简介Toonflow是一款基于AI的一站式短剧/漫剧生成工具可将小说自动转化为剧本并结合AI生成的图片与视频完成成片输出适合内容创作者、独立团队及对AI内容生产工具感兴趣的开发者。该压缩包共190个文件总计约9.93MB以TypeScript源文件ts为主覆盖核心生成逻辑png/jpg图片素材用于界面或示例展示yml/json配置项便于调整运行参数md/txt文档辅助理解项目结构另有Dockerfile、dockerignore、gitignore等部署环境文件以及html入口与ico图标整体目录结构清晰便于按模块检索。目前已有345人学习/下载。对于关注AI短剧自动化流程的读者可通过ts源码理清从剧本拆解到视觉合成的工程实现也可利用Dockerfile与yml配置快速搭建运行环境免除手动安装依赖与参数调优的繁琐。无论想直接生成短剧素材还是深入研究AI辅助内容生产这份资源都具备参考价值。1. 当一口气读完变成一口气放完Toonflow 把小说变成短剧的完整链路短剧剧组最贵的从来不是演员是试错。一部小说改成短剧老流程要拆书、写剧本、画分镜、找景、拍摄两三个人没日没夜也得两三周才出第一集样片拿去投流题材不对预算烧了大半。Toonflow 这类 AI 短剧漫剧工具把这条链路压成小说进、成片出先把小说拆成可拍摄的分集剧本再按剧本生成角色一致的 AI 图片最后让静态图动起来配好对白和音效合成一集能投流的漫剧。它不替代后期导演而是把验证剧情能不能火的成本降一个数量级。适合短剧编剧、漫画博主和 MCN 项目组前提是接受 AI 画面有自己的脾气。2. 小说 zip 到分集剧本Toonflow 的剧本化改写与三个必调参数2.1 为什么不能把整本小说直接丢给大模型看到AI 写剧本很多人第一反应是写一段提示词把整本小说塞进对话窗口。这个做法看着省事实际上翻车率极高。最硬的理由是上下文窗口一部几十万字的小说没有哪个对话模型能一次性读完强行塞进去它丢掉前面三分之一的剧情线写到后面人物动机全对不上。其次是表达形式小说有大量心理描写和环境铺陈这些不能直接拍摄剧本要的是场景、动作、对白。把心理描写转成对白需要对人物语气做二次创作做不好整本小说都会变成人物复读机。Toonflow 的处理方式是先拆再写。它先按场景切换、视角变化、冲突密度把小说切分成段落再做三件事把叙事段落改成场景标题和动作指示把心理描写改写成带潜台词的对白把长句拆成适合短视频节奏的短句。这背后是多 AI 协作的思路——文本模型负责理解和改写规则引擎负责切分和校验整套流程像一个 AI agent 在替你干编剧助理的活。想自己搭类似流程核心是把拆分和改写分成两个独立步骤中间用结构化的 JSON 接力后续所有环节都依赖这个中间产物。很多人还会把剧本化误解成写剧情摘要这是另一个常见误区。摘要省略了所有可直接拍摄的信息而 Toonflow 输出的剧本要保留场景地点、人物走位、镜头提示这是为后面生图准备的语义接口。你检查输出时如果发现只有故事梗概说明剧本化这一层没跑对应该回到配置检查而不是硬着头皮往下走。2.2 解压与目录结构先读使用说明再动配置从网上下到的 toonflow 是 zip 压缩包解压之前先看文件名末尾的标识解压到全英文路径。中文路径在模型加载阶段会引出各种玄学错误第 5 章我会专门讲。解压后常见的目录结构是这样toonflow/ ├── configs/ # 全局配置文件 ├── models/ # 文本与图像模型权重 ├── novels/ # 放小说源文件 ├── output/ # 剧本、分镜、成片输出 ├── scripts/ # 命令行入口与工具脚本 └── README.md # 使用说明拿到包后别急着跑先读使用说明重点看三处模型权重放哪个目录、配置文件用哪个名字、运行环境要 Python 还是独立可执行文件。很多 zip 包解压后跑不起来不是软件坏了是没把模型文件放到指定位置。models 目录如果依赖外部下载通常会放一个清单文件逐行对照补缺。我习惯解压后先跑版本命令验证环境# 验证可执行文件与依赖是否就绪 toonflow --version能正常打印版本号说明可执行文件、依赖库、模型路径都没问题如果报错先看是不是缺运行库其次检查 Python 版本最后核对模型目录。