Skip to content
项目

ChrisChen667788/wind-comic has 718 GitHub stars and 83 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-16 23:29 UTC. Last push 2026-11-14.

这些数字如何统计

实测星标增长

24小时
0
7天
正在收集历史
15天
正在收集历史
1个月
正在收集历史

各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。

关于

Multi-agent AI pipeline that turns one line of text into a finished short-form drama: script, cinematic storyboards, character-consistent video. Provider-agnostic (OpenAI/Claude, MJ, Minimax, Veo/Sora, fal, ComfyUI). MIT.

网站与应用

README.zh-CN.md

原文

Wind Comic — 一句话变完整短剧

Wind Comic v13.17

一句话进,整片短剧出 —— 剧本 · 角色 · 分镜 · 配音 · 时间线 · mp4 一条龙.
多 Agent AI 创作工作室 · 可复用角色 · 长篇小说→自动分集 · 导演级控片台 · 实时协作 · 自带 LLM.

One sentence in. A finished short-form drama out — script, cast, storyboards, voiceover, timeline, mp4.
Multi-agent AI studio · reusable characters · novel→season splitting · director's control room · real-time collab · BYO LLM.

English · 简体中文 · 🔥 营销文案 · 🔌 接你自己的 LLM

国内 AtomGit 托管(自动同步自 GitHub):atomgit.com/ChrisChen667788/wind-comic


💎 赞助商

秘塔科技 MetaSota MiniMax H3 视频生成 API|秘塔科技 秘塔科技提供高性价比的 MiniMax H3 视频生成服务:768P 仅 0.09 元/秒,2K 仅 0.15 元/秒。支持原生 2K、音画同步,API 兼容 OpenAI 协议,同时支持 ComfyUI,无需自行部署 GPU。 🎁 通过 wind-comic专属链接注册,即可领取赠送额度及专属优惠。

✨ 为什么选 Wind Comic?

大多数 "AI 视频" 工具给你 5 秒短片. Wind Comic 给你一整部短剧 — 剧本 + 角色 + 多镜分镜 + 配音 + BGM + 嘴型对齐的口播 + 最终 mp4 — 全部从同一句创意开始.

它不试图做"一个超大模型把全干了". 它是一条诚实的多 Agent 流水线: 每个角色 (编剧 / 导演 / 角色师 / 分镜师 / 锁脸 / 嘴型 / 剪辑) 都是专家, 用严格的一致性契约逐步交付. 再叠一层实时多人时间线, 像 Figma 一样多人改片.

   "重生归来的霸总当街拆穿前未婚妻的婚礼骗局"
                       │
                       ▼
   编剧 ▶ 导演 ▶ Style Bible ▶ 角色设计 ▶ 场景设计 ▶
   ▶ 分镜 (vision 审计) ▶ 视频 (多引擎 race) ▶
   ▶ TTS (按角色配音) ▶ 嘴型对齐 (Kling/Sync.so/Hailuo) ▶
   ▶ 剪辑 (j-cut/l-cut + 按幕 BGM + 中文字幕烧入) ▶ final.mp4

   + 实时协作时间线 (Yjs CRDT)
   + 接你自己的 LLM (3 行 .env, 0 改代码)
   + 图像/视频 provider 可换 (内置 12+ 可选)

🏗 系统架构

同一套引擎的三种视角。在 GitHub 上打开即会动 —— 流动虚线 = 实时数据/控制走向,移动光点 = 在流水线里穿行的数据包。

Wind Comic 系统架构图

系统架构 —— 自上而下五层。导演把控制线穿过流水线上的 7 个 Agent(连导演自己共 8 个角色);LLM 网关零改码 DeepSeek → MiniMax 兜底;12+ 媒体引擎统一挂在一个路由后;最终全部落到双驱动(SQLite ⇄ PostgreSQL)平台。

时序图 —— 一次成片请求的生命周期

时序图 —— 一次「一句话 → 成片」请求的生命周期,时间自上而下。两个标志性环节:Vision 质检自愈循环(任何镜头 < 70 分自动重生)+ 多引擎竞速(Seedance / Kling / Veo / Vidu,第一条达标的片段胜出)。

数据流程图 —— 素材精炼厂

数据流程 —— 素材精炼厂。一句话被逐级精炼(TEXT → JSON → PNG → IMG → MP4);每一级产物都落库(双驱动)+ 存档、可独立复用,任意一级都能单独重跑。

🎞️ 三张图都是用代码手写的动画 SVG,源文件在 assets/diagrams/ —— 任意缩放都清晰、跟源码一起版本管理。(GitHub 上动画生效;ModelScope 镜像用静态 PNG。)


🆕 v13.0 新增 —— 设了什么画幅,出来就是什么画幅

v13.0 汇总 v12.461 – v12.473(13 个版本,2026-09-30 → 10-09)。这一轮反复撞到同一类病:看起来能用、实际没有任何代码读的设置,以及看起来成功、实际发错了东西的引擎请求。

画幅贯通全链 (v12.464、467、468、470 – 473) —— v12.467 之前只有整片生成读项目画幅。单镜重生、自愈补拍、片段重拍、4K 重渲、对话式编辑后的重合成、场景图重生、广告包装车间各自默认 16:9 或 9:16,9:16 的项目可能拿回一段横屏片。现在全部经同一个解析函数读 projects.aspect。出图模板不再写死 --ar 16:9(竖屏项目曾同时给 Midjourney 发 --ar 16:9 和 --ar 9:16);Midjourney 参数统一挪到末尾、每个只出现一次,非 Midjourney 的出图引擎和视频引擎收纯文本。创建页去掉了 2.35:1(我们接入的视频引擎都出不了);广告包装车间的画幅改为可选,默认跟随项目。

设置终于有读者 (v12.464、466、469、473) —— 格式条的色彩空间进分镜出图提示词,安全框开关驱动 9:16 安全区叠层,画幅改为只读显示项目真实画幅(不再是第二份、没人读的画幅)。极速分镜台删掉了没人读的分辨率 / 帧率 / 超分 / 插帧 / 运动强度(默认写着 8K、4 倍超分、插帧开,全都不生效),选的画幅现在会带到创建页。

导演台补全 (v12.462、463、465) —— 能加人、删人、改名;相机能俯仰,「对准人物」一键把抬高的机位压向人物;站位变了布局草图跟着重渲,按旧站位出的分镜标为待重渲。草图只交给真会按它构图的引擎(fal Kontext、Seedream;Midjourney 可选开启),不再送 MiniMax —— 它的参考图只认人像。导演台全流程走查(真 WebGL,CI 里用软件渲染;真 MediaPipe 姿态识别)进了 CI。

导演台:机高抬到 2.6 米、点「对准人物」后相机下压 19°,3D 机位视角俯看三名角色 同一台相机的平面预览:镜头下压,地平线随之上移
机高抬到 2.6 米,再点对准人物:相机下压 19°,导演台把它叫作高角度俯拍。3D 预览、平面预览、提示词里那句话和布局草图用的是同一台相机。 同一台相机的平面预览:镜头朝下,地平线就落在画面上部。v12.465 之前抬高的相机看出去仍是平视,提示词却已经写成俯拍。

一直悄悄发错的引擎请求 (v12.461、465、471、472) —— MiniMax 的 subject_reference[].image_file 自 v2.20 起一直传数组,官方要求字符串:带参考图的 MiniMax 出图每次都被拒(2013),静默退到别的引擎,是一次真调撞出来的。Vidu 主机默认值有两份、一对一错(错的那份没有读者,请求从未用到它,在有人接上之前就收掉了);发给 Midjourney 的提示词参数重复、落在正文中间;视频引擎收到的提示词里带着 Midjourney 语法。

