做 AI 漫剧、AI 短剧的团队，绕不过两个老大难：一个是画风飘、人物走形、场景穿帮，看着看着观众就出戏；另一个是想稳定日更、批量出片，工具链拼得乱七八糟，产能上不去。
这两块的底层链路，国产项目 DramaClaw 直接一起开源了，采用 Elastic License 2.0，个人和团队都能拉下来本地部署、二次开发，红线主要在"不能打包成 SaaS 倒卖"。这一点我先说清楚，免得有人拉下代码想直接包一层皮卖服务，最后踩到许可证的雷。
比起放个 demo 级仓库就叫开源，这次真的是从剧本拆解、角色资产、分镜渲染到成片导出整条流水线都能翻，对中小团队来说，这种"能查到底层"的开源，比一堆炫技工具管用多了。
世界模型先兜住穿帮，线稿草图先兜住算力
穿帮这事，本质上是模型没有"世界的记忆"。上一镜女主在客厅左边，下一镜跑到了右边；桌上放的杯子换了个颜色；光源方向莫名其妙翻转——这些不是概率问题，是空间逻辑没建起来。
DramaClaw 的思路是给场景做世界模型，让空间关系稳住，镜头切换、机位转动的时候，人物、道具、光影不容易跑偏。对于长篇连载，这层"稳"是刚需，别看单集不明显，做到二十集三十集就知道差距在哪。
效率这块，它没跟大部队一起卷提示词优化，而是走了另一条路：先出线稿草图给创作者改，构图、角色位置、镜头意图定下来了，再去跑精细渲染。
看着多了一道工序，其实反过来省。做过 AI 视频的都懂，一遍遍抽卡、每次都是全尺寸精渲染，那算力烧的、时间耗的，才是真的痛。线稿这层等于把返工的成本卡在了最便宜的阶段——这是很朴素的工程思路，但很多 AI 产品就是不肯低头做。
双模式工作流：量产和精修不用二选一
日更走流水线模式，标准化流程保底质量，出片速度上得来；某一集想憋个大招、把重点镜头精雕一下，切到无限画布模式。
无限画布这个交互，商用工具里已经不稀奇了，但开源方案里能做到接近主流商用产品的体验，还是要认可一下。更值得注意的是：画布里调完的镜头能同步回批量主线，不是两套割裂的系统。
这个衔接才是关键。很多工具的通病是量产是量产、精修是精修，两条线一分家，团队一边跑流水线一边在另一个工具里打磨，最后合成又是一堆麻烦。能在一套流程里切换，工作方式就顺得多。
再往上一层是导演智能体，接的是灵山编导大模型，可以用自然语言下指令。类似"镜头往后拉一点，情绪压一压"这种话，模型去自动匹配分镜、人物表演和光影调整。
做 AI 视频最耗人的从来不是创意，是脑子里画面明明清楚，手上却在翻文档、调参数、试插件，一天下来创作没做多少，工具操作占了七八成精力。这块能省多少心力，用过的自然会有感觉。
门槛在哪，适合谁上手
得把丑话说前头：这不是开箱即用的傻瓜工具。基于 Docker 部署，显卡要求相对友好（不是必须搞 A100 那种夸张配置），但纯新手第一次上手还是要花点时间。会命令行、能看懂 README、遇到报错愿意 Google 的团队，跑起来问题不大；完全没接触过部署的个人创作者，可能得先拉个懂技术的朋友帮忙。
哪种人适合冲？我的判断是三类：
一是有一定技术底子、想搭自己漫剧工作流的中小团队，能省一大截研发投入；二是想研究 AI 视频底层链路的开发者，整条流水线能看到，是很好的学习标本；三是已经在跑商用工具、但想把某几个环节替换成自主可控版本的成熟团队。
指望它替代 MJ、可灵、即梦那种"打开就能玩"的产品，方向就错了。开源工业化底层和消费级产品，本来就不是一个东西。
说点实在的
愿意把漫剧工业化底层完整开源的项目本来就没几个。大部分开源项目要么停在算法层，要么停在单点工具，从剧本到成片打通一条线的很少见，愿意用相对宽松协议开出来的更少。
这类项目多几个人踩、多几个人回 issue，生态才立得起来。真觉得方向有意思的，拉下来试试比看十篇介绍都值。至于会不会火，就看后面愿不愿意持续迭代、社区能不能滚起来——开源这事，前半场看代码质量，后半场看人。
