文章目录 显示

一、做 AI 短剧，最烦的就是当“人工缝合怪”

现在用 AI 生成个视频片段不难，难的是怎么连贯地讲完一个故事。很多人做竖屏短剧，其实就是在“手动抽卡”：在文本模型里写剧本，去 Midjourney 垫图，最后丢进视频生成模型里等结果。

你是不是也遇到过这种崩溃日常：
主角前一秒还是瓜子脸，切个远景直接变大妈了。为了保住“人物一致性”，你得搞个巨大的表格，把每个角色的提示词、垫图链接存起来，每次生成都要来回复制粘贴。这说白了就是赛博时代的流水线打螺丝。

今天要聊的 Jellyfish，就是一个想把这些重复操作尽量收拢起来的开源项目。它不做底层大模型，而是想把剧本、分镜、角色资产、视频生成和剪辑尽量串到一条流程里。

Jellyfish 评测：开源 AI 短剧工作流，想解决人物漂移和流程割裂

二、这套工作流想怎么处理“人物漂移”？

Jellyfish 没用什么玄乎的黑科技，它的核心思路非常实在，就是把做视频变成了“拼积木”，重点放在了资产复用的逻辑上。

  • 全局风格与种子统一：建项目时锁定全局风格，尽量减少后续分镜在生成时的随机漂移。
  • 双层资产库设计：捏好的角色或装备存进库里打上标签，下一个镜头需要用到时直接调标签，目标是省去重复手敲冗长 Prompt 的麻烦。
  • 分镜控制粒度：从项目设计来看，它希望把分镜编辑做得更直观、更细一点，比如支持首尾关键帧独立提示词。

Jellyfish 评测：开源 AI 短剧工作流，想解决人物漂移和流程割裂

底层大模型接入说明：
这工具本身不包算力。根据官方说明与项目设计方向，你可以自备 API Key，文本端对接 OpenAI、Claude 等，视频端则覆盖 Kling、Runway、Luma 等服务。

三、极客探路指南：别卡在 API 联调上

如果你有技术背景想拉代码跑跑看，目前 Jellyfish 的界面框架和模型管理部分已经能跑通。但有一个前后端联调的机制，很多新手容易踩坑。

避坑实操：前端接口同步
它的前端请求是跟着后端 OpenAPI 规范自动生成的。如果启动后发现前端狂报接口错误，先确保你的后端在本机 8000 端口跑起来了，然后切到前端目录跑一句 pnpm run openapi:update，让它更新类型文件。

提醒一句：官方 Roadmap 明确标示了核心的分镜渲染链路还在开发中，目前也没有一键部署包。现阶段它更适合技术团队用来摸索架构方向，而不是直接拿去上生产线。

四、算笔经济账：为什么我们需要优化流程？

搞过视频 API 的朋友都知道，现在高阶视频模型的计费可不便宜。如果全靠人工瞎试，高昂的废片率月底一看账单能让人心梗。

Jellyfish 评测：开源 AI 短剧工作流，想解决人物漂移和流程割裂

商业化视角的流程价值：
折腾这类工作流工具，核心诉求在于“成本控制”。如果项目后续的工作流编排和参考图复用能顺利落地，将有机会减少团队的重复试错和无效调用。对批量内容生产团队来说，这类流程优化才更有实际价值。（API定价与支持策略以各官方页面为准）。

如果你正准备搭建团队的 AI 基础设施，除了视频生成链路，底座模型的选择也同样关键。

🚀 项目获取与官方通道

免责声明：本文介绍的 Jellyfish 开源项目仅供技术学习与 AI 自动化流程架构的探讨。该项目目前仍处于早期开发路线图中，不代表成熟可用的商业化生产力工具。实际业务应用落地时，请严格核对并遵守原作者的开源许可协议，并确保您所调用的第三方大模型 API（如 Kling、OpenAI、Claude 等）符合相关地区的安全合规要求与服务条款。本站不提供、不存储任何破解程序或受版权保护的音视频内容素材。如涉及侵权，请通过邮件联系我们进行处理。

  1. 转载或引用本文内容，请保留原文链接并注明来源。
  2. 本站内容主要用于信息整理、技术研究与经验分享，不对第三方产品或服务的可用性、完整性作出任何明示或暗示的保证。
  3. 部分内容可能来源于公开网络或开源社区，如涉及版权或其他合法权益问题，请通过下方联系方式与我们联系，我们将在核实后及时处理。
  4. 本文所提及的工具、项目或解决方案仅供学习与研究参考。如涉及商业使用，请自行确认并遵守相关软件、平台或服务的授权条款。
  5. 反馈与联系（# 替换为 @）：feedback#abskoop.com