2026年,AI短剧正在爆发:一款开源工具带你从0到1做短剧

2026年,AI短剧正在爆发:一款开源工具带你从0到1做短剧

大家好,我是小阳哥。

2026年,一个新的风口正在成型——AI短剧。

今天给大家推荐一个开源的 AI短剧神器。工具是开源免费的,可以自己部署,也可以直接下载可执行文件运行。

工具把 AI 短剧拆解成了一步步可执行的流水线:

小说 → 大纲 → 剧本 → 分镜 → 视频

而且是多 Agent 协作生成,非常接近真实影视制作流程。

接下来,一步步带大家看下如何使用。(工具地址放在文末了


一、基础设置

在开始制作前,我们需要设置AI 模型。共需要3类
  • 文本模型(写剧情)
  • 图像模型(生成角色/场景/分镜图片)
  • 视频模型(生成短剧)

这里面基本支持了市面上所有的主流模型

为每个 agent 设置对应的模型
支持修改每个agent的内置提示词

二、创作流程(核心流程)

1. 新建项目

字段包括:项目名称、小说类型、时代画风、影片比例、小说简介

2. 上传小说内容

支持 txt、docx 格式上传,支持直接粘贴文本

自动识别章节内容


3. 自动生成大纲

故事师:生成故事线

进入大纲管理,在对话框输入开始,故事师 Agent 开始工作,生成故事线

导演:审核故事线

故事线生成后,导演 Agent 会介入进行评分并审核。

大纲师:生成小说大纲

输入集数和每集分钟数,来根据故事线生成大纲。

资产生成

这步主要是自动提取小说涉及的:角色、场景、道具等提示词


4. 资产生成

上一部分,自动生成了角色、场景、道具的提示词,这边可以管理这些资产提示词,并批量生成相关图片。

(1)角色。生成角色的四视图

(2)场景

(3)道具


5. 剧本 & 分镜 & 视频生成(重点)

剧本生成
分镜生成

生成分镜描述和分镜图

生成分镜视频
视频处理与导出

到这里,短剧涉及的相关视频就基本生成了

接下来,就是需要对所有视频进行剪辑合成。这一步目前最好是导出到剪映这类专业剪辑软件处理。


这个工具真正的价值

这个工具并没有说傻瓜式的让你导入小说就能一键生成可以使用的 AI短剧。因为目前的技术也确实还没法做到。

最大的价值是把 AI 短剧拆解成一个个流水线节点,并提升每个节点的效率和效果,并且每个节点都有记录、可以单独执行,哪个地方效果不好,可以单独修改执行。

最后:2026 会是 AI短剧爆发年,感兴趣可以持续关注小阳哥。

【软件包地址】可以WX关注【小阳哥AI工具箱】,后台回复【AI短剧】获取

Read more

一个后台管理所有 AI:手把手教你搭建属于自己的 AI 中转站(CLIProxyAPI版)

一个后台管理所有 AI:手把手教你搭建属于自己的 AI 中转站(CLIProxyAPI版)

目录 * 前言 * 第一部分:基础设施准备与 CLIProxyAPI 的核心部署 * 1.1 服务器选型与环境初始化 * 1.2 CLIProxyAPI 的自动化安装 * 1.3 核心配置文件 `config.yaml` 的深度定制 * 第二部分:系统服务化管理与故障排查 * 2.1 初始启动尝试与 Systemd 服务注册 * 2.2 服务启动失败的深度分析与路径修正 * 2.3 修正 Systemd 配置与服务恢复 * 第三部分:Web 管理界面的访问与 OAuth 认证集成 * 3.1 网络防火墙配置 * 3.2 仪表盘登录与功能概览 * 3.3 Google OAuth 认证流程

By Ne0inhk
UnityMCP+Claude+VSCode,构建最强AI游戏开发环境

UnityMCP+Claude+VSCode,构建最强AI游戏开发环境

* 前言 * 一、UnityMCP+Claude+VSCode,构建最强AI 游戏开发环境 * 1.1 介绍 * 1.2 使用说明及下载 * 二、VSCode配置 * 2.1 连接UnityMCP * 2.2 在VSCode中添加插件 * 2.3 Claude安装 * 2.4 VSCode MCP配置 * 2.5 使用Claude开发功能 * 三、相关问题 * 总结 前言 * 本篇文章来介绍使用 UnityMCP+Claude+VSCode,打造一个更智能、高效的游戏开发工作流。 * 借助MCP工具,Claude可以直接与Unity编辑器进行双向指令交互,开发者则可以直接使用自然语言进行Unity游戏开发。 * 这一组合充分利用了AI的代码生成、问题诊断与创意辅助能力,极大提升了Unity项目的开发效率与质量。 一、UnityMCP+Claude+

By Ne0inhk
人工智能:循环神经网络(RNN)与序列数据处理实战

人工智能:循环神经网络(RNN)与序列数据处理实战

循环神经网络(RNN)与序列数据处理实战 1.1 本章学习目标与重点 💡 学习目标:掌握循环神经网络的核心原理、经典变体结构,以及在文本序列任务中的实战开发流程。 💡 学习重点:理解 RNN 的循环计算机制,学会使用 TensorFlow/Keras 搭建基础 RNN 与 LSTM 模型,完成文本分类任务。 1.2 循环神经网络核心原理 1.2.1 为什么需要 RNN 💡 传统的前馈神经网络(如 CNN、全连接网络)的输入和输出是相互独立的。它们无法处理序列数据的上下文关联特性。 序列数据在现实中十分常见,比如自然语言文本、语音信号、时间序列数据等。这些数据的核心特点是,当前时刻的信息和之前时刻的信息紧密相关。 循环神经网络通过引入隐藏状态,可以存储历史信息,从而有效捕捉序列数据的上下文依赖关系。 1.2.2 RNN

By Ne0inhk

ubuntu24.04安装 openClaw+kimi2.5+飞书 详细教程

文章目录 * ubuntu24.04安装openClaw详细教程 * 准备工作: * 一、申请飞书小机器人 * 1.登录/注册 飞书账号 * 2.添加一个机器人 * 3.开通权限 im和用户相关的 * 4.复制需要的配置 * 注册大模型API * 1.登录/注册KIMI账号,进入开发者工作台 * 2.在API Key管理创建一个key * 安装openClaw * 开始配置,选QuickStart * 配置大模型 * 配置飞书 * 其他配置 * 配置飞书回调 * 飞书对话使用 * 问题处理 * 使用飞书发消息返回 access not configured. * openclaw-gateway 运行异常 * 有个飞书的警告,具体找不到了,好像是feishu overwrite什么鬼 ubuntu24.04安装openClaw详细教程 想看视频的话,推荐B站大佬 林粒粒呀 的windows安装openClaw

By Ne0inhk