还没真调验证的:草图送 Seedream / kontext / Midjourney 按各家文档的请求格式实现,但没能真出图确认(10-01、10-06、10-08 三次分别撞上网关额度耗尽 / 没有 Midjourney 渠道 / 上游饱和);npx tsx scripts/probe-sketch-engines.ts --yes <引擎> 可重跑,每家扣一张图。fal 未验证(没配 key)。


🆕 v12.315 – v12.330 新增 —— 要的是「导」,不是反复抽卡

谁都能生成一个片段。这三项让你能导它,而且它们本就是一条链:检视 → 定位 → 只重拍坏的那一段。

导演台 (v12.316–318) —— 在俯视舞台上摆人、摆机位,得到的空间关系变成模型真能理解的两样东西:一句精确站位指令接进提示词(「林晚在画面左侧全景、陆沉中偏右远景」),以及一张布局草图走既有的 [STORYBOARD LOCK] 通道(只锁构图,画风仍由提示词决定;草图只交给真会按它构图的引擎 —— fal Kontext 与 Seedream,MJ 垫图可选开启;MiniMax 的参考图只认人像,不给它草图。没有这类引擎可用就不加草图锁,退到没拿到草图的引擎时也会把那句锁去掉,而不是假装锁了)。景别与机位角由几何算出而不是手填,镜头参数和文字描述不会再各说各话;相机能低头、抬头(v12.465),「对准人物」一键把抬高的机位压向人物 —— 提示词、3D 预览、布局草图说的是同一台相机。构图体检确定性地指出谁出画、谁被挡、机位是否穿模 —— 在花钱生成之前。

片段重拍 (v12.315) —— 八秒的镜头只有两秒不满意?只重拍那两秒。其余六秒不重新生成,而是在接入新两秒的同一趟里只重编码一次,档位 x264 crf 17(视觉无损区间)。这不是字节拷贝 —— -c copy 只能切在关键帧上,而这里的切点必须落在你选的那一帧。整条音轨沿用原片的采样率与声道,接进来的两秒不会变调。该镜时长按构造不变,于是压缩时间轴、配音延迟、字幕起点、EDL record-in 全都不用重算。每次重拍进 take 历史,可采用也可回退。**v12.459 起端到端可用:**在逐帧检视里框出坏的那一段 → 先预演(不花钱,告诉你要生成多长、补在哪)→ 确认后服务端生成补丁(首帧取原片在切入点的那一帧,接缝才连得上)、缝合、校验视频帧数,再记成 take 供预览;第一次采用时会把原片也留成一条 take,回退只要一下。引擎全挂时如实报错,不会把静止图占位片缝进镜头;请求是同步的(引擎出片约 30–120 秒)。

逐帧检视 (v12.328–330) —— 对成片逐帧翻看,框出坏的那一段,把这个区间直接交给片段重拍。抽帧用的是精确 seek(-ss 放在 -i 之后,而不是只到关键帧的快速 seek),每帧标注的时间戳与重拍规划共用同一套帧吸附 —— 你点的那一帧,就是它会切的那一帧。帧数过多而抽稀时会明说;解码失败的帧如实报出,不静默跳过。

同期还有:字体自托管,构建不再依赖外网;两条导演路径终于收到目标语种(此前非中文项目会拿到中文剧本,只能靠事后整篇回译补救);进程内限流器给桶表加了上限与回收(key 里含用户可填的邮箱 —— 那是可被直接触发的内存耗尽面),且淘汰绝不释放正在生效的封禁;经 Yjs 同步的协作评论逐字段校验 + 白名单,协作者不能再覆盖他人评论的署名与正文。


🆕 v12 新能力 — 质量闭环时代

草图锁分镜 — 每镜先出黑白构图草图,再锁构图渲染成片帧(创作时全片开关 / 镜头工坊逐镜),镜头语言不再被扩散模型抽卡吞掉。

情绪驱动运镜 — 漏填运镜的镜按叙事拍自动推导(钩子→推近、追逐→手持、揭示→急推、离别→拉远、情绪温度→推/环绕/升镜),连 Ken Burns 降级片都跟随设计方向。

引擎矩阵,诚实降级 — Veo · MiniMax(海螺)· 可灵(北京官方 API),一行 env 定主力(VIDEO_ENGINE_ORDER=kling,minimax,veo),站内素材 base64 首帧通道;失败镜如实标注 animatic,绝不拿静图冒充视频。

质量闭环 — ffprobe 全维成片体检(画幅/时长/帧率/码率/音轨/降级镜),项目级+系列级两层;降级镜批量补渲(并发 2);整季导出体检闸门;创作页引擎天气条。

分镜表往返 — CSV / Markdown / 打印级 PDF(含角色表+体检附页)导出,Excel 改完回灌,视觉字段变更的镜一键重渲。

编剧兜底救回 — 截断/引号损坏的 LLM 剧本走括号栈补全+正文引号转义救回,不再整包丢弃换模板;真实 23KB 事故样本进回归测试。

🆕 v6 → v10 新增 —— 从「能跑的 demo」进化成「平台」

v3 交付了流水线;v6 做成生产级工作室,v7–v9 夯成平台,v10 闭合口型 / 模板市场 / 成本三条线。 可复用角色库、提示词 IDE、长篇小说→自动分集 + 真配音、60 套风格画廊、导演级控片台、团队积分预算、行业级剧本诊断(Polish Pro v7.1)、精品化设计(v8.3)、全量 Postgres 双驱动后端(v9)、配音口型交付管线 + 模板市场 + 成本可观测(v10),以及实时 API 健康看板 —— 下方每一张都是运行中产品的真实截图。

Wind Comic 首页 —— 青枫漫剧 AI 动画 Agent 工作室,8 智能体 · 7 引擎 · 3 一致性守护,循环影院级 hero
v10 首页 —— 循环影院级 hero,8 协作智能体 · 7 视频引擎 · 3 一致性守护。

🎙️ v10 —— 配音口型交付 · 模板市场 · 成本护栏 (阶段十六)

  • 🎙️ 配音口型全链 —— 角色音色路由(按名自动 + 手动挑/试听)→ TTS → viseme 关键帧轨 → 浏览器实测嘴-声对齐分 → 漂移自动校正 → 可插拔引擎渲染(wav2lip / SadTalker / MuseTalk,自带 LIPSYNC_API_URL)+ 零配置内置 2D 引擎(开箱即用,无需 BYO) → 写回时间线。一键全片口型 + Vision 质检自愈回环(弱镜自动重渲)。
  • 🧩 模板市场 —— 把出片好的项目沉淀成可复用模板(画风 + 多参元素 + 节奏 + 音色),带预览片、★ 评分 & ♥ 收藏、质量分、一键起片(连音色复用)。
  • 💴 成本可观测 + 预算护栏 —— 项目级逐阶段成本归因(LLM / 图像 / 视频 / TTS / 口型)+ 省钱提示 + ok/warn/over 预算护栏;发布门禁升级为四维:画面对剧本 · 一致性 · 口型可对齐 · 实测嘴-声对齐。

创作工坊 —— 一句话起片:画风预设 · 多参元素货架 · 锁角色 · 实时预览 · 金色霓虹题材库

模板市场 —— 预览片 · ★评分 / ♥收藏 · 质量分 · 一键起片(连音色复用)

