1.6 万星的开源AI 短剧平台 Toonflow,一键生成高质量短剧
- 2026-11-16 20:56:39
1.6 万星的开源AI 短剧平台 Toonflow,一键生成高质量短剧摘 要 一部 AI 短剧放到第 7 集,男主的脸换了三次。这不是模型不够强,是一次性生成这个形态本身的毛病:出了不满意,只能整段重来。1.6 万星的开源项目 Toonflow 换了个思路——把短剧拆成可局部重做的画布节点。本文讲清它怎么做、真实账单是多少,以及上手前必须知道的那几条。 开源 AI 短剧平台 Toonflow 把剧本、角色和镜头放进同一张无限画布。它想解决的不是「生成不出来」,而是「生成出来之后改不动」——附一份真实的成本账单和一段三次改许可证的往事。 
Toonflow 项目首页与灵感创作 一部短剧做到第 7 集,男主的脸换了三次。第 3 集是圆脸,第 5 集下颌线变尖了,第 7 集连发型都不一样。 观众不会体谅你「模型今天状态不好」,他们只会划走。 做 AI 短剧的人对这一幕太熟了。行业里管它叫角色漂移,民间说法更形象:上一秒张三,下一秒李四。 但脸变了,只是最显眼的那个症状。真正的坎藏在下面—— 01 真正的坎,不只是脸变了 先说清楚一件事:现在的视频模型,单独抽一张图、跑一个 5 秒镜头,质量已经相当能打。问题出在把几十个镜头拼成一部片子的时候。 一次性生成的工作流是这样的:你给一句提示词,它跑完,给你一条成片。不满意?改提示词,重跑。第二版里男主的脸对了,但第 4 集的场景又不对了。再改,再跑。 每一轮都是整段重滚。你付了三次钱,拿回三条各有各毛病的片子,然后发现第一版的第 2 个镜头其实最好——但它已经混在一条被你丢弃的成片里,拿不回来了。 所以真正的坎不是「生成不出来」,是三件事同时做不到: 1.改不动:想修一个镜头,得把整段重跑 2.回溯不了:上一版的哪个镜头更好,你没法单独捞出来 3.审阅不了:流程里根本没有「这一条通过、那一条打回」的环节 这三个问题不解决,再强的模型也只是让你更快地生产废片。有第三方评测把这件事说得很直白:一键出的东西能看,但发不出去——跨镜头的角色一致性、音画同步、叙事节奏,恰恰是全自动化最先崩的地方。 Toonflow 要解决的,正是这三条。 02 画布上到底在编排什么 Toonflow 是一个开源的 AI 短剧、漫剧创作平台。今年 1 月底创建,主语言 Vue,MIT 许可证。截至 2026 年 10 月 8 日,仓库有 16,668 星、2,956 次 fork,最新是 v2.0.4(10 月 5 日发布)——往前数,v2.0.3 在 10 月 1 日、v2.0.2 在 9 月 29 日、v2.0.1 在 9 月 25 日,十天里发了四个版本。 它最外面那层是个无限画布。剧本、角色、场景、道具、视频片段,全都摆在同一张布上,用节点连线组织起来。 
角色、场景与道具资产画布 这么做的意义只有一个:把修改范围局部化。 第 4 个镜头的男主脸崩了,你就改那个节点,重跑那一个镜头,剩下的 59 个镜头原地不动。分镜图可以在节点侧精调之后回流拼接,而不是整条片子重新抽卡。这更接近真实的制作习惯——剧组从来不会为了一个镜头重拍整季。 画布上还挂了几样别处少见的东西。 3D 导演台 官方截图里有一个三维空间,能在生成之前预览机位和镜头运动。这层的 3D 能力来自 Three.js,媒体合成靠 FFmpeg。 
3D 导演台与镜头预演 角色三视图 先把角色的正面、侧面、背面定下来,作为后续所有镜头的参考锚点,再让图像和视频模型照着这套锚点生成。这是对抗角色漂移最直接的办法——不是祈祷模型每次都画对,而是每次都给它同一份参照。 
角色三视图与图片生成 多参考素材生成 视频生成时可以挂多个参考素材,而不只是靠一句文字描述去碰运气。 
多参考素材视频生成 于是那条生产流程变成了三拍:结构化(文本变成剧本结构,让后面的节点有锚点)→ 编排(画布上挂角色和分镜,让修改可局部化)→ 出片(节点交给图像/视频模型,再拼接导出)。 顺带说一句:它界面支持 21 种语言,从中文、日文到泰米尔语、乌尔都语都有。这个细节在国内开源项目里不多见。 03 开放到什么程度 Toonflow 的扩展分成四类,每种有各自的格式和安装位置:
