Toonflow

1. 项目概览

一句话解释：

Toonflow 试图把“小说/剧本 → 故事改编 → 分镜 → 角色/场景/道具 → 视频片段 → 成片”的短剧生产链路做成一个桌面端 AI 工作台。

2. 关键示意图

以下图片来自项目 README 官方演示截图，已下载到当前 Obsidian vault 的 17-临时附件/Toonflow-app/ 目录。

2.1 项目管理界面

2.2 AI 编剧与改编策略

2.3 角色、场景、道具素材批量生成

2.4 无限画布、分镜表和 Agent 流程状态

2.5 视频生成提示词与参考素材

3. 它主要能做什么

3.1 从小说/原著到短剧工程

Toonflow 的核心不是单点视频生成，而是面向短剧生产的流程化工作台。README 描述的主流程是：

1. 新建项目并导入原著。
2. 执行章节事件提取。
3. 使用 ScriptAgent 生成故事骨架、改编策略和结构化剧本。
4. 使用 ProductionAgent 在无限画布中组织分镜、素材和视频节点。
5. 对分镜图进行节点化精调。
6. 生成视频片段，最后拼接与导出。

售前价值：

它把“AI 生成内容”从一次性 prompt 扩展为可追踪、可修改、可回溯的生产流水线，这比单纯调用文生图/文生视频工具更接近团队化内容生产。

3.2 AI 编剧与智能改编

Toonflow 提供 ScriptAgent，围绕小说/故事做：

• 章节事件提取。
• 故事骨架生成。
• 改编策略生成。
• 结构化剧本生成。
• 对话式修订和反馈。

README 强调“章节事件图谱驱动改编”，即先结构化原著章节事件，再按事件图谱调用上下文，以减少长文本信息丢失。

适合售前讲法：

对于网文、小说、IP 改编这类长文本内容，Toonflow 的价值在于不是直接让模型“看全文写剧本”，而是先把故事事件结构化，再驱动后续改编。

3.3 角色/场景/道具素材生成

Toonflow 支持角色、场景、道具等素材的生成和管理。截图中可以看到：

• 人物、场景、道具类型筛选。
• 模型选择，例如 GPT Image 2。
• 分辨率配置。
• 批量生成提示词。
• 批量生成图片。
• 素材卡片和状态管理。

这适合短剧制作中的“资产库”环节：先统一角色形象和场景风格，再用于分镜和视频片段。

3.4 无限画布生产工作台

README 将其称为“无限画布生产工作台”，用于组织：

• 剧本。
• 角色。
• 分镜。
• 素材。
• 视频节点。
• Agent 任务状态。

这类画布式工作台的售前价值是：它更适合创意生产和分镜管理，而不是线性表单流程。内容团队可以在同一个空间里并行处理素材、分镜、视频和修订。

3.5 三层 Agent 协作体系

README 提到 Toonflow 采用三层 Agent 协作体系：

这是它区别于普通 AI 视频工具的关键叙事：不是单模型一次生成，而是多 Agent 协作完成短剧生产。

3.6 持久化 Agent 记忆

README 提到其基于本地 ONNX 向量检索做跨会话记忆，支持：

• 短期消息。
• 长期摘要。
• 语义召回。
• 多轮创作连续性。

售前含义：

短剧/漫剧生产常常跨多轮、多天、多章节，Agent 记忆有助于维持人物设定、世界观、剧情连续性和风格一致性。

3.7 可编程供应商系统

Toonflow 支持在设置中心直接编写供应商 TypeScript 逻辑并即时生效，无需改源码或重启。

这对私有化和多模型接入非常有价值：

• 可接 OpenAI、Anthropic、Google、DeepSeek、智谱、MiniMax、通义千问、xAI 等。
• 可对接 Sora、豆包、Seedance、Nano Banana Pro 等图片/视频服务。
• 可接企业内部模型网关或第三方模型 API。

4. 适用场景

4.1 短剧/短视频内容工厂

适合希望批量生产短剧、漫剧、剧情短视频的团队：

• MCN。
• 短剧制作公司。
• 小说/网文 IP 运营方。
• 内容营销团队。
• 教育/科普短视频团队。

核心卖点：

把原来依赖编剧、分镜、美术、剪辑多岗位协作的前期流程，用 AI 工作台压缩成可批量执行的流程。

4.2 小说影视化和 IP 改编实验

对于拥有小说、网文、剧本、漫画 IP 的客户，Toonflow 可以作为“低成本试片工具”：

• 快速验证一个 IP 是否适合短剧化。
• 把章节改编成短视频脚本。
• 生成角色和场景视觉参考。
• 低成本制作样片给投资、运营或平台方评估。

4.3 AIGC 创作者工具平台

如果客户想做自己的 AI 创作者工具，Toonflow 可以作为开源参考：

• 桌面端 + Web 前端。
• 后端 API + SQLite 数据。
• 多模型供应商配置。
• Agent 技能文件化配置。
• 素材管理、任务管理和实时通信。

