printfilm
AI一站式短剧/漫剧创作平台，关键帧驱动实现角色一致的AI视频生成
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
AI一站式短剧/漫剧创作平台，关键帧驱动实现角色一致的AI视频生成
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。
如果你是一个短视频平台的短剧创作者，你一定有过这样的经历：花了两周写好剧本，好不容易找到演员，又为场地、道具、灯光焦头烂额——最后剪辑出来，播放量只有 200。这种"投入产出比"的极度失衡，困扰着无数有创意却缺乏资源的创作者。
AI 漫剧工场（Print Film）正是为解决这个痛点而生。这是一个面向短剧、漫剧、动态漫画与影视分镜创作者的 AI 一站式生产工作台，核心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。创作者不再需要真实演员和实景拍摄，只需几步操作，就能生成角色定妆、场景画面和动态视频。
截至目前，该项目在 GitHub 获得 2726 颗 stars，被标记为 AI 与视频生成领域的活跃项目，显示出市场对这类工具的强烈需求。
传统 Text-to-Video 工具的最大痛点是什么？角色一致性差——第一帧是长发女主，第十帧变成了短发大叔；构图不可控——想要一个仰拍镜头，结果出来的是正面平视；镜头语言缺失——画面在动，但没有"运镜"的感觉。
AI 漫剧工场引入了一个来自传统影视制作的概念——关键帧（Keyframe）。在动画和影视分镜中，关键帧定义了镜头运动的起止位置和画面状态，动画师负责在关键帧之间"补间"（interpolate）生成中间帧。Print Film 将这个理念移植到 AI 生成领域：
图1：项目管理界面，创作者可在同一项目中管理剧本、资产与导出文件
AI 漫剧工场将整个创作流程拆解为四个清晰的阶段，遵循 Script-to-Asset-to-Keyframe 工作流：
这一阶段解决的是"剧本"和"分镜"的问题。创作者只需输入一个故事想法，系统会基于 AI 自动生成剧本和对白分镜。分镜的每一格都有明确的景别描述（全景、中景、特写）、镜头运动（推、拉、摇、移）建议，以及场景和角色标注。这比传统"写完剧本再自己想镜头"的方式效率提升数倍，也让没有影视专业知识的新手也能做出有电影感的分镜。
资产（Asset）生成阶段的核心任务是为整个项目建立视觉资产库。系统会生成：
这些资产会被存储在项目内部，后续所有画面生成都会引用它们，从而保证视觉一致性。打个比方，就像在正式拍摄前，美术指导先做好"视觉Bible"——整个团队的创作都围绕这份参考资料展开。
图2：剧本创作界面，AI 自动生成剧本和分镜描述
这是整个工具的核心——一个可视化关键帧编辑器。创作者在每个镜头中定义起始帧和结束帧的具体画面内容，AI 自动在两者之间生成运动视频。界面上可以直接调整镜头类型（定场镜头、主镜头、特写等）和运动方向（从左到右推、从右到左拉等）。
这种"关键帧+AI插值"的模式，对比纯提示词驱动的视频生成工具，具有显著优势：
最后阶段负责统一预览和导出。创作者可以预览整个项目的完整流程，检查每个镜头的衔接流畅度和视觉一致性，确认无误后批量导出关键帧图片和视频片段。导出的素材可以直接用于专业剪辑软件（如 Premiere、Final Cut）做后期精剪。
从代码结构来看，AI 漫剧工场的架构非常务实——它本质上是一个 React 单页应用，后端 AI 能力完全依赖外部 API（GitCC 平台）。
前端技术栈：
/api-proxy 请求转发至 GitCC 后端构建与分发：
项目结构模块化：
components/：UI 组件（Sidebar、StageScript、StageAssets、StageDirector、StageExport、StagePrompts、Dashboard 等）services/：核心服务（storageService 持久化项目状态、geminiService 管理 API Key、renderLogService 处理渲染日志）types/：TypeScript 类型定义
图3：制片导出界面，统一预览并导出关键帧和视频片段
AI 漫剧工场在部署方面的体验几乎无可挑剔。Dockerfile 采用了业界最佳实践的多阶段构建——Builder 阶段安装完整的 npm 依赖（含 devDependencies），Runtime 阶段仅复制 build 产物和 nginx 配置，最终镜像极小。
最简部署只需三行命令：
docker-compose up -d --build
# 等待构建完成后访问 http://localhost:3005
docker-compose.yaml 自动创建隔离网络、配置端口映射和重启策略，开发者完全不需要理解 Docker 的细节。桌面版用户甚至不需要安装 Docker，直接运行 exe 安装包即可。
必须指出的是，AI 漫剧工场并非没有局限性：
1. AI 能力完全依赖外部 API：项目本身不包含任何 AI 模型，实际生成能力由 GitCC 平台提供。这意味着：
2. 视频生成质量受限于底层模型：当前 AI 视频生成技术仍在发展中，运动连贯性、物理规律遵守、文字渲染等方面仍有不足。用关键帧约束可以改善构图和角色一致性，但无法根本解决 AI 视频的固有缺陷。
3. 无本地化 AI 推理选项：项目没有提供本地部署 AI 模型的可能性，所有生成都需要联网调用 API，对网络条件有要求。
4. 平台锁定风险：所有项目数据和 API Key 配置存储在本地 IndexedDB（通过 storageService），如果 GitCC 平台变更 API 接口或停止服务，现有项目可能面临迁移困难。
AI 漫剧工场所代表的，是 AIGC 工具从"通用生成"向"垂直场景工作流"演进的趋势。2024-2025 年，视频生成 AI 的核心竞争已经从"能不能生成视频"转向"能不能生成可用视频"——关键帧驱动的创作范式，正在成为行业共识。
类似的概念在 Runway、Pika、可灵（Kling）等头部产品中也有体现，但 Print Film 的独特之处在于它面向中文短剧这一垂直市场，内置了分镜叙事逻辑，而非通用视频生成。短剧/微短剧是中国独有的内容形态，海外工具难以满足这一细分需求。
从项目活跃度来看（最后更新 2026-07-02），作者仍在持续迭代。随着 AI 视频模型能力的持续提升，关键帧→插值生成的工作流将越来越接近专业影视制作的标准流程，这类工具的实用价值也会随之增长。
# Docker 方式（一键启动）
git clone https://github.com/yuanzhongqiao/printfilm.git
cd printfilm
docker-compose up -d --build
# 访问 http://localhost:3005
# 本地开发
npm install
npm run dev
# 桌面版
npm run electron:build:win
# 在 release/ 目录找到 AI 漫剧工场 Setup xxx.exe
启动后，在"模型配置"中填入 GitCC API Key，即可开始创作你的第一部 AI 漫剧。
本文档由 PIFS 智能分析系统生成，基于 yuanzhongqiao/printfilm 公开代码仓库分析。数据截至 2026-07-03。