拒绝抽卡式生成:开源工业化AI短剧漫剧工作台 BigBanana AI Director 拆解
- 2026-11-19 04:44:26

摘要:BigBanana(大香蕉 AI 导演)是一站式 AI 短剧 / 漫剧生成平台,核心卖点是角色一致性:采用 Script-to-Asset-to-Keyframe 工业化工作流,先把角色与场景资产锁死,再用首尾关键帧控制镜头运动,主要数据存本地(IndexedDB)。软件免费,AI 模型按 API 用量付费。
项目介绍:它是什么
BigBanana 是一个一站式 AI 短剧 / 漫剧生成平台,工业化工作流。它直接点破了 AI 漫剧最致命的痛点——换镜头就变脸,并明确反对「抽卡式」生成:靠提示词碰运气,永远无法支撑连载。
最具价值点的是它用 Script-to-Asset-to-Keyframe 工作流把「资产」放在「镜头」之前:先把角色和场景资产锁死,再用首尾关键帧控制镜头,明确反对「抽卡式」生成。BigBanana(大香蕉 AI Director)是 AI 一站式短剧/漫剧工业化工作台,软件本身免费(Docker、客户端、在线版均无授权费),数据默认存浏览器本地(IndexedDB),适合看重角色 IP 自持的连载创作者。
它的解法是 Script-to-Asset-to-Keyframe:剧本 → 角色 / 场景资产 → 分镜 → 关键帧 → 视频 → 配音 → 导出。资产先行,把形象「锁死」,再用首尾关键帧控制镜头运动,从机制上解决一致性。
拒绝抽卡式生成:资产先行,让角色长期一致。

▲ 项目管理
功能特性:拒绝抽卡,资产先行锁死角色
BigBanana 的定位是「一站式 AI 短剧 / 漫剧生成平台,工业化工作流」。它直接点破 AI 漫剧最致命的痛点——换镜头就变脸,并明确反对「抽卡式」生成:靠提示词碰运气永远无法支撑连载。它的解法是 Script-to-Asset-to-Keyframe:剧本 → 角色 / 场景资产 → 分镜 → 关键帧 → 视频 → 配音 → 导出,资产先行把形象「锁死」,再用首尾关键帧控制镜头运动,从机制上解决一致性。
核心能力一览
1. Script-to-Asset-to-Keyframe:资产先行的工业化流水线——剧本→资产→分镜→关键帧→视频→配音→导出,每步有明确产物
2. 角色长期一致:资产锁定,连载不再换脸——角色设定当不可变资产管理,换脸从流程上被拦住
3. 数据本地化:IndexedDB 存浏览器,IP 在你手里——主要数据留本地,角色 IP 与创意不托管第三方
4. 三种运行方式:在线 / Docker :3005 / 桌面客户端——浏览器直接用、自托管、约 122MB 桌面端任选
下面按能力逐个拆开看:
Script-to-Asset-to-Keyframe:资产先行的工业化流水线
落到事实,BigBanana 的工作流刻意把「资产」放在「镜头」之前:先有演员和片场,再开机。它反对传统抽卡式生成,采用 Script-to-Asset-to-Keyframe——先把角色和场景资产锁死,再用起始帧(Start)与结束帧(End)明确起止画面,中间由模型插值生成,而不是靠提示词碰运气。
关键帧驱动的具体做法是「先画后动」:先生成精准的起帧和结束帧,利用 Veo 模型在两帧之间生成平滑过渡,且所有画面生成都受到角色定妆照与场景概念图的强约束。双视频链路并存——既支持单图 Image-to-Video,也支持首尾帧插值。