这一步成本最低能拦下一大半后续问题。失败时看到什么信息很关键报 module not found 是依赖缺失报 cannot allocate memory 通常是权重没放对路径报 permission denied 是权限问题别一股脑重新安装先看报错再决定动作。2.3 剧本化的三个必调参数集数、时长与对白密度剧本化环节最值得动手的不是提示词而是配置文件里的三个参数。这是整个流程的地基改错任何一个后面生图、生视频都会连锁返工。# configs/novel_to_script.yaml novel: source: ./novels/青玉案.txt encoding: utf-8 script: episodes: 12 # 总集数 episode_minutes: 1.5 # 单集时长分钟 dialogue_density: high # 对白密度 low/medium/high第一个参数 novel.source小说文件路径注意编码。中文小说很多是 GBK 编码另存为 UTF-8 再导入读取阶段能少吃苦头。第二个参数 script.episodes决定拆成几集。判断依据是总字数除以单集可容纳信息量一集 90 秒短剧大约能讲 1500 到 2500 字剧情一部 3 万字中篇拆 12 到 15 集合适。拆太少单集密度过高观众看着累拆太多剧情被稀释每集结尾没有钩子。如果你改大 episodes后续每天要生成的镜头数量会成倍增加要给足生成时间预算。第三个参数 script.episode_minutes单集目标时长。短剧通常压在 90 秒到 3 分钟。这个参数不只管时长还决定分镜数量——我按每 10 秒一个有效镜头折算90 秒就是 9 到 10 个镜头这个数量会一路传导到生图阶段。想控制成本先把时长压短而不是降低分辨率。第四个是 script.dialogue_density对白密度取值 low、medium、high。高密度适合恋爱、家庭伦理题材观众靠台词理解剧情低密度适合动作、玄幻题材靠画面和字幕叙事。这个参数直接决定剧本里对白和动作指示的比例也决定后面要不要走数字人驱动的视频路线。2.4 跑通剧本生成一行命令与输出检查配置改好后运行剧本化这一阶段# 只跑到剧本生成不继续生图方便先确认质量 toonflow run --config configs/novel_to_script.yaml --stage script--stage script 表示只跑到剧本生成不继续生图。第一次跑建议只到这里确认剧本质量过关再往下走。命令结束后进 output 目录看结果。输出通常是按集数拆分的 JSON 或 Markdown含场景编号、内外景标记、人物列表、动作指示和对白。检查剧本只看四件事第一每集结尾有没有留钩子第二人物说话的语气有没有区分度第三对白里有没有不适合口语的书面词第四场景标记是否跟小说时间线一致。这四个问题在文本阶段发现改起来成本最低等图生成后再改就是灾难。提示小说本身节奏慢前两集还没有冲突不要指望 Toonflow 自己把高潮提前。它做切分和改写不做重新编剧。剧本结构有问题人工调整比换提示词更有效。3. 剧本到画面用 Toonflow 生成角色一致性图片的配置思路3.1 角色卡让同一张脸不再漂移短剧最劝退观众的是主角每一集换一张脸。Toonflow 解决一致性靠角色卡每个主要角色一份 JSON 配置记录参考图、绑定模型和固定提示词生图时注入到每个分镜的参数里。{ _comment: 角色卡配置reference 为参考图lora 为角色专属模型, role: 苏晚, reference: [ref/suwan_front.png, ref/suwan_side.png], lora: models/lora/suwan_v3.safetensors, prompt_prefix: 1girl, black hair, cold expression, hanfu, negative_prompt: blurry, extra fingers, distorted, watermark }reference 是角色参考图列表最好是同一人物正面和侧面各一张光源均匀、脸部占比大。