右侧坐着一位 AI 助理:开源工业级影视创作工作台 waoowaoo 拆解

waoowaoo 是什么：首家工业级全流程 AI 影视生产平台，从短剧到真人视频，对标好莱坞标准的可控影视生产工作流。它是一个 AI 创意工作区：右边常驻 Assistant，帮你把想法发展成需求文档；画布上管理参考素材与生成结果。

值得关注的是：大多数图像/视频工具把生成与整理割裂，它用「右侧 Assistant 持续对话 + 一块可视画布」把创意、参考与产出收进同一工作区。项目基于 Next.js 16 + React 19，预构建 Docker 自托管，预览版通过 OpenRouter 接 GPT Image 2、Nano Banana、Seedance、MiniMax H3 等模型，界面目前支持中英双语。

它内置 OpenRouter，支持 GPT Image 2、Nano Banana 系列、Seedance 系列、MiniMax H3 / H3 Max 等多模型自由切换。目前为预览版，迭代节奏快——这也意味着功能在快速生长。

右侧坐着一位 AI 助理：把想法发展成需求文档，在画布上完成可控的影视生产。

waoowaoo 的定位是「图像与视频的 AI 创作工作区」：右侧 Assistant 陪你把想法磨成需求文档并直接产出资产，上传的参考素材在可视画布上组织、检查。它模型感知——按所选模型用对比例、时长与分辨率，并支持首帧 / 首尾帧 / 参考图等引导模式。整套可自托管在 Docker 里，数据留本地。

下面按能力逐个拆开看：

右侧 Assistant 不是一个独立聊天框，而是绑定到「当前进行中的项目」：你边聊边把模糊想法发展为可执行的 brief，并直接产出素材资产，对话上下文跟着项目走，不会聊完归零。

预览版通过 OpenRouter 接入模型（GPT Image 2、Nano Banana、Seedance 系、MiniMax H3 等），模型可用性随供应商；音乐与配音控制暂未包含在预览版，且本版仍是快速迭代的 preview，会有粗糙边角。

▲ 右侧 Assistant：想法磨成 brief

在一个持续项目中发展 brief、生成资产。AI 助理不是「对话完就忘」，而是跟着项目上下文持续协作。

画布背后是 Next.js 16 + React 19 的应用，生成的图片/视频与参考素材都作为项目文件在被管理，上传、组织、检视在同一视图完成，避免来回切窗口比对。

媒体与项目数据落在本地的 MySQL 库与私有 MinIO 存储（S3 兼容），提示词与参考图只发往你配置的供应商，内联图片引用不需要公开媒体 URL；预览版界面目前仅中英双语。

▲ 可视画布：素材成片同屏

上传参考资料、组织文件、检查画布上生成的图与成片。生成结果和参考素材在同一块画布上看，视觉工作流的一环。

生成时系统读取当前模型的真实能力，自动给出可选的宽高比、时长、分辨率与参考角色集合，而不是让你凭记忆填参数——选错画幅这类低级错误被挡在前面。

可用性随模型浮动：比如 MiniMax H3 Max 在本应用里目前只接受单张首帧、不接受首尾帧对，这类差异由系统按所选模型动态开关；换模型时选项会跟着变，选之前先看清当前模型支持范围。

按模型能力自动匹配宽高比、时长、分辨率与角色参考——把「模型限制」从用户记忆负担变成系统自动处理。

首帧、首尾帧、参考图三种引导模式按所选模型开放，决定生成「从哪张图长出来」；系统把每次生成都当成一次可保留的版本，原片不覆盖。

渐进精修指基于已有结果迭代出新版但保留原版，方便来回对比挑选；注意模式可用性完全取决于模型，预览期部分高级引导（如 H3 Max 首尾帧）可能暂不可用，要按实际选项操作。

