生成带配音的无出镜视频,测试中 7 秒 3 场景视频消耗 104 credits、耗时不到 5 分钟。
AusBoss 发布 ComfyUI 创作项目 ausboss-nodes,其 LoRA Loader 支持一次加载多个 LoRA 并可按组管理,配合 LoRA Previews 插件可显示 LoRA 的 Civitai 预览图。
BriaAI 发布 FIBO 2.0 系列,包含非蒸馏的 Dev 基础模型和四步出图的 Edit Turbo 编辑变体,二者统一在同一套结构化提示体系中。Dev 支持文生图与微调,Edit Turbo 无需 classifier-free guidance 即可完成指令编辑,最多可同时输入 4 张图片。
ComfyUI 展示一条万圣节主题动画工作流,先在 Blender 中做 3D 灰模(blockout)来控制每个动作的节奏,最终得到一段节拍同步、由方向性滑动触发不同动作的序列。官方称这是在进入细节前规划复杂动画的简单方式,并给出工作流链接。
可灵发布 KING CARD 幕后解析,介绍这支在社交平台累计 500 万播放的短片如何用 Kling 4.0 完成从纸牌到城市、星空的多段转场。文中提到 Dynamic Motion 负责纸牌螺旋等复杂运动,多关键帧控制纸牌变纸鸟等关键节点,Omni Reference 维持画面连续性,并用高角度全景、侧向跟拍与 FPV 视角表现报纸列车的高度与速度。Kling 4.0 目前已全面开放。
作者发布基于 MiniMax H3 的换背景 ComfyUI 工作流,把长视频拆成重叠的空间图块与时间窗口,每次模型调用统一预测并融合到同一画布,从而避免接缝和片段拼接,显存只占一个区域。
ComfyUI 发布一段用 Blender 和 Seedance 2.5 制作的恐怖短片,先用 3D blockout 控制镜头运动、动作与节奏,再生成复杂 AI 视频场景。官方称这种方式在复杂场景中灵活性更高,并附上完整工作流与 Prompt,入口为 https://links.comfy.org/3WkwxGR。
Black Forest Labs 发布 Flux3 Image Klein,官方介绍为 5.6B 开源权重图像模型,支持文生图、最多 10 张参考图的编辑以及用边界框做布局控制,蒸馏版 16 步无引导运行,Base 版 50 步配合无分类器引导。作者在 RTX 5060ti 16GB 上运行最轻版本,用多图替换提示词测试,称比 Klein 4b 蒸馏版慢但可接受,角色有轻微漂移,整体控制力较强。
用户在 ComfyUI 0.41.0 上通过 Stability Matrix 运行 Moss Image 工作流时,Load Diffusion 节点报错模型类型为("")。其尝试了 int8、bf16、sft 和 base 四种模型均报同一错误,怀疑并非模型本身问题。用户发现他人工作流中该节点已有更新版本,可从次级选择器中选择 Moss Image,因此询问是否需要升级 ComfyUI 版本。
截至 2026 年 10 月 19 日,CapCut 没有官方 MCP 服务器或公开剪辑 API,社区服务器(VectCutAPI 及其封装、独立项目)只能通过写入 draft JSON 文件生成 CapCut 桌面草稿,导出仍需人工在 CapCut 中完成。这些服务器全部本地运行,要求 CapCut 与 AI 智能体装在同一台机器上;托管 MCP 服务器则在云端完成剪辑与渲染并返回视频文件。
用户在 3050 4GB 笔记本上运行 moss image,首张图耗时约 15 分钟,经优化后降至约 62 秒(缓存提示词情况下),并新增实验性 int8 选项,支持不删除原模型直接切换。新提示词耗时会更长,目前仅测试了少量图片。
ComfyUI 现已支持 Ming Image Design 模型,提供体积较小的 INT8 与较大的 BF16 两个版本。Ming-Image-0.1-Design 是 6B 文生图模型,面向 UI、信息图、海报等文字密集的视觉设计,可生成完整画面并支持带透明背景的 RGBA 输出。