普通插件和技能包最多 20 MB,提供方最多 2 MB。 这里面有两处设计值得单独说,因为它们是安全取向上的选择,不是功能堆砌。 第一,装插件之前必须你点头。 网页可以用 toonflow://install 唤起桌面端安装插件,但应用会先把类型、文件名和下载地址摆给你看,你确认之后才下载安装。同名插件只有版本更高时才允许更新,想覆盖同版本或降级得进开发者选项强制安装。 第二,工具拿不到全局配置。 官方文档写得很明确:工具只接收自己的配置,宿主不会把完整的应用设置直接传给工具。这条隔离意味着一个第三方工具的作者,没法顺手读到你的其他模型密钥。 技能还有个贴心的地方:既可以全局安装,也能放在当前工作区的 skill/ 目录里,同名时优先用工作区版本——团队里每个项目可以有自己的一套创作流程。 对外它还开了 MCP,在设置里开启后支持 HTTP 和 stdio 两种连接,外部编码工具可以直接操作 Toonflow。不过有个前提:涉及画布和节点的界面操作,需要 Toonflow 的窗口或网页保持打开。 
插件市场 Agent 那一层它没有自己造轮子,用的是 Pi Agent SDK,配上工具插件、Markdown 技能和记忆。底层技术栈是 Bun 1.3.14 + Vue 3 + Vite(画布用 Vue Flow),服务端是 Bun + Express 5,桌面端是 Electrobun。 ℹ️ 提示一个需要注意的约束:插件市场需要 TF-Router 的 API Key,没配置时会提示你填。 04 一笔真实的账单:2 分钟片子 130 块 这是全文我最想让你看的一段,因为它是官方自己公开的记录。 README 里挂了一个作品案例,标注了完整成本:
(官方注明这是该案例的记录,仅供参考,实际成本取决于模型服务、生成次数和参数;演示视频是压缩后的 480p 版本。) 把这句拆开看,结论有点反直觉: 软件免费,但出片一点都不免费。而且钱几乎全花在视频上——视频占了 92%,语言模型只占 8%,图片便宜到可以忽略。 这个比例解释了很多事。它意味着: 省钱的杠杆在视频环节,不在提示词优化上 「一张图几分钱」和「一秒视频几毛钱」是两个量级,按秒计费的模型跑一部多集剧,账单增长得比直觉快 抽卡次数直接等于钱。改一个镜头重跑一次,就是再付一次视频的钱——这也反过来说明了「可局部重做」为什么值钱 README 的赞助商区里还挂着几个外部模型服务的公开价目,可以做个体感参照:MiniMax H3 视频生成 768P 约 0.09 元/秒、2K 约 0.15 元/秒;另一家平台 768P 约 0.08 元/秒;图片这边,GPT-Image-2 有平台给到每张 0.006 美元。 按 0.09 元/秒算,2 分钟的成片如果一次过,光视频就是 120 秒 × 0.09 ≈ 10.8 元。而官方案例花了 120 元——中间那十倍的差距,就是重跑的次数。 05 三次改许可证,和那封信 Toonflow 的许可证变更过三次,这条路走得挺少见: •v1.0.8 之前:AGPL-3.0 •v1.0.8 ~ v1.1.8:Apache-2.0 加附加商业条款 •现在:MIT,且去掉了全部商业附加条款 许可证越放越宽,方向是明确的。README 里还专门写了「不追溯条款」——早期基于旧协议使用的用户继续按旧协议执行,不受新协议变更约束。这是个很体面的处理方式。 更有意思的是 README 里折叠着一封《致 Toonflow 社区的一封信》,发于 2026 年 6 月 8 日。信里写了这样一组数字:从第一行代码到那天是 130 天,发布了 20 个版本,800 多次提交,213,765 行代码。 然后他们做了个决定:进行第三次重构,方向是「彻底开放」——换成 MIT、重做全自由度插件系统、把数据库层迁到 Drizzle ORM 以支持本地/PostgreSQL/MySQL、打通 Monorepo 全链路,再补上无限画布、灵感模式、插件 Hub、Skill Hub、供应商 Hub 和 Docker 整合。 信里也讲了为什么要做一个自营的模型中转平台 TF-Router。原话大意是:很多用户没有开白资格,用不上 Seedance 2.0,反复来问有没有办法,最后团队自己去和火山签了年框合同。活动期间对 Seedance 2.0 平进平出,不赚一分钱差价。 而为了让这句话可信,他们把 TF-Router 的平台源码整个开源了——你不信任我,可以自己看代码、自己部署、自己跑。 信里还有一句不太常见的大白话:团队没有融资、没有广告、没有隐藏的商业计划,服务器在跑,域名在续费,咖啡在涨价。 我不评价商业选择,但这封信值得读。它把「一个开源项目怎么活下去」这个问题,摊开摆在了台面上。 上手:四种部署方式怎么选 桌面端:Windows 和 macOS 都有现成安装包。