参考图质量直接决定一致性上限网上随手找的人物图看不清脸模型学不到稳定特征。lora 是角色的专属模型文件如果 Toonflow 支持外挂 LoRA优先训练一个训练素材用参考图加十张左右同角色同风格剧照。prompt_prefix 是每张角色图都会加的正面提示词写服装、发型、表情基调不写场景。negative_prompt 把容易翻车的手指、模糊、水印写死。人物越多角色卡越多生成耗时成倍涨。两个主角加一个反派差不多是单集漫剧的极限。我给项目建角色卡时严格控制数量戏份少于三场的配角不建卡直接用描述性提示词生成省出来的时间投给主角。这套逻辑也可以借用到手动流程里。我自己搭 ComfyUI 工作流时模仿了同样的结构用角色卡拼 prompt效果稳定。区别在于 Toonflow 会把角色卡自动读进每个分镜不用手工拖线批量场景省很多事。角色卡文件一定要纳入版本管理改了参考图或 lora 版本整个项目的一致性都会变。3.2 分镜 prompt 自动生成一个能抄的小脚本剧本文件里的场景描述是混合文本直接拿去生图效果很差。落地做法是写个小脚本把每个分镜提取成结构化绘图指令。这是我常用的模板import json def build_prompt(shot, role_cards, style): role role_cards.get(shot[character], {}) prompt , .join(filter(None, [ role.get(prompt_prefix), # 角色特征 shot.get(location), # 场景地点 shot.get(action), # 人物动作 shot.get(emotion), # 情绪状态 style, # 全局画风 ])) negative role.get(negative_prompt, blurry, extra fingers) return {prompt: prompt, negative_prompt: negative} shot { character: 苏晚, location: 古宅庭院, action: 站在石阶上回头, emotion: 眼神冷漠, } role_cards json.load(open(role_cards.json, encodingutf-8)) print(build_prompt(shot, role_cards, anime style, high detail))这个脚本干了一件关键的事把提示词拆成固定槽位。角色特征从角色卡读场景、动作、情绪来自剧本画风是全局常量。好处是后面要换画风只改 style 一个变量不用逐条改提示词。跑批时你会发现提示词结构化后出图稳定性比手写长句高不少这也是提示词工程里的常识性技巧。参数说明shot 是单个分镜字典字段名需要与 Toonflow 导出的剧本 JSON 对齐常见坑是字段名叫 emotion 还是 emotion_desc不一致时返回空字符串提示词里就少一块信息图片情绪会偏。所以脚本里最好加一层字段映射兼容两种命名。role_cards 是角色卡集合style 是画风常量比如 anime style 或 ink painting style。脚本输出的值用作建议和 Toonflow 默认提示词拼接保留自带的画质修饰词而不是完全覆盖。3.3 生图参数按短剧交付标准取舍短剧成片是竖屏 9:16生图分辨率按 1080x1920 出别按横屏 16:9。这组参数是我验证过的档位参数推荐值说明分辨率1080x1920竖屏短剧标准缩放后细节不糊采样步数28~32低于 25 步容易出结构崩坏图CFG5.5~7过高画面发硬色彩过饱和batch size1~2显存不够时只出 1 张输出格式PNG后续视频生成需要无损底图采样步数不是越高越好40 步以上画面细节没有明显提升耗时涨一半。CFG 是提示词跟随度短剧画面追求干净7 以下表现好。