用户 Ok_Tale7582 在 Reddit 分享了 Flux 3 klein distilled 的实测工作流,最终输出 2 megapixels 图像,认为其效果其实并不差。
一位用户在 Reddit 的 ComfyUI 板块发帖,询问是否有 ComfyUI Manager 中的扩展能免终端操作,直接粘贴 Hugging Face、Civitai 或 GitHub 链接下载模型、LoRA、checkpoint 并自动放入对应目录。该用户还希望支持填写 API token 认证、在 UI 内管理和删除已下载模型,实现一键式模型下载与管理。
作者在 ComfyUI 中完成一支 70 个镜头的音乐视频,静帧用 Krea 2 并给每个角色配参考集(面部表、身体、服装)以维持身份一致,运动部分用 MiniMax H3 分两遍生成:先以 0.3 MP 预览判断运动,再续用同一 latent 精修到 2 MP。
Wireflow 用自研 Edit Rebuild 蓝图复现了 Higgsfield Katana 的核心能力:7 秒 3 镜头饮品广告换成陶土马克杯,耗 127 credits(按套餐约 $1.33 至 $1.91),不到 5 分钟完成,每个剪辑点与参考片误差在 0.07 秒内。
Flux 3 Klein 是一个 5.6B 参数的开源权重模型,把文生图与图像编辑合并到一个模型里,接受文本提示和最多 10 张参考图并输出单张图像,支持边界框指令和 4K 分辨率,文本编码器为 Qwen3-VL-4B-Instruct。
推荐理由:Flux 3 Klein 把文生图与多图编辑合并进一个模型,教程给出各显存档位的模型选择与 ComfyUI 工作流配置。
用户更新 ComfyUI 后遭遇工作流页面完全空白,顶部仅显示 "idle",拖入工作流只得到 JSON 格式内容,原本想使用的 MOSS 也无法运行。该问题在 Reddit StableDiffusion 版块求助,目前尚无解决方案。
面向 FLUX 3 的动画风 LoRA「PastelLora」已发布,触发词为 pastelstyle,作者用 Aikimi Forge Neo 在 FLUX 3 Image Klein 蒸馏版(INT8 ConvRot 量化)上以强度 1.0、Steps 16、CFG 1、832×1216 竖版生成 5 张作例。
ComfyUI 发布模板教程,演示如何用 comfy.org 的现成模板和内置模板浏览器,把一张草图一路做成 3D 玩具、零售包装和多镜头广告。
推荐理由:ComfyUI 官方演示如何用现成模板串起从草图到多镜头广告的完整链路,可据此评估模板复用方式。
创作者将《权力的游戏》私生子之战原片通过内置 reference to video 模板输入本地 MiniMax H3 V2V 管线,用自定义角色设定图锁定橘猫毛发与皮甲,再经 RTX 超分保留细节,并叠加颗粒感和自制管弦配乐。成片主角是一只耳朵有缺口的邋遢橘猫版琼恩·雪诺。
ComfyUI 虚拟人节点开发连载第二篇,作者用 3D pose editor 从图像生成待机姿势。目前生成的姿势相似度偏高,为免动作显得僵硬,计划分阶段逐步扩充姿势数量。
Reallusion AI Studio 出品的 AI 科幻短片 RUS-T 自 8 月 31 日发布以来 YouTube 播放量突破一百万,并入围纽约短片动画电影节 AI 动画单元,导演 John C. Martin II 同时成为 SHAIKE.AI 的 TOP CREATOR。
用户 vortx_studio 在 ComfyUI 中用官方 KREA2 BF16 搭配 4x-UltraSharpV2 Lite 精修 OpenAI 生成的黄铜研究图。三张图均采用 6 步、Euler/simple、CFG 1、denoise 0.18、1024px 分块与 32px padding。较大造型表现良好,但细小齿轮连接处仍显模糊。
柏林开发者 Lorenzo Minneci 打造的 Fusion Karaoke 获 Musixmatch Musicathon 评委排名第一,它把歌词变成实时视觉、让演唱者逐渐变成原唱。