4.4 私有化 AI 内容生产方案

Toonflow 支持本机安装、Docker、本地源码构建和服务器 PM2 部署，适合做私有化演示：

• 客户不希望素材和原著内容进入公共 SaaS。
• 客户已有模型 API 或内部模型网关。
• 客户希望控制素材、脚本和视频生产数据。

5. 不太适合的场景

5.1 对成片质量要求极高的专业影视生产

Toonflow 更适合短剧样片、低成本批量内容、创意原型和流程自动化。对于要求电影级画面一致性、精细表演、复杂镜头调度和专业后期的影视制作，仍需专业团队和工具链。

5.2 不具备模型资源或预算的客户

README 的 Demo 成本示例显示：

这是一次约 2 分钟 Demo 的示例成本。真实生产中，重试、废片、分辨率、模型价格、并发都会显著影响成本。

5.3 对商业分发授权不清晰的项目

虽然 GitHub 标注 Apache-2.0，但 LICENSE/README 有补充协议：若将本软件或衍生版本以产品形式分发、销售或提供给两个及以上独立第三方主体使用，需要取得 HBAI-Ltd 书面商业授权。

因此，如果客户想把 Toonflow 二次包装成商业产品或对外 SaaS，要先做法务和授权确认。

5.4 需要成熟企业级权限和审计体系

README 里默认账号是 admin/admin123，说明其更偏单机/轻量应用。若客户要求多租户、细粒度权限、审计日志、内容合规流转、企业 SSO 等，需评估二开成本。

6. 核心能力清单

7. 架构、部署和集成方式

7.1 技术架构

7.2 发布包

最新 Release v1.1.8 提供：

• Windows x64 / ARM64 .exe。
• macOS Apple Silicon / Intel .dmg。
• Linux x86_64 / ARM64 .AppImage。

这说明项目已经有较完整的跨平台桌面分发链路。

7.3 本地使用流程

README 给出的快速上手：

1. 启动应用并登录，默认账号 admin / admin123。
2. 在设置中心完成模型供应商配置，包括文本、图像、视频模型。
3. 新建项目并导入原著，执行章节事件提取。
4. 进入 ScriptAgent 生成故事骨架、改编策略和结构化剧本。
5. 切换到 ProductionAgent，在无限画布中组织分镜、素材与视频节点。
6. 对分镜图进行节点化精调后回流工作台，完成视频拼接与导出。

7.4 Docker 部署

git clone https://github.com/HBAI-Ltd/Toonflow-app.git
cd Toonflow-app
yarn docker:local

或手动构建：

docker build -t toonflow .
docker run -d -p <本地端口>:10588 -v <本地数据路径>:/app/data toonflow

默认服务端口为 10588。

7.5 云端部署

README 建议服务器环境：

• Ubuntu 20.04+ / CentOS 7+。
• Node.js 24.x，最低 23.11.1+。
• 内存 2GB+。
• Yarn、PM2。

典型流程：

git clone https://github.com/HBAI-Ltd/Toonflow-app.git
cd Toonflow-app
yarn install
yarn build
pm2 start pm2.json

8. 商业授权和合规注意

Toonflow 的授权需要重点讲清楚：

商业授权定价（README 中披露）：

售前建议：

如果只是客户内部内容生产或 PoC，可以按内部使用理解；如果要包装成对外商业产品或 SaaS，需要先拿授权确认，不要仅按 Apache-2.0 做判断。

9. 售前可以怎么讲

9.1 电梯话术

Toonflow 是一个面向 AI 短剧生产的一站式开源工作台。它把小说/剧本改编、角色与场景生成、分镜表、视频生成和剪辑导出串成完整流程，适合内容团队快速验证 IP、批量生成短剧样片、搭建私有化 AIGC 内容生产线。

9.2 面向内容团队的价值点

• 从“单次生成”升级为“项目化生产”。
• 有项目、剧本、素材、分镜、视频节点的管理。
• 可保留创作过程，方便迭代和修订。
• 适合小说改编、短剧样片、剧情短视频和漫剧生产。
• 降低早期试片成本和周期。

9.3 面向技术团队的价值点

• TypeScript/Node/Electron 技术栈，便于二开。
• SQLite 本地存储，轻量部署。
• Docker/PM2/桌面端多种部署方式。
• 可编程供应商系统适合对接内部模型网关。
• Agent prompt/Skill 文件化，便于调优和版本管理。