▲ 资产先行:脚本到关键帧
完整链路:剧本 → 角色/场景资产 → 分镜 → 关键帧 → 视频 → 配音 → 导出。每一步有明确产物,中间环节可调整,而不是一次生成碰运气。
角色长期一致:资产锁定,连载不再换脸
角色一致性是它设计的核心,靠三重保障:第一重定妆照系统为每角色生成标准参考图,作为全片视觉锚点;第二重衣橱系统让同一角色配置多套造型(日常 / 战斗 / 受伤),都基于 Base Look 生成、保持面部不变——换衣服不换人;第三重上下文感知生成,镜头生成时自动读取当前场景图、角色服装与道具参考。
这直接解决 AI 漫剧最致命的「换镜头变脸」:每个镜头不是从零开始,而是「知道」前面的剧情与设定。对连载创作者,这意味着跨集、跨镜头形象稳定,观众不出戏——角色 IP 真正能沉淀下来。

▲ 角色长期一致:三重保障
资产先行,角色设定在项目里被当作不可变资产管理;连载漫剧换镜头变脸的问题,从流程上被拦住。
数据本地化:IndexedDB 存浏览器,IP 在你手里
数据处理上,项目数据主要保存在本地浏览器环境(IndexedDB),不上传服务器,剧本、角色设定与生成画面优先留在本地设备内。对正在孵化原创角色、尚未公开 IP 的创作者,这意味着角色资产与创意留在自己手里,而不是落在第三方云端。
要清醒的边界:本地存储更适合个人创作与轻量协作,多人实时协作需要评估商业版方案。如果你的工作流依赖团队实时协作,要先确认本地存储模式是否够用,再决定是否上商业版。

▲ 数据本地化:IP 在你手里
主要数据存本地浏览器(IndexedDB),角色 IP 与创意留在创作者手里——不把核心资产托管给第三方。
三种运行方式:在线 / Docker :3005 / 桌面客户端
它提供三种运行方式,覆盖不同部署诉求:在线版浏览器直接访问、无需安装;Docker 自托管 docker-compose up -d 后访问 localhost:3005,适合私有化与团队内网;桌面客户端基于 Electron,支持 Windows 10+ 与 macOS 11+,安装包约 122MB、安装即用,适合离线剧本编辑与本地工作流。
成本上软件本身免费——Docker 镜像、桌面客户端与在线版均无授权费或订阅费,AI 模型调用按实际用量付费、自行配置 API Key。默认画风为动漫 / 插画,可通过视觉风格设置与各角色 / 场景提示词改写实、赛博朋克、水彩等多种方向。

▲ 三种运行方式:按需部署
在线版(浏览器直接使用)、Docker 自托管(http://localhost:3005)、桌面客户端(约 122MB,Windows 10+ / macOS 11+)。
理念是「先有演员和片场,再开机」:定妆照系统、衣橱系统(换装不换脸)、上下文感知生成,三重约束锁角色一致性。镜头制作引入动画工业的关键帧概念——先生成精准的首尾帧,再让模型插值中间过程,而不是靠提示词碰运气;拿不准构图时先出九宫格候选视角。提示词管理支持版本回滚,成片质量不稳时可以回到这一页修上游。

▲ 导演工作台(镜头制作)

▲ 镜头九宫格候选视角
技术架构拆解:资产先行 + 本地优先的引擎账
BigBanana 是一站式 AI 短剧 / 漫剧生成平台:核心是一条 Script-to-Asset-to-Keyframe 流水线,资产先行把角色 / 场景形象锁死,再用首尾关键帧控制镜头运动。主要数据存本地浏览器 IndexedDB,角色 IP 留在创作者手里;运行形态覆盖在线版、Docker 自托管(:3005)与桌面客户端。先看拓扑,再逐层拆:

▲ BigBanana 系统拓扑:创作客户端(在线/桌面)/ Docker(:3005)→ 资产先行引擎(关键帧控制)→ 模型+配音 → 本地 IndexedDB
工程细节:关键帧驱动采用 Veo 模型在起止帧间插值;双视频链路并存(单图 Image-to-Video + 首尾帧插值)。九宫格分镜预览先出 9 个候选视角,再选整图或裁切单格作为首帧。模型默认通过 AntSK API 统一接入文本 / 图像 / 视频(OpenAI 兼容协议),也可换用 OpenAI、Google 等官方渠道。数据存浏览器 IndexedDB,桌面端基于 Electron,Docker 端口 3005。协议为 CC BY-NC-SA 4.0,商业使用需获取授权。
架构要点一览
1. 资产先行——角色/场景设定作为不可变资产管理,形象锁死避免换脸
2. 关键帧控制——首尾关键帧控制镜头运动,从机制上保证一致性
3. 全链路可调整——剧本→资产→分镜→关键帧→视频→配音→导出,每步有明确产物
4. 本地优先——主要数据存浏览器 IndexedDB,IP 与创意留在自己手里
5. 三形态运行——在线版 / Docker 自托管(:3005)/ 桌面客户端(约 122MB)
下面沿「客户端 → 资产先行引擎 → 本地存储」逐层拆:
三种运行方式
资产先行引擎
数据与导出
安装使用:本地跑起来
按下面几步,把项目跑起来:

▲ 快速上手关键步骤
三种运行方式:在线版浏览器直开、Docker 自托管(localhost:3005)、Windows/macOS Electron 客户端(约 122MB)。数据主要存在浏览器本地 IndexedDB,不上传服务器——对孵化原创 IP 的创作者这是隐私优势。注意公开版只发官方 Docker 镜像、不再同步源码更新;软件本身免费,模型调用按量自付。
三种起法:在线版浏览器直接打开即用;Docker 自托管在 git clone 后 docker compose up -d,访问 http://localhost:3005;桌面客户端下载约 122MB 安装包、安装即用。
案例:典型用法与适用场景
BigBanana 适合做连载、最怕变脸的人:需要角色长期一致的连载创作者、网文 IP 视觉化改编团队、对数据主权敏感希望数据留本地浏览器的人,以及想要逐环节可调的工业化生产方式。官方 README 展示的工作流全部围绕「连载不换脸」。
典型用法:连载创作者与网文 IP 改编
1. 立资产——先从剧本建角色/场景资产,形象作为不可变资产锁死
2. 写分镜——基于资产做分镜,引用已锁定形象,避免换脸
3. 关键帧生成——用首尾关键帧控制镜头运动,逐镜生成视频
4. 配音导出——视频之后做配音,导出成片
5. 连载复用——后续集数复用同一资产库,角色长期一致
官方展示的工作流,对应下面这张流程图:

▲ BigBanana 核心能力:Script-to-Asset-to-Keyframe、角色长期一致、数据本地化、三种运行方式

▲ CutOS 剪辑台(成片交付)
适用场景:四类人用它最划算
结尾总结:什么情况值得用它
BigBanana 适合下面这些情况:
2.3k+ star、CC BY-NC-SA 4.0——「拒绝抽卡」这四个字,概括了它和传统 AI 视频工具最本质的分野。
它适合需要角色长期一致的连载创作者、网文 IP 改编团队、有剧本意识且愿意做轻量微调的工作室。不适合只想点一次按钮出爆款、完全不愿做分镜或台词微调的用户——它是工业化生产工具,不是一键玩具。局限:数据默认本地存储,多人实时协作需商业版;模型调用按量付费需自配 Key;CC BY-NC-SA 4.0 商用需获取授权。
如果这篇对你有用
这篇拆解如果帮你省下了踩坑时间:点个在看,让做漫剧的朋友看看「资产先行」的做法;收藏这篇,三种运行方式任选;关注「AI深思智汇」,这个系列会把 25 个开源 AI 视频项目一个个拆到底,下一篇拆谁、什么时候发,关注后第一时间看到。你被「变脸」坑过几次?评论区吐槽。
文中所涉项目信息(版本、Star、功能与技术栈)均以 GitHub 仓库 shuyu-labs/BigBanana-AI-Director 公开 README 为准,截至 2026 年 10 月。项目为开源社区作品,使用前请自行评估依赖与合规;涉及声音克隆、视频复刻等能力时,请务必确认素材授权与平台规则。

▲ AI深思智汇 · 开源项目拆解系列