17.9k Star 的开源 AI 短剧工具:剧本、分镜、成片全在一张画布上

短剧有多火不用多说了。但真正自己做短剧的人都知道，链条长得吓人：写剧本一个工具，生成分镜一个工具，做角色图一个工具，再抠图、拼镜头、找视频生成平台跑批量……流程散落在七八个网页和本地文件夹之间，改一版剧本，后面全要重来。

今天介绍的 Toonflow，把这条流水线塞进了一张画布。

一、Toonflow 是什么

Toonflow 是一个开源的 AI 视频创作平台，主要面向短剧、漫剧和短视频创作者，MIT 协议，GitHub 上已经拿了 17.9k star、3.2k fork。官方对它的定义是：用"无限画布"整合剧本创作、智能分镜、角色与场景资产管理、图像生成和视频生成。

一句话概括：把"写故事 → 做素材 → 出视频"整条流水线搬进同一块画布，你在画布上像拼积木一样把它们连起来，最后直接产出成片。

项目背后是北京爱阿科技，开发 130 天、迭代 20 个版本、超过 800 次提交、21 万行代码。README 里还有一封挺有意思的公开信：因为不少用户反馈之前的商业条款阻碍项目落地，团队干脆做了第三次重构，把许可证从 Apache-2.0 换成了 MIT——简单说就是，代码随便用，商用也不收钱。

二、核心玩法：一条流水线连出来

在 Toonflow 里做一个两分钟短剧，大致是四步：

1. 写剧本和分镜：在画布上建文本节点，直接写剧本；语言模型可以帮你把故事自动拆成带画面提示词的分镜表，每个镜头多长、什么景别、要不要配音，先列清楚。
2. 做角色和场景：从参考图导入，或者用图片生成节点直接生成；角色还支持生成"三视图"（正面、侧面、背面各一张），后面所有镜头里这个角色都能保持长一个样。
3. 逐镜头生成视频：把角色图、场景图、风格参考图连到视频节点上，选一个视频模型，按分镜提示词一段段生成。这也是解决"AI 视频角色跳脸"问题的关键——每个镜头都有统一的素材约束。
4. 画布内预览和导出：生成的片段直接在画布上连成片预览，满意了下载导出。

官方给过一个参考案例：两分钟的成片，用 Seedance 做视频、GPT Image 做图片、Claude 做语言模型，大约 2 小时做完，素材成本约 130 元。

三、几个值得单独说的能力

角色三视图。AI 视频最大的痛点是角色不一致：同一个角色，镜头一换个角度就变脸。Toonflow 的做法是先给角色生成一套固定素材（三视图+表情参考），之后每个镜头生成都引用同一套图，从源头锁住长相。

3D 导演台。生成视频前，可以先进一个 3D 场景里"预演"：摆机位、定走位、试构图，确认镜头语言没问题时再拿去生成，省下真金白银的视频生成费。

画布即工程文件。所有剧本、素材、片段都存在画布上，数据保存在你自己的设备里。改剧情不用推倒重来，改某个节点，下游镜头单独重跑就行。

四、部署与模型：数据在你手里

Toonflow 支持桌面端（Windows / macOS）、Android 客户端和 Docker 部署，也可以装在云服务器上。模型完全不锁死：第三方 API、本地 ComfyUI、本地大语言模型都能接，视频、图片、语言三类模型都可以自由替换。还有 MCP 和插件市场，可以接外部工具扩展创作流程。

对不愿折腾的人，最简单的是 Docker 一条命令起服务；数据存在本地卷里，不依赖官方服务器。要注意的是它默认没有登录鉴权，如果部署到公网，记得挂一层带认证的反向代理。

五、怎么获取

• GitHub：https://github.com/HBAI-Ltd/Toonflow-app （MIT 协议，17.9k star）
• 官网：https://toonflow.net
• Docker 部署：git clone 后 docker compose up -d --build，浏览器开 3000 端口
• 桌面端和 Android APK 在 GitHub Releases 下载

如果你一直在做 AI 短剧，或者正打算入坑，Toonflow 值得先试再花钱——毕竟 MIT 协议摆在那，试错成本约等于零。