deep-printfilm：把剧本、角色和关键帧串起来的 AI 漫剧工场
AI 一站式短剧/漫剧生成平台
Industrial AI Motion Comic & Video Workbench
AI 漫剧工场 是一个面向短剧、漫剧、动态漫画与影视分镜创作者的 AI 生产工作台，目标是把故事创意快速转化为可预览、可导出、可继续剪辑的视觉资产与视频片段。
项目采用 Script-to-Asset-to-Keyframe 工作流：先完成剧情与分镜，再生成角色/场景资产，随后在 AI工作台中制作关键帧与视频，最后统一预览和导出。
普通电脑安装文件支持windows
Windows : 安装文件https://github.com/yuanzhongqiao/deep-printfilm/archive/refs/tags/PrintFilmPro-V-0.8.03.zip
传统 Text-to-Video 往往难以稳定控制角色、构图和镜头起止画面。AI 漫剧工场引入动画与影视制作中的关键帧思路：
- 先画后动：先生成镜头的起始帧与结束帧。
- 插值生成：通过视频模型在关键帧之间生成运动过渡。
- 资产约束：画面生成会参考角色定妆、服装变体和场景概念图，提升角色一致性与场景连续性。
- 流程化生产：每个阶段都围绕同一个项目状态推进，减少反复复制提示词和手工整理资产的成本。
剧情创作阶段用于把故事、小说片段或短剧创意整理为可生产的结构化内容。
- 智能剧本拆解：输入故事大纲或正文，AI 自动生成剧本结构、角色、场景和分镜。
- 分镜规划：按目标时长和节奏生成镜头列表，包含动作、台词、画面提示词等信息。
- 视觉化翻译：将文字描述转为更适合图像生成模型使用的画面提示词。
- 手动编辑：支持编辑角色描述、场景描述、镜头动作、台词和分镜画面提示词。
- 项目配置：支持目标时长、语言、模型和视觉风格等基础参数。
场景角色阶段用于沉淀后续画面生成需要使用的核心视觉资产。
- 角色定妆：为每个角色生成标准参考图。
- 服装变体：为角色维护多套造型，如日常、战斗、受伤、礼服等。
- 场景概念图：为故事中的关键场景生成环境参考图。
- 图片上传：支持手动上传角色、服装或场景图片作为参考资产。
- 批量生成：可以按角色或场景批量生成资产，减少重复操作。
AI工作台是关键帧与视频片段制作的核心区域。
- 镜头管理：以网格和工作台形式管理所有镜头。
- 关键帧生成：为镜头生成起始帧和结束帧，便于控制构图和动作变化。
- 上下文参考：生成时会结合当前场景、角色定妆和服装变体，提升连续性。
- 镜头拆分：支持将长镜头拆分为子镜头，细化动作节奏。
- 视频生成：支持基于关键帧的视频生成流程，并记录渲染日志与状态。
制片导出阶段用于集中预览、检查和下载项目成果。
- 时间轴预览：按镜头顺序查看已生成的视频片段。
- 视频播放：支持逐段预览镜头成片。
- 渲染日志：集中查看角色、场景、关键帧和视频生成记录。
- 资产下载：导出关键帧、视频片段和项目资产，便于进入后期剪辑流程。
资产管理用于集中查看和调整项目中的提示词资产。
- 角色提示词：查看与编辑角色、服装变体相关提示词。
- 场景提示词：查看与编辑场景描述和图像提示词。
- 关键帧提示词：查看与编辑镜头关键帧提示词。
- 视频提示词：查看和调整视频生成描述。
- 搜索与筛选：按角色、场景、镜头和状态快速定位资产。
- 前端框架：React 19 + TypeScript + Vite
- 界面样式：Tailwind CSS + 工业风深色界面
- 图标库：lucide-react
- 本地存储：IndexedDB，用于保存项目、角色、场景、镜头和生成记录
- AI 接口：GitCC API，兼容 OpenAI 风格接口
- 图片/视频资产：支持 Base64、远程 URL、关键帧图像与视频片段
- 桌面端：Electron + electron-builder
- 容器部署：Docker + Nginx
项目默认围绕 GitCC API 提供的文本、图像与视频模型组织工作流：
- 文本模型：用于剧本拆解、角色/场景分析、提示词改写和视频描述生成。
- 图像模型：用于角色定妆、服装变体、场景概念图和关键帧生成。
- 视频模型：用于根据提示词、起始帧或起止关键帧生成视频片段。
模型配置可以在应用内调整，适配不同上游模型名称、接口路径和参数。
- 项目数据主要保存在浏览器 IndexedDB 中。
- API Key 保存在本地配置中，用于调用 GitCC API。
- 应用不依赖自建业务后端，开发和桌面端会通过代理解决浏览器跨域问题。
- 若清理浏览器站点数据，项目内容也会被清除，请按需导出备份。
🗂️ 项目技术栈
| 层级 | 技术 |
|---|---|
| 前端框架 | React 19 + TypeScript + Vite |
| 样式 | Tailwind CSS（深色工业风） |
| 存储 | IndexedDB（浏览器本地） |
| AI 接口 | GitCC API（需填 Key） |
| 桌面端 | Electron + electron-builder |
| 容器 | Docker + Nginx |
🚀 方式一：Docker 部署（推荐，最省事）