9.4 与通用视频生成工具的差异

10. 常见客户问题

Q：Toonflow 是不是能一键把小说变成完整可发布短剧？

A：更准确地说，它提供从小说到短剧生产的流程化工具，但成片质量仍取决于原著质量、模型能力、提示词调优、人工修订和后期选择。售前不要承诺完全无人值守成片。

Q：它是不是 SaaS？

A：不是单纯 SaaS。它是开源桌面/服务端应用，支持本机安装、Docker 和服务器部署，也有官网入口和发布包。

Q：需要哪些模型？

A：至少需要大语言模型接口、图片生成模型和视频生成模型。README 提到 Sora/豆包视频服务、Nano Banana Pro 图片生成模型，并在 Demo 中使用 Seedance 2.0、GPT Image 2、Claude Opus 4.6。

Q：能私有化吗？

A：从技术形态看可以本地和服务器部署，也支持多模型供应商配置；但如果要对外分发产品，需要关注补充商业授权。

Q：生成视频成本如何？

A：README 的 Demo 示例约 2 分钟成片，合计约 ¥130，其中视频模型约 ¥120。但真实成本取决于模型、分辨率、重试次数、废片比例和成片长度。

Q：适合企业内部用吗？

A：适合做内容生产 PoC、创意样片、IP 改编实验、内训/营销视频原型。但要补充企业权限、内容审核、版权��规和资产管理流程。

Q：能接我们自己的模型吗？

A：README 提到可编程供应商系统，可在设置中心写 TypeScript 供应商逻辑并即时生效。理论上适合接内部模型网关，但需要技术验证。

11. PoC 建议

11.1 PoC 目标

建议验证以下问题：

• 是否能从客户已有小说/剧本文本生成可用故事骨架。
• 章节事件提取是否能保持主线和人物关系。
• 角色、场景、道具生成是否保持一致风格。
• 分镜表是否能满足短剧生产需要。
• 视频生成提示词和参考素材是否能提升成片一致性。
• 模型调用成本、耗时和人工修订量是否可接受。
• 客户内部部署和模型供应商接入是否可行。

11.2 PoC 数据

建议准备：

11.3 PoC 指标

11.4 Demo 路线

推荐售前 Demo：

1. 导入一段短篇小说或客户提供的剧情梗概。
2. 展示章节事件提取和 ScriptAgent 改编策略。
3. 展示角色/场景/道具批量生成。
4. 展示无限画布中的分镜表和生产节点。
5. 展示视频生成提示词和参考素材绑定。
6. 输出 30-60 秒样片或片段。
7. 汇总耗时、成本、人工修订点。

12. 风险和注意事项

• 项目仍较新：仓库创建于 2026-01，最新版本 v1.1.8，生产成熟度需要客户场景验证。
• 模型依赖强：成片质量受 LLM、图片模型、视频模型和供应商稳定性影响。
• 成本不确定：视频生成费用可能成为主要成本，重试和废片会放大预算。
• 版权合规复杂：小说 IP、生成图片、视频模型服务条款、成片平台分发都要审查。
• 商业授权需确认：对外产品化或服务第三方要关注补充商业协议。
• 安全与权限需增强：默认账号密码和轻量 SQLite 形态适合 PoC，但企业级部署需补权限、审计、密钥管理。
• 素材一致性仍需人工把关：AI 角色/场景/镜头一致性是行业共性难题，不能只靠工具承诺。
• 官网是前端单页应用：官网静态 HTML 信息较少，主要资料仍以 GitHub README/Release/LICENSE 为准。

13. 我的售前判断

Toonflow 是一个非常适合做售前展示的项目，因为它把 AIGC 内容生产从“炫技型单点生成”拉回到“可管理的生产流程”：

• 有项目管理。
• 有 AI 编剧。
• 有素材资产。
• 有无限画布。
• 有分镜和视频节点。
• 有模型供应商配置。
• 有桌面端和 Docker 部署。

它最适合的售前定位是：

AI 短剧生产工作台/内容生产流水线 PoC，而不是纯视频生成模型。

对客户沟通时，建议强调“流程化、可私有化、可接多模型、适合 IP 改编和短剧样片”，同时主动提示“商业授权、模型成本、版权合规、企业权限和成片质量需 PoC 验证”。这样既能讲出产品想象力，也不会过度承诺。

14. 参考资料

• HBAI-Ltd/Toonflow-app GitHub 仓库
• Toonflow README
• Toonflow v1.1.8 Release
• Toonflow LICENSE
• Toonflow-web 前端仓库
• Toonflow 官网
• Bilibili 12 分钟快速上手视频