83 个专业 Agent、13 个制作部门,从小说改编、资产设计、分镜运镜到成片发布全流程自动化,每一步都有人工确认闸门兜底。开源、本地运行,数据不上传。
传统视频团队从「一分钟 AI 短剧」转向「十分钟级 AI 中长剧」时,普遍会撞上同一批问题。
以下每一条解法均可在产品代码仓库中找到对应的 Agent 职责定义,没有代码依据的能力一律不写。
传统实拍剧组有道具库、服装库来保证"这件东西全程长一个样";视频数码体把这套逻辑做成了文件化的资产系统:
横屏中长剧最考验的长镜头调度、多人同框、景别切换,视频数码体用结构化的分镜与空间标注来处理:
视频数码体设了专门的 Prompt Agent,把导演的分镜设计"翻译"成生成模型能精确执行的指令:
针对台词场景与情绪高点场次,Prompt Agent 会把"这场戏该怎么演"拆解成可执行的表演节拍:说话前的状态、说到关键词时脸部哪个区域怎么动、呼吸停顿在哪、说完后停在什么状态——把导演的表演意图变成模型看得懂的具体证据,而不是一句"情绪要到位"。
视频数码体在世界观、角色资产、美术风格、剧本、每集分镜、每集生成画面、成片、发布 8 个关键节点都设了人工确认闸门(签字后才能进入下一阶段)。这意味着问题能在早期(比如角色形象、风格没定对)就被拦下签字环节重来,而不是等到成片阶段才发现要推倒重做。
视频数码体的角色形象是角色概念 Agent根据角色设定文字(性别、发色、瞳色、体型、标志物等)与美术风格生成的原创人设图,不是拿真人照片做换脸或融脸处理——从源头上避免了肖像权风险,角色长相由设定驱动而非"抓一张网图糊上去"。
视频数码体默认让视频生成模型直接原生合成画面里的对白语音与口型(不是拿 TTS 音轨去"配"上去);只有在项目设置里显式开启"后期配音"时,才会走单独的补录流程去修补个别镜头的台词音轨——这与传统团队"AI 配音暂时只适合修补"的经验判断是一致的,视频数码体没有夸大 AI 配音能整部剧全包办。
每一步产出(设定卡、参考图、分镜、生成参数)都落成文件,项目本身有内置的版本管理(基于 Git 技术),每次生成的模型/渠道/参考图都会记入元数据,方便追溯"这一版是怎么来的"。
把长篇小说的情节、世界观、时间线拆解成结构化数据,作为后续所有创作环节的事实依据。
角色外观、性格、关系、声音、服装、道具、场景、生物——每一类都建卡立库,并生成对应的参考图/声音样本,作为全片生成时的"唯一形象锚点"。
自动完成分镜脚本、机位、构图、走位、连续性核查,把导演意图转化为结构化的镜头设计文件。
对接图像、视频、音乐、TTS 等多种可配置的生成服务,按分镜设计和资产锚点批量生成画面与声音,并做一致性校正。
把生成的镜头素材按分镜顺序合成、加字幕花字、配乐混音,产出可发布的成片。
逻辑、角色一致性、时间线、世界观一致性、视觉质量、音频质量、内容安全、版权 8 个维度并行审核,8 份报告全绿才能签发发布。
世界圣经、角色资产、美术风格、剧本、每集分镜、每集视觉生成、成片、发布——8 个节点由真人签字确认,创作方向始终在人的掌控之中。
执行引擎支持 Claude CLI、Codex CLI 和 OpenAI 兼容的 DeepAgents;图像、视频、音乐、TTS、对象存储等生成服务均可在控制台单独配置,不锁定在某一个模型或渠道上,模型更新了也不用推倒重来。
项目素材(小说原文、配置、生成媒体)默认保存在本地 data/projects/,不会提交到 Git;控制台默认只监听本机地址。
以 Apache License 2.0 协议开源,允许使用、修改、分发和商业使用。
面向开发者的补充路径(源码运行,来自 README 快速开始):
git clone https://github.com/AgenticsWorld/VideoAgents.git
cd VideoAgents
python3 -m venv .venv && source .venv/bin/activate
python -m pip install --upgrade pip && python -m pip install -e .
python apps/web/server.py浏览器打开 http://127.0.0.1:8630 即可使用。
| 平台 | 说明 | 下载 |
|---|---|---|
|
macOS
|
下载后解压安装;安装包不含 Python 运行时,首次启动按需自动下载配置 | 下载 macOS 版 |
|
Windows
|
下载后解压安装;同上 | 下载 Windows 版 |
运行前还需要准备什么
data/projects/ 目录,不会提交到 Git;本地控制台默认只监听 127.0.0.1。