成片质检 + 配音口型 —— 四维发布门禁 · 一致性趋势 · viseme 轨(动画嘴 + 实测对齐)· 每镜 Vision 评分

技术监看 · 成本归因 —— 逐阶段花销占比(视频 / 图像 / LLM / TTS / 口型)+ 省钱提示

以上每张都是运行中 v10 产品的真实截图。设计语言(v8.3 Taste 精品化 —— Plus Jakarta Sans + Phosphor、金色机加工卡、spring 动效、AI 金色霓虹题材图标)贯穿每一屏。

版本 新增能力
v6.0 · 角色资产中心 可复用角色 —— 多视角设定图(正 / 四分之三 / 正侧 / 背)+ 8 字段 DNA 身份锁 + 自动绑定专属音色 + 确定性小传。跨项目复用走 Cameo IP 经济。
v6.1 · 提示词工作台 在提示词里 @ 引用任意资产、实时补全、把引用展开的编译预览、生成前就绪度评分。
v6.2 · 长篇智能拆解 粘贴整本小说 → 按章节自动分集 → 选叙事模式(对白 / 第一人称 / 旁白)。v6.2.3 解说接真 TTS + 整季并行编排;v6.2.4 音频落盘 + 字幕 SRT 烧入时间线。
v6.3 · 风格模板画廊 60 套电影级预设、5 大分类、即时搜索、一键套用到创作工坊。
v6.4 · 导演级控片台 全流程抽象成 4 环节(剧本→资产→分镜→成片),自动标记待更新、一键单环节重跑 + 下游影响分析。
v6.5 · 团队工作区 主账号管理积分池、按成员分配额度 + RBAC、真·多用户邀请(token 链接)、成员消费按额度扣减。
v6.6 · Postgres 就绪 SQLite→Postgres 全量切换路径,已在本地 Postgres 端到端验证(schema bootstrap + async repo 往返,迁移幂等)。
v6.7 · API 健康看板 一屏看清每个网关 正常 / 额度用尽 / 配置缺失 / 不可达,带实时余额读数 —— 再不会生成到一半撞上欠费。
v6.8 · 升级最强模型 主 LLM/视频/图像切到顶级模型(veo3.1-pro 等),顺带修了视频阶段 429 上游饱和 报错(重路由网关)。
v6.9 · 网关补全 补全网关接住 TTS / Midjourney / Kling;gpt-4o-mini-tts 真配音;健康看板显示各网关用量 + 余额。
v7 · 平台夯实 Writer/Director 切 DeepSeek deepseek-v4-pro + 任意错误/欠费/超时通用 MiniMax 兜底(3 级 LLM 健康看板);分档模型(deepseek-v4-flash 提速)治推理 token 不稳;Polish Studio Pro 行业级剧本诊断(AIGC 就绪分 / Save-the-Cat 三幕节拍缺口 / 直白台词标记 / 角色身份锚)。
v8 · AI 控片台 + 精品设计 每镜摄影台(景别/机位/镜头/运镜/焦点)+ 连贯&seed 锁 + 情绪/节奏曲线 + JSON↔可视参数联动,汇成 11-tab 控片台;Taste 精品设计(Plus Jakarta Sans + Phosphor、金色机加工卡、bento 总览、60 风格缩略图、AI 金色霓虹题材图标)。
v9 · Postgres 平台 + 变现 SQLite↔Postgres 双驱动全量切换(17 核心表/簇迁 async repo,PG 端到端验证 + 事务提交/回滚原子性;默认仍 SQLite,DB_DRIVER=pg 可选)· 多平台分发包生成 · 真二进制 AAF 导出(MS-CFB)+ EDL/FCP7 XML(Premiere、达芬奇可导入)· 质量与一致性深化(发布门禁 / 重生回环 / 一致性报告)+ 可灵式多参 + 一键成片融合。
v10 · 配音口型 · 模板市场 · 成本 (阶段十六) 配音口型全链(角色多音色 + viseme 轨 + 实测嘴-声对齐 + 漂移自校 + 可插拔引擎渲染 + 零配置内置 2D 引擎(开箱即用)写回时间线 + 一键全片 + Vision 质检自愈)· 模板市场(存→评分/收藏→一键起片连音色,预览片 + 质量分)· 成本可观测 + 预算护栏,四维发布门禁(画面 · 一致性 · 口型 · 实测对齐)。2135 单测双驱动全绿。
v7.0 · DeepSeek + 全局兜底 编剧/导演跑 DeepSeek 最强 deepseek-v4-pro;每次 LLM 调用在异常/欠费/超时自动兜底到 MiniMax;健康看板拆 3 条 LLM 线。
v13 · 设置有读者、画幅对得上 (v12.461–v12.473) 画幅贯通全链 —— 单镜重生、自愈补拍、片段重拍、4K 重渲、对话编辑重合成、场景图重生、广告包装车间都经同一个解析函数读 projects.aspect;出图模板不再写死 --ar 16:9,Midjourney 参数挪到末尾且只出现一次,其它引擎收纯文本 · 设置终于有读者 —— 格式条色彩空间进分镜出图、安全框驱动 9:16 叠层,极速分镜台删掉没人读的参数 · 导演台补全 —— 人物管理、相机俯仰 + 对准人物、草图跟站位重渲并标待重渲、草图只交给真会按它构图的引擎、全流程走查进 CI · MiniMax 参考图修好(image_file 自 v2.20 一直传数组,带参考图的调用每次都被拒)

📂 更多模块 —— 部分已刷新到 v10

这些功能现在仍在。导演台 · 长篇分集 · 控片台 · 团队 · Cinema 时间线 已刷新到 v10(实测演示数据);风格画廊 · API 健康 · Polish Pro 审稿 · 角色工坊 保留 v6–v8 早期截图,因为它们展示了更完整的示例输出(整屏风格网格 / 实时余额 / 完整 Pro 审稿 / 三视图设定稿)。

🎬 导演级控片台 —— 整部片就是一个控制室 (v6.4)

一眼看清每个环节:哪些就绪、哪些因上游改动变「待更新」,以及一键重跑(自动算出会让哪些下游失效)。

📖 长篇小说 → 整季,带真配音 (v6.2)

粘贴整本小说;按章节标记(或目标字数)自动分集,选叙事模式,可为整季并行生成真解说音轨 + 可烧录字幕。

🎨 风格画廊 —— 60 套电影质感,一键套用 (v6.3)

生成前先锁住统一画风。搜索、按分类筛选,任选预设直接送进创作工坊。

🩺 API 健康看板 —— 别再被一个死 key 打断 (v6.7)

每个模型 / 网关实时状态:正常 / 额度用尽 / 配置缺失 / 不可达,带真实余额读数和「去充值 / 补配置」建议。Key 永不存储、永不回传。

🩺 剧本润色 Pro 行业级诊断 (v7.1)

贴一段草稿,选 Pro:deepseek-v4-pro 不仅润色,还给一份完整行业体检 —— AIGC 管线就绪度评分(85/100)、风格画像、前 3 秒 Hook 强度、Save the Cat 三幕结构+缺失节拍指认、直抒胸臆/抽象情绪台词标红、按角色给 Cameo/Seedance Identity 锚点(保证每镜人物不漂)。

👤 角色工坊 + Cameo IP 三视图 (v6.0 / v7.x)

每个角色一张真三视图(正/三分之四/背),配一段结构化「DNA 提示词」—— 脸型、肤色、标志性道具、配色、Silhouette identity、全身 pose 全部锁定 —— 保证全片 6 个镜头同一个人。Cameo IP 经济还能让同一角色在多个项目间复用。

🎬 完整成片 + 11 tab 控片台 (v8.0)

一个项目,11 tab 驾驶舱级控制:导演台 · 剧本 · 角色 · 场景 · 分镜 · 连贯性 · 视频 · 镜头工坊 · Cinema 时间线 · 节奏分析 · 成片质检 · 技术监看 · 参数联动 · 评论协作 · 完整播放。成片直接在工作区里播,带 90/100 质检徽章,一键 mp4 / 平台导出。

👥 团队工作区 (v6.5) · 🎞️ 时间线 + 解说轨 (v6.2.4)


积分池 + 按成员分配额度,RBAC,真邀请链接。

多轨时间线;解说音频 + 字幕已烧入。

🎯 谁该用 Wind Comic?

