BigBanana AI Director 试图把剧本、角色、场景和关键帧串成一条更完整的 AI 创作链路

前言

这篇文章基于项目公开信息与界面功能整理，重点不是讨论“它能不能一键出爆款”，而是看它试图解决 AI 短剧创作里最麻烦的几个老问题。实际生成效果仍会受到模型能力、提示词、素材设定和人工调整程度影响。

这两年，AI 生成视频的能力已经进步很快，但只要目标从“做一个片段”变成“做一段连续叙事”，问题就会迅速暴露出来：

• 角色换个镜头就”变脸”，完全不是同一个人
• 每个镜头单独生成，前后场景光影对不上
• 输入提示词，结果全靠运气——纯”开盲盒”

原因并不复杂。大多数 AI 工具擅长的是生成局部结果，却不擅长维护一条连续的叙事链路。

今天要看的开源项目，叫 BigBanana AI Director（AI 漫剧工场）。它的思路不是继续强化“输入一句话，等模型发挥”，而是把剧本、角色、场景、镜头拆成几个阶段来做，尽量把短剧生成从一次性出图，变成一套可管理、可迭代的流程。

它到底在做什么

BigBanana AI Director 是一款面向创作者的开源 AI 短剧/漫剧制作平台。

和很多只强调单次生成结果的工具不同，它采用 Script → Asset → Keyframe（剧本 → 资产 → 关键帧） 的三段式工作流，把创作过程拆成几个更容易控制的环节：

它想解决什么问题

先处理关键帧，再生成运动

很多 AI 视频工具的问题在于，用户能控制输入，却很难稳定控制镜头过程。

BigBanana 引入了动画制作中常见的 关键帧（Keyframe） 机制：

1. 先画后动：先确定每个镜头的起始帧与结束帧
2. AI 插值：再由模型生成两帧之间的动态过渡
3. 资产约束：结合角色定妆照与场景概念图，尽量保持视觉风格统一

换句话说，它试图把控制权前移。与其让用户在一段已经生成好的视频上反复返工，不如先把镜头起点和终点定义清楚，再让模型去补足中间过程。这样至少在工作流上，更接近创作者熟悉的分镜和镜头设计逻辑。

角色为什么总会“换脸”

角色在多镜头中形象漂移，是 AI 短剧制作里很常见的问题。BigBanana 给出的思路主要有三点：

• 定妆照系统：为每个角色生成标准参考图，作为后续镜头的视觉锚点
• 衣橱系统：支持多套造型配置，方便在不同剧情中切换服装
• 上下文感知：生成镜头时自动读取当前角色与场景信息，减少重复描述

这套思路的重点不在于“绝对不变形”，而在于先建立稳定参考，再把参考持续带入后续镜头。对于需要连续叙事的内容来说，这比每个镜头都从零开始生成，更符合实际制作需求。

从灵感到成片，被拆成四个阶段

整个创作流程对应四个比较清晰的阶段：

实际流程长什么样

1. 项目管理

项目管理页承担的是最基础的组织工作。不同短剧项目可以独立存储，方便中断之后继续推进，也更接近一个长期创作项目该有的管理方式。

2. Phase 01：剧本与分镜

第一步先从文字开始。输入一句故事创意或一段小说片段后，系统会辅助完成：

• 拆解为剧本结构，包括场次、时间和情绪氛围
• 生成分镜脚本，辅助规划镜头节奏
• 将文字描述转化为后续可用的图像提示词

3. Phase 02：角色与场景资产

第二步不是直接做视频，而是先建立角色与场景资产。这一步其实很关键，因为很多连贯性问题，往往都不是出在“视频模型不够强”，而是前面没有把参考资产准备好：

• 为每个角色生成”定妆照”，作为全片的视觉参考标准
• 支持配置多套服装造型，满足不同剧情场景
• 生成场景概念图，确保全片光影风格统一

4. Phase 03：导演工作台

到了导演工作台，整个产品的核心思路才真正显现出来。它不是让用户不断“再生成一次”，而是把镜头管理、关键帧编辑和视频生成放到同一个操作区里：

• 网格化分镜表：集中管理所有镜头与当前进度
• 关键帧编辑：分别调整每个镜头的起始帧与结束帧
• 上下文感知生成：自动读取当前场景的角色与场景资产，减少镜头脱节
• 双模式视频生成：支持图生视频和关键帧插值两种模式

5. Phase 04：成片导出

最后一步才是预览与导出：

• 时间轴形式预览完整短剧，便于检查节奏
• 实时监控渲染进度
• 支持导出高清关键帧图片和 MP4 视频片段

提示词管理

除了镜头本身，系统还单独做了提示词管理模块，方便查看、编辑和优化各镜头使用的提示词：

背后的技术组合

从页面说明来看，创作数据主要存储在用户本地浏览器中，这意味着它在部署上相对轻量，也更适合个人创作者先快速搭环境体验。至于数据保存、迁移和同步策略，仍建议以项目实际实现为准。

快速开始

方式一：在线体验

https://director.tree456.com/

方式二：Docker 部署（推荐）

git clone https://github.com/shuyu-labs/BigBanana-AI-Director.git
cd BigBanana-AI-Director
docker-compose up -d --build
# 访问 http://localhost:3005

使用步骤

1. 配置 API Key：启动应用后，填入 AntSK API Key
2. 输入故事：在 Phase 01 输入故事创意或小说片段
3. 生成资产：在 Phase 02 为角色和场景生成视觉参考
4. 制作分镜：在 Phase 03 逐镜头生成并编辑关键帧
5. 导出成片：在 Phase 04 预览时间轴，导出视频

它更适合什么场景

如果你的目标只是快速生成一条视频，这类强调流程管理的工具未必是效率最高的选择。

但如果你更在意下面这些问题，BigBanana 这种做法会更有参考价值：

• 需要把一个故事拆成多镜头连续输出
• 希望角色和场景在前后镜头里尽量保持统一
• 需要对镜头起止状态进行更细的人工干预
• 想把剧本、资产、分镜、导出放在一个项目里统一管理

项目地址

GitHub：https://github.com/shuyu-labs/BigBanana-AI-Director

写在最后

AI 确实在降低视频创作门槛，但从“生成一个画面”到“完成一段连贯叙事”，中间隔着的从来不只是模型能力，还有流程、资产和镜头控制这些工程化问题。

BigBanana AI Director 的有意思之处，就在于它没有把自己做成一个“万能生成器”，而是试图把剧本、资产、镜头和导出组织成一条更完整的生产链路。对于想尝试 AI 短剧、漫画分镜或动画故事板的创作者来说，这种产品思路本身就值得看一看。

如果你正在找一款偏流程化、可逐步编辑的开源 AI 短剧工具，可以把这个项目加入备选清单。它未必适合所有人，但至少提供了一种不同于“单次生成”的答案。

GitHub：https://github.com/shuyu-labs/BigBanana-AI-Director

如果想进一步判断它是否适合自己的工作流，最直接的方式还是去看项目 README、示例项目，以及 Issue 区里关于使用体验和问题反馈的讨论。

Built for Creators, by BigBanana.