1. Jellyfish AI短剧工厂:重新定义短剧生产流程
作为一名在影视制作和AI应用交叉领域摸爬滚打多年的从业者,我第一次接触Jellyfish AI短剧工厂时的反应是:"这工具把我们从前期筹备到后期制作的痛苦点全给解决了!"传统短剧制作需要经历剧本创作-分镜设计-资产准备-拍摄-剪辑的线性流程,每个环节都需要不同专业人员参与,而Jellyfish通过AI工作台将这些环节无缝衔接,真正实现了"从文字到画面"的一站式转化。
这个开源项目(GitHub可查)的核心价值在于:它不是一个简单的AI视频生成器,而是完整复现了影视工业的生产链路。前端采用React+Vite+OpenAPI,后端基于FastAPI与LangChain/LangGraph构建,使用Docker Compose实现一键部署。这种技术选型既保证了处理复杂工作流的能力,又确保了团队协作的便捷性。
提示:虽然系统支持本地部署,但建议至少准备16GB内存的机器来运行AI模型,特别是需要同时处理视频生成任务时。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心架构解析:工业化短剧生产线
2.1 项目→章节→分镜的三级管理体系
与传统视频编辑软件不同,Jellyfish采用了符合影视制作习惯的层级结构。在实测中,这种设计显著提升了复杂剧集的管理效率:
- 项目级:保存角色库、场景库等全局资产
- 章节级:管理剧情段落的时间线衔接
- 分镜级:精确到每个镜头的提示词、镜头语言参数
python复制# 示例:分镜数据结构(基于OpenAPI规范)
{
"shot_id": "scene1_shot3",
"camera_angle": "over_shoulder",
"lighting": "low_key",
"character_positions": {
"main_lead": {"x": 0.3, "y": 0.5},
"supporting": {"x": 0.7, "y": 0.5}
},
"ai_prompt": "紧张的对峙场景,使用伦勃朗光效"
}
2.2 双引擎驱动:LangChain与LangGraph的协同
后台最精妙的设计是将LangChain用于单镜头生成,而用LangGraph处理跨镜头的