你是... Wind Comic 能给你什么
竖屏短剧创作者 (霸总 / 重生 / 战神 / 古装) trope 感知的编剧, 第 1 镜钩子起手, 反转密度审计, cliffhanger 检测, 默认 9:16
内容营销团队 1 句 idea → 30 秒精修广告片, 角色跨镜一致, 中文字幕真烧入, 品牌安全负向 prompt
独立电影人 / 视频创作 Style Bible 锁全片画风, McKee 三幕结构, Logic Pro 风格多轨道时间线, 真 BGM 波形可编辑
漫画 / 漫剧工作室 剧本 → 你选画风的分镜, cref+sref+DNA 三重锁脸, 拖拽重排镜头, 单镜重生
教育 / 解说作者 节奏审计提醒"哪里太平", 每镜冲突分数, 钩子改进建议
开源开发者 3 行环境变量就能换 LLM (OpenAI / Claude / DeepSeek / 通义 / Kimi / OpenRouter / 本地 Ollama 全可用)

🚀 亮点功能 · 同类竞品不具备的能力

1. 多 Agent 流水线, 不是黑盒大模型

导演规划故事 → 编剧按 McKee 写对白 → Style Bible 帧锁住整片视觉 → 角色师抽 8 维 DNA 签名 → 分镜师渲染同时跑 Vision 审计 (<70 分自动重生) → 视频制片多引擎竞速 (Minimax / Veo / Kling) → 剪辑师按情绪节奏 j/l-cut + 烧入中文字幕.

2. 视觉一致性的秘密武器 — Style Bible Frame (v2.20)

我们从 Director 的 plan 渲染一张 canonical "key art" 帧, 然后作为后续所有分镜的首个 --sref 注入. 效果: 6 镜画风像同一部剧, 不是 6 次 Midjourney 抽卡. (大多数竞品只有 2 帧滚动链, 第 6 镜根本不知道第 1 镜长啥样.)

3. 9:16 默认 + 12 个短剧 trope 模板 (v2.20 P0.2)

Writer prompt 检测短剧 / 漫剧类型 → 切竖屏画布 + 注入经典钩子 (重生回到 N 年前 · 当街掌掴 + 秘密身份 · 系统提示音突响 等). McKee 三幕仍打底; trope 是表层.

4. 真正能用的中文字幕 (v2.22)

彻底解决 "AI 视频里的中文字幕变鬼画符" 问题: 从视频 prompt 里剥掉对白文字 (让模型不要尝试画字) + 加狠的负向 prompt (--no text --no chinese --no captions) + 后期用 ffmpeg subtitles filter 烧真字幕, 字体自动找系统 CJK (PingFang / Noto Sans CJK).

5. 锁脸三件套 = cref + sref + 8 维 DNA + Cameo Vision Retry (v2.21 P1.2)

不止参考图 hack: 每个角色的三视图过一次 Vision LLM 抽结构化特征 (眼型 / 下颌 / 发型 / 标志服饰 等), 作为自然语言锚点注入每个出场镜头 prompt. 加上 cameo-vision-retry: 某镜角色匹配度 <75 自动重生, cw 拉高重画.

6. Logic Pro 风格多轨道时间线 + 实时协作 (v3.1.1–v3.1.3)

  • 3 轨道: 分镜 / BGM / 字幕
  • 真 BGM 波形用 Web Audio API decode (不是程序生成的假波形)
  • 拖拽改时间 + 双边沿拉伸改时长
  • 自动吸附邻居 (0.4s 阈值) + 硬碰撞防重叠
  • 实时多人协作: Yjs awareness 画出对方光标, 头像下方显示对方在哪个 tab, Y.Map 锁防止两人编辑同段
  • 项目邀请支持只读 / 可评论 / 可编辑 三档权限

7. 真正能用的 Lipsync

Kling lip-sync API 做口播口型, 自动 fallback 到 Sync.so / Hailuo. 流水线从 prompt 里剥掉对白让模型只画唇形 运动, 然后后期把唇形对齐到 TTS 音频.

8. 节奏 / 反转 / Cliffhanger 审计 (v2.21 P1.1)

编剧完成后, 每镜按中文冲突词字典打分 0-10 + 检测情绪极性反转 + 检测 cliffhanger 关键词. 竖屏短剧 <2 次反转或第 1 镜冲突 <5 → 节奏 tab 弹警告 + 给改进建议.

9. 接你自己的 LLM (v3.1.3)

所有文本 LLM 调用 (导演 / 编剧 / vision / 审计) 走一个 OpenAI 兼容 chat/completions 端点. 想换 DeepSeek-r1 / GPT-4o / Claude (via OpenRouter) / 通义 Max / 本地 Ollama? 改 3 行 .env 完事, 0 改代码. 完整矩阵见 docs/llm-providers.md.

10. 6918 个单测全过, TypeScript 严格模式, 没有"敬请期待"

上面列的每个功能都已经在 main 分支, 类型检查零错误, 单测覆盖, 你 npm install && npm run dev 就能在 /projects/[id] 看到.