中间产物 PNG 别转 JPG图生视频环节对底图质量敏感JPG 压缩痕迹会被放大到视频里。生图失败率一般两到三成参数调好也一样。不要逐张重试按分镜编号比对只重试失败的分镜。同一场景出现过的镜头底图可以复用多集之间调用同一张角色立绘既省时间又保一致性。这也为第 6 章的批量复用埋下伏笔。4. 静态图到短剧成片AI 视频生成、配音与 ffmpeg 合成4.1 图生视频与数字人驱动对白密度决定路线剧本变成静态图后下一个大坑是让画面动起来。Toonflow 给两条路线图生视频和数字人驱动。图生视频是给一张图加镜头运动推近、拉远、人物转头适合动作场面和环境交代。数字人驱动是给定脸图和音频让口型和表情与对白同步适合大量对话镜头。选择依据看对白密度。对白密度 high 的恋爱短剧八成镜头是人物对话全走图生视频会非常别扭对话时嘴不动观众出戏。密度 low 的玄幻短剧以动作场面为主全走数字人又显得呆板。我一般混合使用对白镜头走数字人动作镜头走图生视频。Toonflow 的编排页通常允许为每个分镜指定路线保存后生成两组素材合成阶段拼接。把整个链路看成一条 AI agent 流水线更清楚文本模型出剧本图像模型出底图视频模型负责运动各干各的最后合成。实际跑这种多条生成管线时要注意它们对显存和时间的占用不是线性的两个任务同时跑可能互相拖慢生产环境里我会给不同路线分配不同时段。要坦然接受当前视频模型对复杂动作支持有限人物全身跑动、快速打斗生成结果经常肢体变形。遇到这种镜头切成两三个短镜头分别生成宁可多几个转场不要一个长镜头崩坏。另外配音环节不要用平台默认语音短剧对白情绪要求高找一个支持情感控制的配音模型语速参数压到接近日常说话避免播音腔出戏。4.2 合成参数分辨率、帧率、码率怎么给合成阶段是全部环节里最不性感但最不能出错的一步。AI 生成的视频片段时长参差分辨率和帧率不统一直接拼接会出现跳帧、黑边、音画不同步。先统一参数参数数值原因分辨率1080x1920平台竖屏标准帧率30fps动作平滑基础再高浪费体积视频码率8~10Mbps画面干净且体积可控音频码率192kbps AAC对白清晰兼容性好参数之间有联动分辨率升到 4K码率不跟着升画面反而模糊码率升太高文件体积暴涨投流平台转码后不一定保留细节。我一般先定分辨率和帧率再按每条片子估码率8Mbps 起步画面有噪点多给到 10。音频按对白量决定192kbps 是稳定值低于 160 对白会有齿音感。4.3 一条 ffmpeg 命令拼出成片合成时把视频和音频分开处理最后合成。下面这条命令接近我的日常操作# 视频与音频合成叠加中文字幕输出 30fps 成片 ffmpeg -i ep01_video.mp4 \ -i ep01_audio.wav \ -vf subtitlesep01.srt:fontfile/usr/share/fonts/SourceHanSansCN.ttf \ -c:v libx264 -crf 20 -preset medium -r 30 \ -c:a aac -b:a 192k -shortest \ ep01_final.mp4这条命令做的事读入视频和音频两个输入给视频叠加字幕字体指定为中文字体用 libx264 编码CRF 值 20 保证画质AAC 编码音频-shortest 让输出在较短的输入流结束时停止。参数说明-crf 是画质控制数值越小质量越高20 是质量与体积的平衡点要求更高可调 18-preset 决定编码速度medium 是默认档批量导出换 faster 提速-r 30 强制输出帧率 30fps-shortest 关键视频和音频长度不一致时防止视频播完音频还在响。字幕字体必须用支持中文的字体文件ffmpeg 默认字体遇到中文输出方块这个坑出现的频率比预想高。报错时先看字体路径是否存在再看 srt 编码是不是 UTF-8这两项是字幕环节最常见的失败点。导出一集后先播一遍检查三处字幕有没有串位、口型与音频对不对得上、首尾有没有黑帧。三处 OK 再进批量导出。5. Toonflow 翻车排查5 个高频坑与对应的解决手段5.1 坑一解压路径带中文模型文件加载失败现象zip 包解压到短剧工具文件夹里运行时报错 failed to load model weights。