▲ 多引导模式 + 渐进精修

首帧 / 首尾帧 / 参考图模式随所选模型可用；对已有结果迭代成新版本，原片保留——生成也是版本管理。

交互设计是「右侧 Assistant 持续对话」：边聊边定 brief、建资产，画布上检查生成的图片和视频。生成参数是模型感知的——画幅、时长、分辨率、参考图角色都按所选模型的能力给选项；首帧、首尾帧、参考图三种模式的可用性也随模型变化。旧结果可以精炼成新版本且保留原版，来回对比不怕丢。

waoowaoo 是一个 Next.js 16 全栈应用：React 19 跑界面，Prisma 接 MySQL 做数据层，Temporal 承担「持久化执行」把长任务编排起来，Redis 做传输与缓存，媒体落私有 MinIO（S3）。整套可以自托管在 Docker 里，数据留在你自己的机器。先看拓扑，再逐层拆：

▲ waoowaoo 系统拓扑：Next.js 前端 → API/NextAuth → MySQL/Prisma + Temporal + Redis → 私有 MinIO 媒体 / OpenRouter 模型

技术栈：Next.js 16 + React 19 做前端，MySQL + Prisma 持久化，Temporal 负责持久化执行（durable execution），Redis 管传输与缓存，媒体存私有 MinIO（S3 兼容），鉴权用 NextAuth.js，样式 Tailwind v4。自托管走预构建 Docker 镜像 + Caddy，默认 HTTPS 入口 localhost:1443，端口 13000 仅转 HTTP；源码开发 npm run dev 在 localhost:3001。

下面沿「Web 层 → 数据与执行 → 存储与自托管」逐层拆：

按下面几步，把项目跑起来：

▲ 快速上手关键步骤

推荐走预构建 Docker 镜像：不需要在宿主机装 Node、MySQL、Redis、Temporal、FFmpeg，Caddy 自动起，访问 https://localhost:1443。技术栈里 Temporal 负责持久化执行——这是它和同类产品最大的架构差异，长任务不怕进程挂掉。

除了预构建镜像，也可以按源码开发模式跑：

waoowaoo 适合想把「想法 → 资产」留在自己机器上、又能接多家模型的人。它不是一键出片，而是一个带 Assistant 和画布的创作工作区。

1. 起本地服务——用预构建 Docker 镜像一键起（Caddy 自动配），浏览器开 https://localhost:1443；源码则 npm run dev 跑 localhost:3001

2. 配 OpenRouter Key——在个人资料里填入 OpenRouter API Key，调用走你自己的账号付费

3. 和 Assistant 磨需求——在右侧 Assistant 里发展 brief、把想法写成需求文档并直接产出资产

4. 上传与组织——上传参考素材，在可视画布上组织文件、检查生成的图与视频

5. 模型感知生成——按所选模型用对的长宽比、时长、分辨率与参考角色；首帧 / 首尾帧 / 参考图模式按需选用

6. 渐进精修——在保留原图的前提下把已有结果精修成新版本，迭代不丢来路

官方展示的创作工作区，对应下面这张图：

典型用法：以画布为中心的影视生产工作流

waoowaoo 把「助理 + 画布 + 多模型」设计成一个工作区，官方 README 展示的能力见下图：

▲ waoowaoo 核心能力：右侧 Assistant、可视画布、模型感知生成、多引导模式

waoowaoo（预览版）适合下面这些情况：

14.5k+ star、预览版迭代中——「右侧坐着一位 AI 助理」这个产品直觉，值得所有做 AI 创作工具的人参考。

注意⚠️：预览版界面仅中英双语，音乐与配音控制暂未包含；模型可用性随 OpenRouter 供应商浮动，部分高级引导（如 H3 Max 首尾帧）可能暂时不可用。它适合愿意在画布上持续打磨 brief、把参考与产出同屏管理的创作者，而非纯一键出片用户。

这篇拆解如果帮你省下了踩坑时间：点个在看，让想自托管 AI 创作工具的朋友少走弯路；收藏这篇，Docker 起服和端口坑都标好了；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。你更想要云端一键还是本地自托管？评论区聊聊。

文中所涉项目信息（版本、Star、功能与技术栈）均以 GitHub 仓库 waooAI/waoowaoo 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