AI短剧全流程开源工具链:从剧本到成片一条龙

一部 AI 短剧的生产链是：剧本（LLM 生成/拆解）→ 角色表演（参考图+音频驱动人物说话做动作）→ 实时交互（直播、客服这类"活人感"场景）→ 成片合成（配音、字幕、BGM、剪辑）。开源方案在每一环都成熟了，缺的只是把它们串起来的你。

EchoMimicV2（蚂蚁集团，4.7k 星，Apache-2.0，CVPR 2025）：一张参考图 + 一段音频，生成半身说话带手势的视频，中英文都支持。最实用的是加速推理——A100 上 120 帧从约 7 分钟压到约 50 秒，快 9 倍，有 ComfyUI 集成，工作流玩家可以直接挂进现有管线。V3 已经放出，迭代很勤。

Hallo3（复旦，1.4k 星，MIT）：单张肖像 + 音频 → 动态说话视频，基于 CogVideoX-5B 微调，还公开了 70+ 小时训练数据。官方演示是让蒙娜丽莎开口说话——对短剧来说，历史人物、二次元立绘、AI 生成的人设图都能直接"请"来演戏。界面长这样：

   

拍好的短剧是离线产物，但直播带货、AI 客服、大屏互动要的是实时。这一环的标杆是 LiveTalking（9.7k 星，Apache-2.0）：实时流式数字人引擎，文字或语音驱动，可选接 LLM 做智能对话，WebRTC/RTMP/虚拟摄像头三种输出。

它对穷人最友好的地方是硬件弹性：wav2lip 方案 RTX 3060 就能跑 60fps，MuseTalk 方案 4090 到 72fps。还支持语音克隆、可打断说话、待机动作编排、多并发。虚拟主播 24 小时挂着，就是它的典型用法。

   

口播类短视频的"印钞机"是 MoneyPrinterTurbo（127.8k 星，MIT，今天还在 GitHub 趋势榜）：给一个话题关键词，自动完成脚本生成（12+ 家 LLM 可选）→ 素材匹配（免费图库或 AI 文生视频）→ 配音（Edge TTS 免费，ElevenLabs 等 8 种可选）→ 字幕 → BGM → FFmpeg 合成，还能自动发布到 TikTok/YouTube Shorts。CPU 就能跑，四种用法从 WebUI 到 CLI 批量（一次 100 个任务）都有。

   

另外补一个常被忽略的：Duix-Avatar（15.6k 星）做完全离线的外形+声音克隆，适合给短剧角色批量配音出画面——细节多，我们单独开了一篇，这里不展开。

最后送个彩蛋：国内首部真人主演 AI 剧《行镖》把全套制作资产开源了——分镜提示词、幕后资产库、二创源文件。想看怎么把这条流水线用到真实剧组里的，我们另一篇专门拆它。

你的短剧流水线缺哪一环？留言区对个暗号，说不定能找到搭子。