🥊 跟竞品比

阵容核验 2026-10-15(调研 agent + 独立核对者,之后我本人又实时读了 Artificial Analysis 两张榜、开源星数全部走 GitHub API 取。台账见 docs/competitive/claims.json,完整分析见 docs/COMPETITIVE-GAP-2026-09.md)。⚠️ 三周内两张榜都换了版本 —— 文生视频先到 v2.0 又到 v2.1(Kling 3.0 1080p Pro 固定为 1000),图生视频从 v1.0 到 v1.1 —— 本 README 旧版本里 8、9 月的分数与下面这些不可直接比较。 T2V 带音频(v2.1):Wan 3.0 1173 > Utopai X 1166(新进,无 API)> Seedance 2.5 1159 > MiniMax H3 768p 1158 > MiniMax H3 Max 1156 > FLUX 3 1145;Gemini Omni Flash 1.1 第 8(1132),Veo 3.1 第 19(968)。T2V 不带音频:Wan 3.0 1134 > MiniMax H3 768p 1121 > MiniMax H3 Max 1117。图生视频带音频(v1.1):MiniMax H3 768p 1141 > Seedance 2.5 1139 > Gemini Omni Flash 1.1 1134 > Wan 3.0 1127 > MiniMax H3 Max 1124;不带音频:Gemini Omni Flash 1368 > Bach 1.0 Pro 1362 = Wan 3.0 1362 > MiniMax H3 1356。Vidu Q4 Preview(10-07 发布)10-09 在旧 v1.0 榜上是带音频第 3(1179),换到 v1.1 后榜上没有它(连研究预览一起显示也没有)。Kling 4.0 已官宣(最长 30s / 4K / 15 路参考)但还调不到:完整版定在 10 月、Flash 版 9-28 起小范围内测、API 价格未公布 —— 所以下表那一列仍是现在真能调的 Kling 3.0(原生 4K / 60fps / 15s / 6 连贯镜头 / 自带多语对白+口型,$0.084–0.112/s,价格为 09-22 那轮核验)。xAI Grok Imagine Video 1.5(6-16)仍是 7 路视觉参考同帧锚定(角色+场景+道具+风格)+ 原生音频 + 语音克隆,$0.08(480p)/$0.14(720p)/$0.25/s(1080p)——参考路数超过我们现有的 cref+sref 两路。Veo 3.1(2025-10-15 首发,2026-01-13 加 4K 与竖屏)的 Scene Extension 可把成片接到 60s+ —— 但那是拼接,单次生成上限仍是 8–10s;内置自研音视频联合生成(Lyria 3 是 Google 另一个独立音乐模型,不是 Veo 的音频组件),$0.40/s 起。✅ Sora 2 API 已于 2026-09-24 按期停服(无延期),本项目 v12.173/207 起已有防护:退役日前每次告警、退役日后自动从模型链剔除走 fallback,链空才抛(tests/v12-173-sora-sunset.test.ts 守着)——这条不是待办。 🔴 上一轮说过头了 —— 本轮把四条「独有」逐一收回(核验 2026-09-03)。这不是被竞品追上,是当初就说过头了:① 「EDL/AAF 导出竞品独有」—— Descript 早有 Timeline Export(Premiere XML · FCPXML · Reaper EDL · Pro Tools/Logic AAF);② 「唯一 MIT 开源可自托管的端到端短剧平台」—— 不成立,EvoLinkAI/ai-short-drama(MIT + Docker + 小说→成片全链)同样满足,另有 LocalMiniDrama / Toonflow / huobao-drama 等多个活跃项目;③ 「BYO 多 provider 注册表独有」—— PopShort.AI 已公开集成跨厂商模型(Veo 3.1 / Kling / Seedance / Nano Banana Pro);④ 「节奏/反转审计竞品无对应项」—— 火山剧创公开声称「多 Agent 校验 + 200+ 爆款镜头策略,智能优化冲突/反转/高潮」。收窄之后仍然站得住的那条:火山剧创是生成内联优化、Descript 有导出但无节奏审计也不开源 —— 截至 2026-09-03,仍无一家同时具备「节奏审计固化为可拦截的独立工程门禁 + EDL/AAF 导出 + 开源自托管商用」。请注意这比上一轮窄:上一轮写「节奏审计」,这一轮必须写「独立可拦截门禁」才成立。⚠️ 2026-09-25 自查更正:这一条在 v12.455 之前与代码不符 —— 节奏审计当时只提示、不拦截(writer-agent 里的注释原话就是「非阻塞」)。v12.455 补上了真拦截:PACING_GATE=block 时,剧本不达标就在角色设计之前停下,不会因超时自动放行,续跑也绕不过去;请求里的 pacingGate 只能收紧、放松不了,要明确放行得带 pacingOverride: true(会在剧本资产里留痕);默认档仍是只提示(warn)。另外,三件套里「EDL 导出」一项在开源侧已不稀缺:openframe(AGPL)已能导出 FCPXML/EDL,ArcReel(AGPL,5.5k★)已定案做剪辑时间线模型。开源阵营规模(GitHub API,2026-10-15):OpenMontage 68.3k★(AGPL)、ViMax 12.7k★(MIT)、DramaClaw 6.3k★(Elastic 2.0,非 FOSS)、ArcReel 5.5k★(AGPL)、BigBanana 2.3k★(禁商用)、Novella AI 125★(MIT)。最该盯的仍是 OpenMontage,它仍没有时间线文件导出(EDL/FCPXML/AAF)—— 它说的「edit decision list」只是交给 Remotion 渲染前的内部步骤。完整分析见 docs/COMPETITIVE-GAP-2026-09.md。 🇨🇳 国产阵营:时长与参考路数双双突破,而我们在用的两个引擎都该升版了 —— Seedance 2.5(7-31)与 Wan 3.0(8-24 正式上线)双双做到原生 30s 单镜头;Seedance 支持 50 个参考素材、按 token 计费(¥42–70/百万 tokens);Wan 3.0 720P 折后 ¥0.42/s,还能文档直转视频(PPT/Word/PDF→30s)。Vidu Q4 Preview(10-07)接替 Q3 成为生数的旗舰(旧版图生视频榜上短暂排第 3,换到 v1.1 后未上榜):最多 15 张参考图 + 3 段参考音频、2K/4K 10-bit 输出、1–16s,面向独立创作者、小工作室与制作团队。⚠️ 我们自己的 Vidu 接入仍钉在 viduq3 系列(services/vidu.service.ts)—— Q4 还没接;PixVerse C1(4-08)短剧垂直定位最明确(分镜宫格直出 + 多人对白口型)。⚠️ 一条自查结论:① 上一轮那两条自查都已修掉 —— 默认视频模型在 v12.402 改成了 H3,两条不一致的 Vidu 调用路径在 v12.403 收成了一条。取而代之的是一道计费墙:H3 只能按量付费,MiniMax 官方定价页明写 Token Plan 不覆盖它(2026-09-22 复核,768P $0.08/秒、2K $0.13/秒)。Token Plan 的 key 每次调 H3 都被拒,出片因此回落 Hailuo-2.3(v12.446 才让这条回落真正走通 —— 此前它只认英文报文,空转了 16 天),而参考视频动作迁移(v12.448)整项用不了。健康页现在会直说这件事,不再靠一个语音合成探针把 MiniMax 显示成一片绿(v12.452);② Sora 2 API 于 2026-09-24 退役(2026-09-22 在 OpenAI 弃用页复核,无延期)。护栏从 v12.173/207 就在 —— 到期前告警、到期后从模型链剔除、剔完链空才抛 —— 但在 v12.452 之前,「锁住」它的两条测试只是在源码里搜字符串,这个分支从来没被执行过。现在用假时钟 + 模拟上游真跑了一遍,顺带暴露出一个缺口:上游若早于我们的 UTC 零点闸门停服,Sora 的报错原来会让整条链中止,而不是退到 veo/kling。 ⭐ BYO 架构再次接住这波:榜上模型基本都开放 API,填 key 即为本管线可调度引擎 —— 竞品越强,本管线越强。 ⚠️ 也要说清劣势:生成质量不由我们决定(不训模型,上限即所接引擎上限);零门槛比不过 Coze 3.0 这类零代码平台(市场 YoY +214%,差距会被放大);当前无作曲能力(MiniMax Music 已对新用户停服,只剩自备 BGM 通道);而且已接入的特色能力普遍没用满 —— Veo 的 Scene Extension、Kling 的多镜连贯与自带口型、Kontext 的局部重绘都还没调用,这是当下性价比最高的一块。 结论不变:生成层已是红海(且国内模型在领跑),Wind Comic 护城河在「制作/平台层」——节奏审计、EDL/AAF、实时协作、发布预检、自托管、开源、BYO。

