dramaclaw

让任何人都能拥有自己的「短剧工厂」

凌晨两点，一位独立创作者在家里打开了电脑。她没有专业团队，没有百万预算，只有一部写了一半的玄幻小说和一台普通笔记本。她在 DramaClaw 里导入小说文本，选择「玄幻」风格模板，点击生成——然后去洗了个澡。回来时，她的分镜图、角色设定、场景资产、语音合成旁白和第一集成片，全部已经在任务中心里排队等候。

这不是 PPT 演示。这是 DramaClaw 真实的生产场景。

DramaClaw 背后的团队（一位署名 Eric 的开发者）每天都在用这套流水线生产真实短剧并上线平台。他们把源代码完整开源，告诉所有创作者：工业化视频生产能力不是 Big Tech 的专属特权。

---

短剧生产的「最后一公里」困境

2025 年到 2026 年，AI 视频生成技术迎来了爆发式增长。从 Runway 到 Pika，从 Sora 到可灵，市场上从来不缺单点工具。但当你真正想制作一部 58 集的短剧时，会发现一个残酷的现实：没有一套工具能把整个流程串起来。

你需要小说 → 剧本的转换能力，但大多数工具只能生成图像或短视频；你需要角色在 58 集里保持一致，但图像生成模型默认每次都会画出新面孔；你需要分镜和旁白同步制作，但剪映和 Midjourney 之间隔着一整个 Excel 表。

市场给出了大量「超级工具」，却缺少一套「生产线」。

DramaClaw 回答的问题不是「AI 能不能生成视频」，而是：从一部小说到一集成片，整条链路如何自动化、如何保持一致性、如何在普通设备上跑起来。

---

架构：从单点生成到工业流水线

DramaClaw 的架构设计逻辑非常清晰——把短剧生产拆解为标准化的独立阶段，每个阶段专注做好一件事，阶段之间通过结构化数据传递。

核心引擎：Python 后端 + React 前端

后端基于 FastAPI 构建 REST API，核心推理逻辑通过 OpenAI 兼容网关调用远程模型，本地无需 GPU。这套设计让 DramaClaw 可以在普通笔记本或小内存 VPS 上运行，突破了传统视频 AI 工具的硬件门槛。

前端是 React 构建的暗色工作台，包含任务中心、资产库、可视化编辑器等模块。

Python 依赖中几个值得关注的点：

• pydantic-ai：项目使用 pydantic-ai 1.107.0 构建 Agent，当前处于 1.x 到 2.x 迁移期
• litellm：统一调用各种 LLM（OpenAI、Anthropic、Google、OpenRouter）的网关，DramaClaw 的模型无关性主要靠它实现
• cognee：图谱引擎，负责将小说文本解析为角色关系网络
• edge-tts / dashscope：多语言语音合成，支持微软 Edge TTS 和阿里通义语音
• Celery：异步任务队列，用于后台生成任务的调度

五大核心模块

① 小说解析 & 故事图谱

导入小说文本后，DramaClaw 用 NLP + LLM 将内容解析为可查询的图谱：角色列表、角色间关系、时间线、关键道具和场景。这套图谱作为后续所有生成步骤的事实源头，保证角色名称、关系设定、世界观规则在全流程中保持一致。

② 资产库管理

角色、场景、道具、声音统一进入资产库。角色资产包含基础形象设定图、每集变体图、形象描述提示词、音色选择。关键特性是跨集身份一致性：选定某角色第 1 集的形象后，后续所有集数生成都会以锁定提示词保持面孔一致，不会出现「主角换了张脸」的问题。

③ 分集规划 & 叙事节奏

系统自动进行章节分割、节拍（beat）规划和多集弧线设计。每集的起承转合被量化为可视化节拍点，作者可以手动调整节奏分布。

④ 分镜 & 首帧图生成

节拍驱动的风格化图像生成：根据剧本中的镜头描述，生成对应的分镜图和首帧图。支持线稿草图模式，可以先出草图确认构图，再生正式图。图像生成后支持网格分割和图池选择。

⑤ 语音合成 & 视频剪辑

情感感知的语音合成：系统根据台词的情感标签调用不同的语音引擎参数。多角色对话可配置不同音色。视频合成模块整合 ffmpeg 进行最终剪辑，输出 MP4 视频文件 + 字幕文件 + 完整资产包。

---

两大杀手级特性：Freezone 和 3GS 世界模型

Freezone：无限画布 + 节点式探索

Freezone 是一个节点式视觉工作台，创作者可以拖入项目资产，用自然语言描述想看的画面，让 AI 生成候选图像或视频片段，从中挑选满意的作品，提升回资产库，供主线使用。

这套双轨机制解决了 AI 生成中最恼人的问题：主流程要求一致性，但创意探索需要随机性。Freezone 允许你毫无顾虑地探索各种可能，找到最好的方案后再纳入正式流水线。

3GS：帧级虚拟片场

3GS（Scene Variants / 世界模型）是 DramaClaw 的空间一致性解决方案。它的思路是：在视频生成之前，先建立一个「虚拟片场」。

这个虚拟片场包含：空间结构（房间布局、建筑外观）、角色走位（blocking）、摄像机位置和运动轨迹。锁定这三个要素后，无论同一场景出现多少个镜头，空间始终保持一致。

---

AI 导演助理：Xia Director

Xia Director 是一个对话式 AI 助理，你可以用自然语言问它：

• 「目前第几集的生产进度？」
• 「第 3 章的镜头脚本还需要补充什么？」
• 「推荐下一个优先推进的任务是什么？」

它会自动查询项目状态、审计交付物完整性，并给出建议。

---

Token 经济学：比单 Agent 方案节省 70-89%

一次包含 11 个独立模型会话的真实生产任务，总共消耗 176,584 Token。如果用单 Agent 长链方案，Token 消耗估算为 595,000 到 1,610,000 不等——最高是 DramaClaw 的 9.1 倍。

差距来自 DramaClaw 的节点级上下文隔离：每个模型只读取自己需要的局部上下文，不需要背负完整历史。

---

竞品对比

能力	Runway	Pika	Sora	可灵	DramaClaw
分镜预览	◐	✅	◐	✅	✅
资产库	◐	❌	◐	✅	✅
多集内容	◐	◐	◐	✅	✅
空间一致性	✅	◐	❌	❌	✅
本地部署	❌	❌	❌	❌	✅
短剧专用流水线	❌	❌	❌	❌	✅

---

License 争议：Source Available 而非真正的开源

DramaClaw 使用的是 Elastic License 2.0（部分模块 Apache 2.0），这是一个「有条件的开源」许可证。可以查看、使用、修改、分发源代码，可以用于商业产品，但不能直接提供云服务。

---

总结

维度	评估
定位	AIGC 短剧工业化生产平台
核心能力	全链路流水线、角色一致性、Freezone 探索、3GS 世界模型、AI 导演助理
技术栈	Python + FastAPI + React + pydantic-ai + litellm + cognee + Celery
部署难度	简单（Docker 一键，官方镜像）
硬件需求	无需 GPU，普通笔记本可跑
License	Elastic 2.0（Source Available）
适用人群	短剧创作者、独立工作室、AI 视频研究者
推荐指数	⭐⭐⭐⭐⭐（短剧生产首选工具）