原因部分模型加载库对非 ASCII 路径支持不好中文路径拼接模型路径时编码乱掉。这个问题在 Windows 上尤其高频。解决把整个 toonflow 目录挪到纯英文路径比如 D:\toonflow重新解压模型文件。路径中不要有空格空格同样触发同类问题。挪完跑一次 toonflow --version 验证。以后每拿到一个 zip 包第一动作就是在英文路径下解压省得后面排查。5.2 坑二同一角色在不同分镜里长相漂移现象第 3 幕出场的主角和第 1 幕判若两人发型一致但五官对不上。原因角色卡 reference 图质量不够或者 prompt_prefix 里没固定发型、瞳色等稳定特征。另一个常见原因是某个分镜漏配角色卡生图退化成纯文本提示词。解决先查该分镜输出日志里有没有加载角色卡再查 prompt_prefix 是否覆盖发型、瞳色、服装三个特征。写死这三项不要靠 1girl 这种泛词。漂移仍严重收集同一角色 10 张出图训练专属 LoRA这是目前最可靠的一致性方案。注意训练素材不要混入其他角色会串脸。5.3 坑三视频生成阶段爆显存现象图生视频跑到一半进程崩溃报 CUDA out of memory。原因显存不够。视频模型比图像模型吃显存多一个量级单张 1080x1920 底图加 2 秒镜头就可能顶到上限。解决两条路。一是在视频设置里把生成分辨率降到 720x1280生成完再在合成阶段放大二是把镜头拆短单次生成 2 秒以内分段生成再拼接。条件允许时把推理线程数设为 1减少显存占用。这是硬件上限不是配置错误换大显存卡才是一劳永逸。5.4 坑四对白字幕与音频整体错位现象成片里字幕比声音早半秒出现全程稳定错位。原因视频生成时按 30fps 估算时长但某个片段实际输出 29.97fps微小偏差在几十秒里被放大成半秒到一秒。另一种情况是 srt 时间戳以剧本预估时长为基础而配音实际时长不同。解决先用 ffprobe 查看成片实际帧率ffprobe -v error -select_streams v:0 \ -show_entries streamavg_frame_rate \ -of defaultnoprint_wrappers1:nokey1 ep01_final.mp4如果输出显示 30000/1001说明就是 29.97fps。再用 4.3 节的命令强制 -r 30 统一帧率。字幕文件按实际音频时长做一次归一化。想根治把字幕生成从剧本阶段挪到配音完成后按音频波形切时间轴。5.5 坑五AI 配音断句错误语气全偏现象台词没写错但配音断句在奇怪位置告白被读成审讯。原因配音模型按标点和空格断句剧本化时为了短句节奏把长句拆太碎标点位置切断了语义。解决配音前跑一条断句修正脚本把不适合断句的逗号替换成空格或删掉。剧本阶段就要注意对白是否适合口语朗读书面语和口语断句习惯不同。配音生成后抽听前三条确认语气再批量跑别把一百集对白一次性喂进去。6. 批量短剧生产Toonflow 的并发、缓存与质量档位怎么调6.1 并发与重试批量生产阶段最先改的是并发数。Toonflow 默认并发偏高八条任务并行小显存直接爆。单卡 16G 显存并发 2 比较稳。更稳妥的是串行生成、并行下载素材把显存留给推理。同时开失败重试网络波动导致模型下载中断很常见重试能省掉盯盘时间。我习惯加重试上限并做通知连续失败三次就发提醒而不是无限重试。6.2 复用与档位第二个值得投入的是缓存复用。同一个场景、同一个角色多集反复出现底图存档复用。第一次跑全部镜头把通过的底图按角色和场景归入复用库后续集数的同场景镜头直接取用单集成本能降不少。质量档位也要分第一轮全部走快速档粗剪验剧情剧情值得投放后再对关键镜头用高精度档重出。这个策略把测试集成本砍掉一半。没有哪个 AI 工具能又快又好又便宜要分批加码。这条流程上我栽过的最大跟头是第一次批量导出把所有分镜都按最高质量生成结果一个反转剧情的分镜构图失败整个场景要重出预算白烧。此后我坚持先粗后精粗剪确认剧情线成立再用高精度重出关键镜头。希望这个习惯对你有用希望帮到你。本文还有配套的精品资源点击获取