能力 Veo 3.1 Kling 3.0 Seedance 2.5 Gemini Omni Flash MiniMax H3 ViMax (open-source) 青枫漫剧 Wind Comic
一句 prompt 多镜叙事 ⚠️ ✅ storyboard mode ✅ multi-shot native, 30s single take ⚠️(单段生成,多镜叙事非强项) ⚠️ (4~15s single take) ✅ 12-agent script→video ✅ 8-agent script→edit pipeline
跨镜角色一致性 ✅ ✅ ✅ up to 50 reference inputs ✅ 多模态统一 ✅ reference-to-video ✅ character extractor agent ✅ cref + sref + 8-dim DNA + vision retry
全片画风锁定 ✅ ✅ ✅ ✅ ⚠️ ⚠️ ✅ Style Bible Frame
原生对白 + 音效 ✅ ✅ 多语对白+口型 ✅ ✅ 4 模态原生一体 ✅ 原生立体声 ❌ 无配音模块 ✅ per-character TTS + lip-sync
中文字幕真渲染(烧入) ❌ ❌ ❌ ❌ ❌ ❌ ✅ libass + open-license CJK font burn
竖屏短剧 trope ❌ ❌ ❌ ❌ ❌ ❌ ✅ 12 templates + 9:16 default
实时协作时间线 ❌ ❌ ❌ ❌ ❌ ❌ ✅ Yjs CRDT + Y.Map locks + cursors
可自部署 ❌ ❌ ❌ ❌ ⚠️ 权重开放(排除美/欧/英/韩) ✅ 本地部署 ✅ Next.js + SQLite/Postgres
接你自己 LLM(OpenAI / Claude / DeepSeek / 本地) ❌ ❌ ❌ ❌(它自己就是模型) ❌ ⚠️ 需改代码 ✅ 12+ providers via .env
开源 ❌ ❌ ❌ ❌ ⚠️ 权重部分开放 ✅ MIT ✅ MIT
单镜改 prompt 重生 ⚠️ ✅ ✅ 区域编辑(选时间点 + 圈画面,2.5) ✅ motion brush ✅ 对话式迭代编辑(招牌能力) ✅ video-edit 端点 ✅ + reference image upload
节奏 / 冲突审计 ❌ ❌ ❌ ❌ ❌ ❌ ✅ v2 (v12.275): shot score + reversal detection plus conflict-curve shape (escalating / flat / front-loaded / no-climax), drag-segment localisation to exact shot ranges, opening-density check, and duration-rhythm analysis — every finding names the shots to fix · optional hard gate PACING_GATE=block (v12.455; default only warns)
可剪辑时间线导出(EDL / FCP7 XML) ❌ ❌ ⚠️ 即梦可把素材送进剪映,但不是时间线 ❌ ❌ ❌ ✅ EDL (CMX 3600) + FCP7 XML (Premiere / DaVinci) + built-in multi-track timeline
智能剪辑(卡点 + 情绪节奏 + 一句指令调风格) ❌ ❌ ❌ ❌ ⚠️(对话式改片,非结构化卡点/情绪剪辑) ❌ ✅ beat-snap · emotion pacing · emphasis · transition aesthetics · "fast & hype/slow & lyrical" in one line (BYO LLM)
首尾帧锁定(image_tail 镜间衔接) ❌ ✅ ✅ ⚠️ ✅ (I2V) ❌ ✅ Kling FLF wired into main pipeline, per-shot tail-frame picker
多角色人脸卡司库(成片后可改) ❌ ✅ 主体库 ✅ 角色管理 ⚠️ ⚠️ ❌ ✅ 3-slot cast + cross-shot subject_reference injection
一键本地化(译稿 + 重配音) ❌ ⚠️ dub only ❌ ❌ ❌ ❌ ✅ 8-lang translate → apply → re-TTS, honest degradation
按剧生成免版税 AI 配乐 ❌ ❌ ❌ ❌ ❌ ❌ ✅ ElevenLabs Music → self-hosted ACE-Step / YuE → MiniMax fallback chain (v12.410; needs one of them configured — MiniMax music-2.6 is closed to new accounts)
逐镜可审计决策日志(引擎/成本/一致性) ❌ ❌ ❌ ❌ ❌ ❌ ✅ decision log + cost drill-down + quality score
情绪感知 TTS(映射到原生枚举) ⚠️ ⚠️ ⚠️ ❌ ⚠️ ❌ ✅ CN emotion → MiniMax speech-2.8-hd enum, live A/B verified
口型接进主管线(对白镜自动触发) ✅ ✅ ⚠️ ⚠️ ✅ 原生 ❌ ⚠️ Kling lip-sync — zh/en only (needs public video URL + audio ≥2s); ja/ko/ru degrade to none; honest skip on non-face
全站 i18n(中/英/日/韩/俄,全部 UI) ⚠️ ⚠️ ⚠️ ⚠️ ❌(是模型不是 app) ❌ ✅ 5-language core UI, ~400 keys (component-level string cleanup ongoing)

关于这张表:本轮把它与英文 README 的对照表合并到同一套列与行 —— 此前两份 README 各维护一张,中文那张还停在 Seedance 2.0、且把 Runway 的原生音频标成受限,而英文那张早已是 Seedance 2.5 + MiniMax H3。同一个事实两处各写各的,迟早对不上,现已统一,并由 tests/v12-401-competitive-cadence.test.ts 锁住:两表行数或列头不一致即红。 原中文表独有的 Runway Gen-4.5 / Grok Imagine 1.5 / HappyHorse-1.1 三列未并入(新表多出 8 行,我没有逐项核实过的值可填)——它们连同 2026-08 那一轮新入场的 Wan 3.0(T2V+音频 Elo 榜首 1242,8 月 v1.0 标尺、与上方数字不可比 · 原生 30s)、Vidu Q3(国产唯一短剧工业化定位)、PixVerse C1,统一在 docs/COMPETITIVE-GAP-2026-08.md 的三列表里对比(竞品单点最强 / 我们接了没有 / 我们用了多少)。编出来的对照表比没有对照表更糟,所以宁可不填。

⚠️ 表示该 provider 有这能力但形态受限 (例如"只能在付费 Pro 档通过 UI 面板用").


🎬 实机截图

📸 v12.425 资产真机截图(2026-09-06 实拍)

全部由 node scripts/capture-v12-425.mjs 在本机真实数据上抓取。脚本带空壳检测与近重复检测: 页面没渲染出来、或「点了 tab 但视图没换」的图会被自动删掉并如实汇报 —— 截图是拿来对外展示的,同一张冒充两张比缺一张更糟。

📚 完整 18 张 + 每张的实现逻辑与工作流架构说明:docs/SCREENSHOTS-v12.425.md (单独成文是为了不让首页替访客扛下载量 —— README 引用媒体有 12MB 预算门禁。) v12.426 补记:上面「我的项目」那张(docs/screenshots/v12/01-my-projects-manage.jpg)已重拍。 旧图里卡片大半是渐变占位 —— 不是没作品,是封面被冻结成了一次失败的快照:流水线末尾抄一份第 1 镜的 imageUrl 就再不重算,于是出图全挂时的 mock 兜底图被永久写死(30 个项目里 12 个如此,其中 3 个明明各有 11~12 张真分镜还活着)。现改为读时解析,并清掉了 21 个夹具/无素材项目(下架,可一键恢复)。