Windows 安装器会自动检测并安装 WebView2,打不开的话去手动装运行时;macOS(Apple Silicon)拖进应用程序即可,遇到安全提示要在「隐私与安全性」里允许。 Docker:clone 之后一条命令起来,访问 127.0.0.1:3000。配置、插件、项目文件存在命名卷里。 服务器:先装 Bun 1.3.14,再执行安装与构建命令。 云平台:合作平台提供官方授权的商用镜像,适合不想折腾环境的。 BASH git clone https://github.com/HBAI-Ltd/Toonflow-app.git cd Toonflow-app docker compose up -d --build ⚠️ 注意别用 docker compose down -v,那会连数据卷一起删掉。 BASH bun install --frozen-lockfile bun run build:server bun run start:server 
首次启动与快速配置 不管哪种方式,模型的 API Key 都得你自己去页面里配。它本身不带任何模型。 局限与提醒 第一,也是最重要的一条:它没有独立的登录鉴权。 官方 README 明确写了,当前服务使用固定端口 3000,业务页面与 API 没有独立登录鉴权。所以:别把 3000 端口直接暴露在公网上,要用防火墙或安全组限制来源;公网访问必须配带认证的反向代理;自己远程用的话,走 SSH 隧道最省事。 BASH ssh -N -L 3000:127.0.0.1:3000 用户名@服务器地址 第二,自托管不等于免费。 软件是 MIT 的,你可以随便用,但每一帧画面都来自你付费的 API 或你自己跑的硬件。加上管三五个模型平台的账号、密钥和余额,这部分隐性成本不小。 第三,版本跑得比文档快。 十天四个版本,迭代很猛;但仓库顶层没有 changelog,使用教程和开发者文档托管在外部,没有版本标记。部署时锁定一个具体的 tag,升级后重新看一遍对应文档,比追最新版稳。 第四,成片质量绑死在底层视频模型上。 它管的是编排和流程,画面好不好看,取决于你接了什么模型、愿意为每条片子付多少钱。期待「装上就能出爆款」会失望。 第五,它不是一句话出片的工具。 你要自己配 Base URL、填 Key,想深度定制还得写几行 TypeScript。有第三方测评给它的上手难度打了中等分,估计熟悉开源工具的人要 1-2 小时跑通最小闭环,新手更久。同赛道还有更偏「一句话到成片」的项目(比如星数与它接近的火包短剧),如果你的诉求是少配置、快出一条,那边可能更贴你的耐心。 第六,社区还在早期。 项目热度不低,但公共讨论的量还撑不起「遇到问题一搜就有答案」。真出问题主要靠官方群和 Discord。 写在最后 回到开头那个问题:AI 短剧真正的坎在哪? 表面上看是脸变了。往下一层,是改不动、回溯不了、审阅不了——一次性生成这个形态,把「修改」这件创作里最日常的事,变成了最昂贵的事。 Toonflow 的思路是承认这件事:它不承诺一键出片,而是把短剧变成一张可以局部重做的生产图。哪个镜头不行就重做哪个,上一版的好镜头单独留在画布上。官方那份 ¥130 的账单从侧面印证了这个判断——十倍的成本差距,来自重跑的次数,而不是来自生成的质量。 工具解决不了故事好不好看。但它能把「再试一次」的代价,从整条片子降到一个镜头。 这大概就是这类工具现在最实在的价值。 项目地址 GitHub:github.com/HBAI-Ltd/Toonflow-app
官网:toonflow.net
国内镜像:Gitee 与 AtomGit 均有同名仓库
文中数据截至 2026 年 10 月 8 日。 END— 谢 · 谢 · 观 · 看 — 如果本文对你有帮助,点个赞 + 在看,是对我最大的鼓励 关注我,每日学AI,每天进步一点点 这里有 AI 前沿 · 开源一线 · 实战教程





| 节点 | .umd.js | |
| 工具 | .tool.js | |
| 技能 | .md / .zip / .tar | |
| 提供方 | .ts |

| 模型调用费用 | 约 ¥130:视频约 ¥120、语言约 ¥10、图片不足 ¥1 |

官网:toonflow.net
国内镜像:Gitee 与 AtomGit 均有同名仓库
文中数据截至 2026 年 10 月 8 日。
本文来自网友投稿或网络内容,如有侵犯您的权益请联系我们删除,联系邮箱:wyl860211@qq.com 。