开发者开始为 ComfyUI 打造虚拟人节点,把此前自制的多个自定义节点组合起来,用 Live Chat stream 让角色在对话中自行生成形象。银发、水手服、蓝瞳等特征虽未完全固定,仍能维持大致同一角色,首轮以 T2I 生成图作为输入。节点结合 vrm 模型与 voicevox 完成对话,并接入 ollama 与 embedding gemma2 处理记忆和个性,目前处于能跑通的阶段。
创作者用 MiniMax H3 生成了一段竖屏短片,讲述林克与塞尔达不想再当玩具的故事。作者在常规工作流上做了多项升级,用 KDEnlive 为实拍场景加入高斯模糊与胶片颗粒,以消除 AI 视频常见的"油皮"质感。
Claude Motion 是 Claude artifacts 面板内的视频生成功能,可把文本提示、截图甚至 Wikipedia 链接转成可编辑的动画视频,输出基于代码而非固定视频文件,因此文字、颜色、时长和画面元素都能在生成后继续修改。
用户基于 Qwen Image 2.1 训练了一个适用于头像生成的风格 LoRA,适配器在 ComfyUI 的 int8 模型上完成训练,模型仓库已公开。
AZ8 的 Infinite Canvas 把图像生成、视频生成和 AI 智能体 Zumi 串在同一个画布上,视频生成可选用 Seedance 2.5 等模型,作者实测从一张图逐步扩展素材、做出 30 秒视频,中途的构图与 15 秒草稿都保留在画布中。AZ8 还提供 Creator Program,申请并通过审核后可获得会员、制作额度等特典,并可通过 Marketplace 发布制作服务。
创作者 gabrielxdesign 发布了 Kroma(Chroma + Krea 2)的简易工作流,内置 Amateur Slider 与 2x 超分。该工作流提供文档与下载链接,可通过 Civitai、Patreon(完全免费)、作者网站及 JSON 代码获取,并附英文和西班牙文说明。
中国 AI 视频生成模型主要由快手、字节跳动、阿里等公司开发,代表系列包括 Kling、Seedance、WAN,以及 Vidu Q3、PixVerse 6 等。
作者在 ComfyUI 中实测了 MiniMax H3 的 RefMod 自定义节点,它把人物图片、动作视频或音频压缩成可复用的参照文件,无需训练 LoRA,用法接近 LoRA 加载器,可调强度并组合多个参照让角色同框。
推荐理由:作者实测了 MiniMax H3 的 RefMod 自定义节点,给出从安装、建库到接入官方 T2V 工作流的完整参数与提示词写法。
用 Opus 5.5 结合视频模型尝试故事片表达,所有编排、视频特效、提示词和剪辑均由 Opus 5.5 决定,即梦 CLI 负责对应分镜的图片和视频生成。视频上还叠加了大量代码动画效果,质感提升明显,作者称效果不错。
应 tomi 请求,作者用 AI 把自己中学二年级秋天骑车去买芋煮会食材、下坡刹不住车只好用左脚硬刹的旧事画成了漫画。起因是 tomi 那篇自行车 3m 跳水文章,以及ろくねこ、Kagaya 的相关文章。作者称 AI 漫画比想象中好画,自设角色很方便。
Figma Weave(原 Weavy)与 ComfyUI 的核心差异是托管画布与本地画布之争:前者在浏览器里用积分调用 Google、OpenAI、Kling、Runway 等商业模型,后者是 GPL-3.0 开源软件,跑在自己的 GPU 上。
创作者在 Linux 环境用 MiniMax H3 全自动生成 AI 动画与四格漫画,硬件为 RTX Pro 2000 Blackwell 16GB 显存、AMD Epyc CPU 与 48GB 内存。作品《クロチとパカ》讲述黑猫与羊驼的短篇故事,并同步发布 YouTube 短动画版。
VideoGen 是一款用 AI 做字幕的视频剪辑器,对文本转语音配音或上传音频的转写准确率达 98%+,支持自定义动画字幕样式,并可通过一次请求为整个项目开启字幕。字幕可导出为烧录进视频的画面字幕、SRT 或 VTT 文件,还支持 16:9、9:16、1:1 一键切换。