角色转身图 · v12.425 修的就是这里 导演台 · 全链路控片
角色转身图 导演台
立绘原生 896×1152 竖构图,修前被塞进 355×200 横框 + object-cover,裁掉 56%,必须点全屏才看得到完整图。现在框比例跟素材走、填充改 object-contain。 四个环节各自可寻址:剧本 / 角色·场景 / 分镜 / 成片,任一环单独「编辑」或「重跑」,并预告重跑的下游影响。
拉片分析 · 五栏出厂真值 分镜规格 · 出厂参数 + 一致性仪表
拉片 分镜规格
每镜给出叙事要素 / 时间 / 镜头语言 / 影像处理 / 声音五栏,且是流水线生成时的真实摄影语言,不是 AI 事后看图反推;可导出 CSV / 剧本册 MD / PDF,也能回灌外部片子做复刻。 画幅取项目创建时选定的 projects.aspect(整片生成、分镜构图、导演台同一来源),格式条只读显示;成片帧率按格式条设置(24 / 25 / 30fps),EDL / AAF 导出的时间码也用它;片段重拍按该镜原片的真实帧率缝合;色彩空间写进之后出的分镜图提示词(默认「不指定」,不加任何色彩描述);安全框开关项目页的竖屏安全区预览叠层(只影响预览,不进成片)。右侧逐镜一致性打分,低分镜一键跳转重生。

⚠️ 撤回一条旧结论:v12.416 那轮在这里写过「点项目页 tab 与滚 body 都不换视图」。那条是错的。 真因是标签栏在折叠线以下,坐标点击打空;先 scrollIntoView 再 el.click() 就能切换,本轮 12 张靠它拍成。 v12.416 那组截图已由本轮更全的一组取代。

实测性能(本机 dev server,curl 首字节):落地页 TTFB 46ms; 控制台各页(项目 / 素材 / 引擎健康 / 用量)TTFB 22–38ms。 测试:5294 全绿 · 0 失败;preflight 10/10;CI 五 job 全绿。

下面是 v3 基础流水线 的实拍(v6 工作室新界面见上方 v6 新增 一节)。每张图都是 node scripts/capture-screenshots.mjs / node scripts/capture-v6.mjs 自动捕获的实跑界面, 不是 mockup.

创作总览

99 项目 + 4 案例 + 最近创作 feed + 系统状态 (当前引擎 / 模型版本).

素材库

跨项目复用: 角色 / 场景 / 视频 / 音乐 / 字幕 / 模板 — 本 demo 项目里 1467 个素材.

我的项目

所有短片 + 自动生成的电影感封面 + 状态徽章 + 质量 donut.

创作工坊 —— 多 Agent 实时编排画布

整条管线就是一张 Agent 流图:编剧 / 角色设计师 / 场景设计师 / 分镜师 / 视频生成 / 剪辑师 节点连线,每个节点带进度流,旁边一条 Chat 侧栏实时显示每个 Agent 的发言。

项目剧本 + 镜头节拍

剧本 tab:每镜带时长、情绪标签(警觉 / 凝重 / 惊恐 / 暴风的沉着 / 镇定的专注…)和一行节拍注(从表面到深层警觉 / 从无知到悉知威胁 / 从警戒到遭受袭击…),节奏一眼看清。

🆕 Cinema 时间线 (v3.1.1–v3.1.3 — 多轨道 + 协作)

3 轨布局 (SHOTS / BGM / SUBTITLE), 拖拽改时间, 双击字幕改文字, 拖边沿改时长, 真 BGM 波形 (Web Audio decode), 实时其他用户光标 + 名字标, 段锁标识.

🆕 节奏分析 (v2.21 P1.4)

KPI 卡: 平均冲突分 / 反转数 / 通过状态. 每镜柱状图 + 反转 arrow + 极性 icon. 色码 绿 (≥7) / 琥珀 (4-6) / 红 (<4). 下方: actionable warnings + suggestions.

🆕 评论 + @ 提及 (v3.0 P0.1)

项目级 + 每镜独立的嵌套评论, @ 自动补全, 通知 bell. 每镜可折叠.

🆕 镜头工坊 (v2.16 P1.4 + v2.23 P0.2)

每镜独立的"改 prompt 重生" (用户改 prompt + 上传参考图重生) + "4K 重渲" (Kling Master 4K, plan-gate).


🔀 网关路由策略 (v6.8 / v6.9)

每个模型调用都是 provider 可插拔(优先级链 + 自动 fallback)。当前默认把主网关与补全网关分开,MiniMax 永远兜底:

能力 主(最强) 补全 兜底(不变)
LLM(编剧 / 导演 / 质检) claude-sonnet-4-6 — MiniMax
视频 veo3.1-pro(Veo 3.1 Pro) Kling MiniMax Hailuo
图像 flux-2-pro(IMAGE_MODEL) Midjourney(mj_imagine) MiniMax image-01
配音 TTS gpt-4o-mini-tts — MiniMax T2A
音乐 BGM ElevenLabs Music(ELEVENLABS_API_KEY) 自托管 ACE-Step / YuE(MUSIC_SELFHOST_URL) MiniMax music-2.6(新账号已停服)
  • 为什么分开:主网关跑最新顶级模型;补全网关补上缺的能力(TTS / MJ / Kling),并在主网关额度耗尽时接住。
  • v6.8 — 主 LLM/视频/图像切到已充值网关 + 最强模型,顺带修了旧网关视频阶段的 429 上游饱和 报错。
  • v6.9 — 新增独立 TTS provider(lib/tts-providers/vectorengine-tts.ts),配音不再依赖各家 group-id 配置;Midjourney 接成图像兜底;API 健康看板显示各网关用量 + 余额。
  • 随时可换:改 .env.local(OPENAI_* / VEO_* / IMAGE_MODEL / MINIMAX_*),0 改代码。详见 docs/llm-providers.md。

🏁 快速开始

零 key 试用(一条命令,不需要任何 API key)

docker run -p 3100:3100 -v wind-comic-demo:/app/data \
  -e MOCK_ENGINES=1 -e JWT_SECRET=demo-only-not-for-production -e DEMO_PASSWORD=wind-comic-demo \
  ghcr.io/chrischen667788/wind-comic:latest

然后打开 http://localhost:3100,用 [email protected] / wind-comic-demo 登录。不需要 clone、不需要 npm install、不需要本地构建。 (不设 DEMO_PASSWORD 的话,demo 账号的密码是首启时随机生成、只在 docker logs 里打印一次;注册默认要邀请码。) 想直接看一个现成的示例工程,在「我的项目」页点 「导入演示工程《雨夜信号》」。

想用 compose 跑(效果一样,登录方式一样):

docker compose -f docker-compose.demo.yml up

⚠️ 诚实声明:demo 模式跑的是 MOCK_ENGINES=1 的确定性假引擎(SVG 分镜 / 纯色短片 / 正弦音), 用来展示流水线与产品形态,不代表真实生成质量。产物均带 mock 标识 —— 拿占位片冒充成片,正是这个项目一直在消灭的那种事。想看真实质量,配一个 key 即可切真引擎。

自托管:NAS / 家用服务器(Docker Compose)

实测可用的单机配置在 deploy/:docker-compose.yml + .env.example。 完整步骤、群晖说明与排障见 docs/DEPLOYMENT.md →「Docker 与 NAS 自托管」。

mkdir -p wind-comic && cd wind-comic
curl -fsSLO https://raw.githubusercontent.com/ChrisChen667788/wind-comic/main/deploy/docker-compose.yml
curl -fsSL  https://raw.githubusercontent.com/ChrisChen667788/wind-comic/main/deploy/.env.example -o .env
# 编辑 .env:JWT_SECRET=$(openssl rand -hex 32) 的结果、DEMO_PASSWORD=<你的密码>
mkdir -p data && sudo chown -R 1001:1001 data   # 容器以 uid/gid 1001 运行
docker compose up -d
curl http://localhost:3100/api/health           # {"ok":true,"checks":{"db":"ok","auth":"ok"}}

