Toonflow-app
HBAI-Ltd/Toonflow-app加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一个场景： 你花了两周写完一篇短篇小说，正兴奋地想把它变成一部动画短剧发布到抖音——但一想到要找画师、谈配音、盯制作，光是成本就要好几万，工期少说一两个月，这个念头就被劝退了。现在，有一个工具可以让这个流程缩短到几十分钟。
Toonflow 正是为解决这个痛点而生的。它将小说、剧本快速转化为动画短剧，集成 AI 编剧、智能分镜、角色生成、视频合成于一身，支持一键打包成跨平台桌面应用，真正做到「输入文字，输出视频」。
Toonflow 标志
Toonflow 由 HBAI-Ltd 开发维护，背后是一支专注于 AI 内容创作工具的团队。项目于 2024 年中启动仓库，Apache-2.0 开源协议，目标明确——降低短剧/漫画/动画内容生产的门槛，让独立创作者也能批量产出视觉内容。
当前 GitHub Stars 超过 9100，项目同步维护中英文在内的 6 种语言文档，并配备完整的数据目录结构（data/）、许可证管理（scripts/license.ts），社区活跃度在同类 AI 视频创作工具中处于中等偏上水平。
从技术定位来看，Toonflow 介于纯技术框架（如 FFmpeg CLI）和大型商业 SaaS（如 HeyGen）之间——既有完整的开源代码可自托管，也有开箱即用的桌面客户端，适合有一定动手能力的创作者。
Toonflow 的创作流程分为四个核心阶段，形成了一套完整的 AIGC 内容生产管线：
对接主流大语言模型 API（支持 Claude、DeepSeek、OpenAI、Google、X.AI 等多个 Provider），输入小说或故事大纲，AI 自动生成符合短剧结构的剧本。剧本以结构化数据存储，便于后续分镜处理。
基于剧本内容，AI 自动拆解为多个分镜，每个分镜包含：画面描述、角色设置、场景背景、对白文字。分镜结果以可视化界面呈现，创作者可手动调整不满意的部分。
调用 @huggingface/transformers 在本地运行图像生成模型（基于 Transformers.js），无需云端 API 即可生成与剧本匹配的角色立绘和表情素材。支持角色一致性绑定——同一角色在不同场景中保持外观统一。
将分镜图片按时间线排列，结合对白音频，输出为 MP4 视频文件。视频生成部分支持调用外部视频生成 API（与图像生成解耦），用户可灵活选择免费本地方案或付费云端方案。
一个完整工作流的耗时估算（以 3 分钟短剧为例）：
从代码结构来看，Toonflow 采用典型的前后端一体桌面应用架构：
前端层：Vue 3 + TypeScript + Vite 构建工具链，提供跨平台一致的 UI 界面。Electron 负责桌面打包，运行 scripts/main.ts 启动主进程。
后端层：Express 5 + Socket.IO 提供本地 API 服务，端口 10588，支撑前端与 AI 模型之间的通信。所有 AI 调用通过 ai SDK（Vercel AI SDK）统一封装，支持流式输出（Streaming）。
数据层：SQLite 3（better-sqlite3）本地存储剧本、分镜、角色等业务数据，无需额外部署数据库。knex 作为 ORM 工具管理数据库迁移和查询。
AI 层：
@ai-sdk/anthropic、@ai-sdk/openai 等封装，支持 Claude、GPT、Gemini 等主流模型@huggingface/transformers 基于 WebAssembly/WASM，在浏览器或 Node.js 环境中直接运行图像生成模型，无需 NVIDIA GPUsharp 库处理图片格式转换、缩略图生成等关键依赖一览：
| 组件 | 技术选型 | 作用 |
|---|---|---|
| 前端框架 | Vue 3 + TypeScript | 响应式 UI |
| 桌面打包 | Electron 40 | 跨平台客户端 |
| 后端服务 | Express 5 + Socket.IO | REST + WebSocket |
| AI SDK | Vercel AI SDK (ai v6) | 多 Provider 统一调用 |
| 本地模型 | HuggingFace Transformers.js | 浏览器端图像生成 |
| 数据库 | SQLite 3 | 本地持久化 |
| 图像处理 | Sharp | 图片格式转换 |
下载官方打包的安装包（Windows NSIS 安装包、macOS DMG、Linux AppImage），直接运行，无需配置任何环境。适合 Windows/macOS/Linux 用户，5 分钟上手。
官方提供 Dockerfile，基于 node:24-bookworm-slim，端口 10588。安装前会自动移除 Electron 相关包，仅安装后端服务，镜像体积更小：
docker build -t toonflow .
docker run -p 10588:10588 toonflow
后端启动后，通过浏览器访问 http://localhost:10588 即可使用 Web 界面。注意：AI 功能仍需配置 API Key 或本地模型路径。
git clone https://github.com/HBAI-Ltd/Toonflow-app
cd Toonflow-app
yarn install
yarn dev:gui # 启动带 GUI 的 Electron 开发模式
# 或
yarn build && yarn dist # 构建生产包
硬件需求：
1. 视频生成依赖外部 API 项目内置的视频合成能力较弱，最终视频质量高度依赖外部视频生成服务（如 Runway、Pika 等），本地化程度有限。图像生成虽然支持本地 Transformers.js，但效果与云端 SDXL 等模型仍有差距。
2. Electron 跨平台一致性挑战 Electron 应用在 Windows/macOS/Linux 上的视觉呈现存在差异，官方 Windows 打包配置完善（NSIS 安装器、图标、自定义卸载页面），但 macOS/Linux 打包说明相对简略。
3. 技术债：部分依赖存在安全风险
vm2（已知 CVE 安全漏洞）：在 dependencies 中依赖，用于脚本隔离，建议替换sharp 包含二进制，在 ARM 设备（如 Apple Silicon Mac）上需要源码编译4. 商业化路径不明 项目 2024 年中启动，文档中未见明确的商业化路线，如何在开源与可持续之间平衡是长期挑战。
2024-2025 年，AI 短剧/短视频创作是 AIGC 落地最活跃的赛道之一。从 Runway Gen-2/Gen-3 到 Pika，再到国内的即梦、海螺、快手可灵，资本和用户都在追逐「一句话生成视频」的终极目标。
Toonflow 的差异化在于开源 + 本地化——它不依赖任何单一厂商的 API，而是通过模块化架构让用户自由选择最合适的 AI 模型组合。在 AI 监管趋严、API 成本波动的背景下，这种灵活性具有长期战略价值。
随着 Transformer.js 在浏览器端的能力增强，以及开源视频模型（如 CogVideoX、Open-Sora）的成熟，Toonflow 有望成为创作者手里的「AI 短剧工作站」。
第一步：获取安装包 访问 GitHub Releases 页面，下载对应平台的安装包：
ToonFlow-{VERSION}-win-setup.exeToonFlow-{VERSION}-mac.dmgToonFlow-{VERSION}-linux.AppImage第二步：配置 AI API（可选，推荐使用） 支持多种 AI Provider，推荐使用 Claude（剧本质量）或 DeepSeek（性价比）：
ANTHROPIC_API_KEYOPENAI_API_KEYDEEPSEEK_API_KEYZHIPU_API_KEY第三步：开始创作
整个过程无需编程基础，适合内容创作者、短视频博主、教育工作者等非技术用户。
本分析基于 GitHub 仓库源码（master 分支 v1_1_7）生成，数据截止 2026-05-29。