CozyClay

CozyClay 是由开发者 Doyun（NomaDamas）发起并持续维护的开源浏览器端预演（Previs）工作室，核心定位是“在把镜头交给 AI 视频模型之前，先在一个便宜、可改的 3D 空间里把一切定下来——场景怎么搭、角色怎么动、镜头怎么走、在哪里切，都由你决定，而不是交给提示词去猜”。它不满足于做又一个“文生视频提示词优化器”，而是将 场景搭建、运动编译与 QA、镜头编排与剪辑、关键帧包导出、MCP 服务器与 AI 代理接入 整合于一套完整的开源体系中，全部配有 npx cozyclay 一行启动、无需 GPU、无需 Python、无需下载模型，以及 AGPL-3.0 开源协议。

一、CozyClay 是什么

CozyClay 采用“先做场景，再做视频（Make the scene first. Then make it a video.）”的核心理念，通过浏览器标签页运行，基于 Three.js 与 React Three Fiber 构建。项目由 Doyun 在 NomaDamas 创建并维护，安装门槛极低：npx cozyclay 就是全部安装步骤，需要 Node.js 22.19+ 和 Chromium 浏览器，不需要 GPU、Python 或模型下载，工作室默认在 http://127.0.0.1:5180/app/ 打开。

CozyClay 的运作机制与市面上所有“AI 视频工具”都有本质区别。它不负责让最终视频变漂亮，也不打算取代 Blender——它做的是更靠前、但经常被跳过的那一步：把“人物站哪儿、镜头离多远、视线有没有越轴、运动最后停在哪一帧”这些片场空间问题，从提示词里的几句形容词，变成 3D 空间里可编辑、可编译、可 QA 的对象。工作流清晰分层：Stage（搭建场景与角色）→ Move（描述动作，由确定性编译器逐帧烘焙并 QA 碰撞、脚滑、触及与手部接触）→ Shoot（在时间线上放置镜头、绘制移动轨道、透过镜头看）→ Export（导出首尾帧、灰盒参考片段、摄像机和提示词），再交给 AI 视频模型作为第一帧和参考。

二、CozyClay 能做什么

Stage——用图元搭场景，用骨骼角色或胶囊替身摆位（搭）——不是“在提示词里描述场景”，而是“像 3D 编辑器一样飞行视角、摆放道具、添加绑定好的角色”。当不需要移动肢体时，胶囊替身可以替代完整骨骼角色，让场景搭建保持轻量。

Move——描述动作，确定性编译器逐帧烘焙，QA 先于你看到（动）——不是“让模型猜动作”，而是“Agent 写运动规格，浏览器里的确定性编译器烘焙每一帧”，并在你看到结果之前检查碰撞、脚滑、触及范围和手部接触。

Shoot——时间线放镜头、画移动轨道、透过镜头看（镜）——不是“用文字描述运镜”，而是“在时间线上编排镜头与剪辑，绘制推轨轨道，透过镜头实际查看构图”。每个镜头都知道你所瞄准的视频模型的限制。

Export——首尾帧、灰盒片段、摄像机和提示词一起交付（导）——不是“只给一段提示词”，而是“导出关键帧包（第一帧和最后一帧、灰盒参考片段、摄像机、提示词）”，让 AI 视频模型跟随你的阻塞，而不是靠猜。

MCP 服务器与 AI 代理接入——让 Claude Desktop、Cursor 等直接操控场景（接）——不是“只能手动点”，而是“AI 助手可以通过 MCP 摆场景、放摄像机、编译角色运动，并用电影词汇读回镜头”，再将其转化为 AI 图像/视频提示词。项目还专门提供了 INSTALL_FOR_AGENTS.md 安装指南，让 AI 代理可以自动完成配置。

三、CozyClay 适合谁用

AI 视频创作者与独立制片人——受够了“同一个镜头描述跑十次得到十种理解”的抽卡式工作流。CozyClay 让你先在 3D 里把镜头定死，再让模型去执行，而不是让模型去猜。

分镜师与预演（Previs）从业者——需要快速搭建灰盒场景、验证运镜和剪辑节奏，但不希望一开始就进入重型 3D 软件。浏览器标签页里完成 Stage → Move → Shoot → Export 的完整预演循环。