硬件要求(v13.6 镜像实测)

架构 linux/amd64 或 linux/arm64 —— 不支持 32 位 ARM。不需要显卡(生成全走 API,ffmpeg 用 CPU)。
CPU 2 核即可;核数只影响最后合成成片的速度(6 镜 30 秒 720p:2 核约 16 秒,4 核约 10 秒)。
内存 空闲 70–120 MB。合成 6 镜 30 秒成片(转场 + 中文字幕 + 响度归一)时整容器峰值:720p ≈ 0.95 GB,竖屏 1080×1920 ≈ 1.75 GB。低于这个合成会被 OOM 杀(实测 768 MB 杀 720p、1 GB 杀竖屏)。实测最低能过 1 GB / 2 GB —— 建议给容器 720p 至少 1.5 GB、竖屏 1080p 至少 2.5 GB。
磁盘 镜像下载约 830 MB、解压约 3 GB;另给 data/ 留素材和成片的空间(10 GB 以上比较从容)。

首页能打开、登录不了? v13.11 起登录页会直接说是哪里配错了、怎么修(接口返回 503,reason 见下表;之前是一个不带说明的 500)。docker logs wind-comic 里也有对应的一行:

登录页提示(reason) 日志 原因 修法
服务端数据库打不开(db_unavailable) [db] 数据库打不开(SQLITE_CANTOPEN: unable to open database file) data/ 属于 NAS 上你的账号(群晖默认 1026:100),容器用户是 1001:1001,写不进去 sudo chown -R 1001:1001 data,或把 ./data 换成命名卷;然后重启容器
服务端没配置 JWT_SECRET(jwt_secret_missing) [auth] JWT_SECRET 未设置 没设 JWT_SECRET 用 openssl rand -hex 32 生成后填进 .env,重建容器
服务端没配置 JWT_SECRET,现在是公开占位值(jwt_secret_weak) [auth] JWT_SECRET 是公开占位/弱默认值 JWT_SECRET 用了示例里的占位串 同上,换成真随机串
服务端连不上数据库(PostgreSQL)(db_unreachable,仅 DB_DRIVER=pg,v13.12 起) [db] PostgreSQL 连不上或没配好(ECONNREFUSED)(或 28P01 密码错、3D000 库不存在、database_url_missing 等) DATABASE_URL 写错或没设;PG 没起来或从容器里访问不到(容器里的 localhost 是容器自己);账号密码或库名不对 改对 DATABASE_URL 或把 PG 起来;改了环境变量要重建容器

容器健康检查探 /api/health(v13.6 起;数据库可读写 + JWT 密钥可用,原因代码与上表相同),这几种情况都会显示 unhealthy,不会出现「容器绿着、谁都登不进去」。开了 PIPELINE_QUEUE=1 时库打不开也不再让整站 500(v13.11 前连首页都打不开)。

首次登录与首次创作:第一个账号是 [email protected],密码就是 DEMO_PASSWORD(事后补设再重启,密码会自动改成它)。注册默认要邀请码,设 BETA_INVITE_REQUIRED=false 可关(只在你信任的内网里这么做)。新账号是免费档,月预算 ¥5,而一部真引擎成片的预检估价是 ¥11.6–18.8(默认 8 镜,视视频引擎而定),会被直接拦下 —— 到 /dashboard/usage 把「月预算 ¥」调高即可(输入框失焦即保存)。 局域网里的其他设备直接打开 http://<NAS 局域网 IP>:3100 就能登录和创作 —— v13.5 起会话 cookie 只在请求是 HTTPS 时才加 Secure(COOKIE_SECURE=auto,默认值)。纯 HTTP 下会话令牌明文传输,只在你信任的内网这样用;从公网访问请放到 HTTPS 后面(Caddy / Traefik,或转发 X-Forwarded-Proto 的 nginx)。详见 docs/DEPLOYMENT.md →「会话 Cookie 与 HTTPS」。

完整安装(真引擎,从源码跑)

# 1. 拉代码 + 装依赖
git clone https://github.com/ChrisChen667788/wind-comic.git
#    国内网络可改用 AtomGit 镜像(含 LFS 视频):
#    git clone https://atomgit.com/ChrisChen667788/wind-comic.git
cd wind-comic
npm install

# 2. 配置 (3 行必填, 换 LLM provider 看 docs/llm-providers.md)
cp .env.example .env.local
# 编辑 .env.local:
#   OPENAI_API_KEY=sk-...
#   OPENAI_BASE_URL=https://api.openai.com/v1     # 或任何 OpenAI 兼容 provider
#   OPENAI_MODEL=gpt-4o                            # 或 claude-opus-4 via OpenRouter 等

# 3. 启动
npm run dev                # Next.js on :3000
# (可选) 开第 2 个终端跑实时协作:
npm run dev:ws             # Yjs WebSocket server on :1234

# 4. 浏览器打开 http://localhost:3000 开始创作

最低 LLM 要求: 任何 ≥24B 参数 + 能稳定输出 JSON 的模型. 实测可用: gpt-4o, Claude Opus 4, DeepSeek-r1, 通义 Qwen-Max, MiniMax-M2, GLM-4.5, Kimi-K2.

可选引擎 (没配也能跑, 自动 fallback):

  • MINIMAX_API_KEY — image-01 / Hailuo-2.3 视频 / speech-2.8-hd TTS / music-2.6 BGM(新账号已停服,配乐请配 ELEVENLABS_API_KEY 或 MUSIC_SELFHOST_URL)
  • KELING_API_KEY — Kling Master 4K + 首尾帧融合 + 嘴型对齐
  • VIDU_API_KEY — Vidu Q3 (16s 长片)
  • VEO_API_KEY — Veo 3.1-fast 视频备选
  • GROK_API_KEY — xAI Grok Imagine 1.5(文生/图生视频,原生音频;BYO —— 2026-06 图生视频榜首,配了即顶为主选)
  • JIMENG_AK / JIMENG_SK — ByteDance Seedance 2.0(火山引擎 CV;多图参考 + 原生音画;2026-06 文生视频第三;BYO)
  • LTX_API_KEY(或 FAL_KEY)— LTX-2.3(Lightricks 开源权重,文生视频次席;可经 LTX_BASE_URL 自托管;BYO)
  • GEN_CONCURRENCY / GEN_CONCURRENCY_VIDEO · _STORYBOARD · _SCENE — 分阶段生成并发(默认 2,上限 8)。⚠️ 视频并发越高越快,但会弱化关键帧链衔接(第 N 镜取第 N-1 镜真末帧)——需强衔接时维持低并发(1–2)。
  • SYNCSO_API_KEY / HAILUO_API_KEY — 嘴型对齐备选 provider

🤝 贡献

欢迎 PR. 两条规则:

  1. 不要破坏多 Agent 契约. 每个 agent 输入输出 shape 在 types/agents.ts.
  2. 测试是底线. Vitest 6918/6918 必须保持绿. 新加 lib/service 必须配测试.

详见 CONTRIBUTING.md — 仓库贡献指南.


📚 文档


📄 License

MIT. 用它 / fork 它 / 拿它创业. 唯一请求: 你做了酷功能就提 PR 回来.


Built with ❤️ — 我们相信 AI 生成的剧应该像剧, 不是科技 demo.
⭐ Star 一下 如果 Wind Comic 给你省了一周.