forge-film

F-R-L/forge-film 是目前开源生态中唯一将关键路径法（CPM）调度与多模型语义路由深度结合的 AI 影视生成引擎。它由独立开发者 F-R-L 创建，采用 MIT 许可证，主分支为 main，目前版本为 0.1.0（Alpha 阶段）。

图1：Forge 项目横幅

一、痛点：从 AI 绘图到 AI 拍片的鸿沟

2024 年起，Sora、Kling、Runway Gen-3、CogVideoX 等文生视频模型陆续开放，AI 生成单段视频的能力已相当成熟。然而，制作一个完整的多场景短片——比如一段 6 场戏的侦探故事——在实际操作中仍然极其繁琐：

场景 A 走 Kling，场景 B 走 CogVideoX，场景 C 走 Seedance——三个平台来回登录，手动下载帧。不同模型的色彩风格差异巨大，直接拼接会产生明显的色调跳变。8 场戏的短片，仅在各平台之间来回操作就能耗掉大半天。

Forge 正是为解决这个「最后一公里」问题而生的。 它将整条多场景 AI 影视制作流水线自动化：故事文本 -> DAG 依赖图 -> 多模型并行生成 -> 跨模型色彩校准 -> 最终视频拼接，一条命令搞定。

二、核心能力：三个关键技术点

1. 故事 -> DAG：LLM 驱动的场景图编译

用户只需提供一段纯文本故事（如 examples/detective.txt），Forge 内置的 VisionCompiler 调用 GPT-4o/Claude/DeepSeek 将其编译为场景依赖图（Scene Graph）。每个节点代表一个场景，边代表叙事依赖关系（如「侦探发现地下室」依赖「侦探找到钥匙」）。

这一步骤的本质是将叙事逻辑转化为可计算的调度约束。代码中，compiler/vision_compiler.py 负责调用 LLM 解析，compiler/schema.py 定义了 Scene、ProductionPlan、Asset 等 Pydantic 数据模型。

2. CPM 并行调度：将拓扑序变为关键路径最优

图2：场景 DAG 依赖图示意

传统的 AI 生成流水线是串行的：等场景 A 生成完，再生成场景 B。Forge 的核心创新在于引入关键路径法（Critical Path Method）——在 DAG 中找出最长依赖链（如 S1->S2->S4->S6），将其设为最高优先级；同时识别出可并行执行的无依赖节点（如 S1 和 S3 在 t=0 同时启动）。

以 6 场戏侦探故事为例：关键路径为 S1 -> S2 -> S4 -> S6。使用 4 个 worker 时，估算总耗时从 30 分钟（串行）降至 20 分钟，加速比随场景独立性而扩展。Scheduler 实现（scheduler/scheduler.py）基于 Python asyncio + heapq 优先级队列，支持 N 个 worker 并发执行，单场景失败自动重试（指数退避，最多 2 次）。

3. 跨模型色彩校准：消除拼接断层

图3：跨模型色彩连续性校准流程

这是 Forge 最有技术含量的细节之一。当场景 B（CogVideoX）紧随场景 A（Kling）时，两者色彩风格迥异——直接拼接会产生明显的色调跳变。

continuity/color_calibration.py 中的 ColorCalibrator 自动执行：提取场景 A 的最后一帧 -> 对该帧做 BGR 三通道直方图匹配 -> 将校正后的帧作为场景 B 的 i2v（图生视频）种子图传入。效果是跨模型边界实现平滑过渡，无需任何手动调色。代码支持两种校准方法：histogram（默认，快速）和 mean_std（简化退路），若 opencv 或 numpy 不可用则静默回退。

三、架构设计：可插拔的模块化插件架构

图4：Forge 系统架构

Forge 的架构遵循严格的依赖倒置原则，所有视频后端都继承 BasePipeline 抽象类，只需实现 generate() 方法，新增一个后端只需约 50 行代码。Router 通过 forge.yaml 中的 routing 字段将场景类型（dialogue/action/landscape）映射到具体后端。

四、Web UI + CLI 双入口

Forge 同时提供 Gradio Web UI 和命令行两种交互方式。

图5：Gradio Web UI 界面

# 规划阶段：查看 DAG 和路由方案（不实际生成）
forge plan examples/detective.txt --scenes 6

# 执行阶段：并行生成
forge run examples/detective.txt --workers 4

五、部署评估

安装方式： pip install forge-film，或从源码 pip install -e . 安装。

硬件需求（分两种模式）：

不支持 Docker 一键部署：项目无 Dockerfile 和 docker-compose.yml，部署文档依赖手动配置环境变量（OPENAI_API_KEY、KLING_API_KEY 等）。Python 版本要求 3.11+，必须预装 ffmpeg。

六、局限性

1. v0.1.0 Alpha：Roadmap 中 Seedance 后端、Wan 2.x 后端尚未实现，生产环境使用需谨慎。

2. API 成本：Kling/Seedance 按秒计费，大规模使用成本不可忽视。CogVideoX 本地后端虽免费但需要 GPU。

3. VLM 校验默认关闭：可能增加跨场景内容漂移风险。

图6：并行调度性能基准测试