git clone https://github.com/yuanzhongqiao/deep-printfilm.git
cd deep-printfilm
docker-compose up -d --build
docker-compose logs -f # 查看日志
- 访问地址：
http://localhost:3005 - 自动生成镜像
ai-manga-studio:latest - Nginx 托管前端静态文件，代理
/api-proxy到 GitCC API
🖥️ 方式二：本地开发
git clone https://github.com/yuanzhongqiao/deep-printfilm.git
cd deep-printfilm
npm install
npm run dev
启动后访问终端输出的本地地址（Vite 会代理 /api-proxy 到 GitCC API）。
📦 方式三：桌面端（Windows exe）
npm install
npm run electron:build:win
安装包输出到 release/ 目录，产品名为 AI Manga Studio。
⚙️ 启动后必做
填写 GitCC API Key（应用内「模型配置」），否则无法调用 AI 生成功能。
📁 核心目录结构
├── Dockerfile / docker-compose.yaml # 容器化
├── nginx.conf # Nginx 反向代理配置
├── electron/ # 桌面端相关
├── src/
│ ├── StageScript/ # Phase 01 剧情创作
│ ├── StageAssets/ # Phase 02 场景角色
│ ├── StageDirector/ # Phase 03 AI工作台
│ └── StageExport/ # Phase 04 制片导出
💡 总结建议
| 场景 | 推荐方式 |
|---|---|
| 快速尝鲜 | Docker（一条命令跑完） |
| 想本地改代码调试 | npm run dev |
| 给非技术同学用 | 下载 Windows 安装包 |
最简部署路线： Docker 路线最干净，不依赖本机 Node 环境，一条 docker-compose up -d 搞定。要试吗？
- 短剧和漫剧前期开发
- 动态漫画和分镜预演
- 角色与场景视觉设定
- AI视频片段批量生成
- 创意原型验证和资产整理
AI 视频最麻烦的地方，往往不是生成，而是前后接不上
传统的散装操作中，提示词的连贯性和资产管理全靠脑子记。上一秒主角穿西装，下一秒就变夹克，为了修这些 Bug，创作者只能在各个工具之间来回复制粘贴。
deep-printfilm 采用的是 Script-to-Asset-to-Keyframe（剧本-资产-关键帧）逻辑。在这个后台里，你可以先输入故事大纲拆成分镜，然后生成角色的基础定妆照和各套服装变体。最后在生成视频片段时，让模型尽量参考这些已经定好的视觉资产。
deep-printfilm 如何把剧本、角色和关键帧串起来
这个工具并没有试图搞个“一键出片”的噱头，而是把工作流切分得很清晰实在：
第一步先搞定文本（剧本和分镜节奏）；第二步确立视觉资产（角色、服装和环境概念图）；第三步才是真正的生成工作台。在这个核心操作区，所有的镜头都以网格形式管理。你可以为每个镜头生成起始关键帧，再基于关键帧去跑视频。
这种做法最大的好处，是把原本散落在 txt 记事本、图片文件夹和生成记录里的素材，集中到同一个项目里管理。
本地部署不等于完全离线，API 和数据备份要提前想清楚
目前该项目在GitHub上已有接近千星关注，并发布了正式的 Release 版本，属于近期关注度上升较快的新工具。
对于小白用户，开发者提供了基于 Electron 打包的 Windows 桌面端直接安装。但如果你本身有 Docker 部署经验，也可以把它跑在服务器、NAS 或本地开发环境里，它也完全支持 Docker 服务端部署或本地开发环境运行。
不过在部署和使用之前，有几件事需要提前确认：
适合折腾 AI 短剧的人，不适合一键出片幻想
如果你已经跑通过一两次 AI 视频流程，受够了频繁切换窗口的折磨，deep-printfilm 是一个思路很对、能帮你省下大量项目管理精力的提效工具。
但如果你是完全没接触过 API 调用的纯新手，指望下载安装后点个按钮就能吐出一部能赚钱的短剧，那它不适合你。真正的门槛永远不在于工作台的安装，而在于你如何写出好的提示词，以及搞定稳定且高性价比的模型接口。
建议普通用户可以先做个小范围试用，跑通一个几十秒的短片看看效果，再决定要不要把它作为主力的生产工具。
deep-printfilm帮你管的是流程，不是替你拍片
deep-printfilm 真正有用的地方，不是让 AI 突然变得更会拍视频，而是把原本散落的剧本、角色设定、场景参考、关键帧和视频片段放进同一个项目里。对已经折腾过 AI 视频的人来说，这种“把东西管清楚”的能力，反而比多一个生成按钮更实际。
如果你期待的是下载安装后自动生成一部完整短剧，它大概率会让你失望。但如果你已经有自己的剧本、角色设定和生成流程，只是受够了文件夹混乱、提示词散落和镜头前后接不上的问题，那它确实值得试一试。