AI 编码代理的重度用户——希望 Claude Desktop、Cursor 或其他 MCP 客户端能够直接操控一个 3D 场景来生成视频提示词，而不是只在聊天框里写文字。CozyClay 的 MCP 服务器正是为这种“代理直接操控场景”的工作流设计的。

不想被 GPU 和环境绑架的创作者——没有高端显卡、不想配 Python 环境、不想下载模型权重。npx cozyclay 一行启动，浏览器里跑，本地工作区。

四、CozyClay 的应用场景是什么

“先定镜头，再出视频”的 AI 视频制作场景——你用 CozyClay 搭好场景、摆好角色、在时间线上放好镜头和剪辑，导出首尾帧、灰盒片段和提示词，再把这一整包交给 Seedance、Kling、Veo 或你自己的模型。模型拿到的是有空间依据的参考，而不是一段模糊的文字。

分镜验证与运镜实验场景——在投入生成成本之前，先用灰盒和确定性运动编译验证“这个推轨镜头在时间上合不合理”“这个切点会不会越轴”“角色走到那个位置会不会撞到道具”。QA 在渲染之前就告诉你答案。

AI 代理驱动的场景搭建与提示词生成场景——你让 Claude Desktop 或 Cursor 通过 MCP 摆好一个场景、放好摄像机、编译一段运动，然后让它“用电影词汇读回这个镜头”，再自动生成图像/视频提示词。整个过程 Agent 直接操控 3D 场景，而不是只在文本层面猜测。

低成本预演与创意迭代场景——你有一个动作想法（比如一段跑酷跳跃），想快速看它在镜头里成不成立。CozyClay 的灰盒阻塞保留时序和摄像机，让你在几乎没有生成成本的情况下反复调整，直到镜头语言成立，再把同一组镜头交给 AI 视频模型。

五、CozyClay 为什么值得关注

从“提示词抽卡”到“先做场景再做视频”的范式转移。AI 视频最昂贵的一笔账不是生成费用，而是一个镜头失败就要重新付一次钱，而文字提示词根本握不住一整场戏——谁站在哪、怎么动、摄像机在哪、什么时候切。CozyClay 把决策提前到 3D 空间里，那里修改是便宜的；然后让视频模型拿到首帧、灰盒参考和真实构图描述去执行，而不是去猜。这种“先定后生成”的秩序，是它区别于所有文生视频工具最核心的价值。

把“镜头”变成可编译、可 QA 的对象。大多数 AI 视频工作流里，“运动”是一段文字，好坏全靠模型发挥。CozyClay 的 确定性编译器把运动规格逐帧烘焙，并在你看到之前 QA 碰撞、脚滑、触及范围、手部接触。这意味着“运动”从一个模糊的形容词，变成了一个有规格、有验证、可复现的工程对象。

浏览器原生 + 零 GPU 依赖——极低的使用门槛。npx cozyclay 就是全部安装，不需要 GPU、Python 或模型下载，基于 Three.js 和 React Three Fiber 在标签页里跑。在一个 AI 工具越来越重、越来越依赖本地算力的趋势中，这种“打开就能用”的轻量体验本身就是一种稀缺能力。

MCP + Agent 安装指南——为“代理原生”工作流做好准备。CozyClay 不仅是一个给人用的 3D 工作室，还提供了 MCP 服务器，让 Claude Desktop、Cursor 等 AI 助手可以直接摆场景、放摄像机、编译运动、读回镜头并生成提示词。同时提供 INSTALL_FOR_AGENTS.md，让 AI 代理能够自行完成安装和配置。这种“人和代理都能操作”的设计，在预演工具中极为罕见。

AGPL-3.0——强 copyleft 下的开放承诺。项目采用 AGPL-3.0 协议。这意味着如果你修改了 CozyClay 并作为网络服务提供，你也需要开源你的修改。对于一个可能被集成到商业 AI 视频流水线中的预演工具来说，这种协议选择在“开放”与“防止闭源分支掏空社区”之间划出了一条清晰的边界。

现实挑战与生态成熟度。CozyClay 并非没有短板。首先，它不负责最终视频的“漂亮”——它输出的是灰盒阻塞、参考片段和提示词，最终的画面质量仍然取决于你所选择的 AI 视频模型。其次，它需要 Node.js 22.19+ 和 Chromium 浏览器——虽然门槛不高，但并非零环境要求。再次，更新机制在 Windows 上有一处设计取舍——一键更新在 Windows 上被有意关闭，只提供可复制的命令。