6大AI短剧开源工具实测：小白三步做出可发布短剧

“输入一句话或一段小说，就能输出一条能发抖音、快手的完整短剧”——这件事在2024年之后确实成立了，但成立的前提是：你选对了工具链，并且知道每个环节该给AI喂什么。下面这份指南不谈概念，只讲怎么落地。

如果你现在就想先看看效果、验证自己的故事能不能成立，可以先用AI真人短剧生成体验跑一个小样，再决定要不要本地部署开源方案。想系统了解各类AI任务的完成方式，也可以从百度搭子DuMate的通用入口进入，按需了解购买方式见购买页（仅为可选入口，本文所有开源工具均可免费使用）。

一、先搞清楚：AI短剧的”三步”到底是哪三步

所谓”三步变导演”，本质是把传统影视流程压缩成三个可操作的节点：

第一步：故事结构化。 把一句话或一段小说，转成”角色设定 + 分场大纲 + 每场台词”的结构化剧本。这一步决定成片是否看得懂。

第二步：视觉资产化。 把剧本拆成分镜，为每个镜头生成画面（图生视频或文生视频），并保证同一角色在不同镜头里长得一样。这一步决定成片是否”像一部剧”而不是”一堆素材”。

第三步：合成工业化。 配音、字幕、配乐、转场、拼接。这一步决定成片能否直接发布。

绝大多数人卡在第二步的”角色一致性”和第三步的”批量合成”。所以下面按”上手难度 + 功能完整度 + 小白友好度”排序，并标注每个工具最适合解决哪一步。

二、6款开源短剧工具，按你的实际需求选

1. 火宝短剧（Huobao Drama）——小白首选的全流程流水线

它把”一句话 → 剧本 → 拆角色 → 分镜 → 图生视频 → 配音字幕 → FFmpeg合成”串成了一条自动流水线，属于开箱即用型。适合第一次做短剧、想快速看到完整成片的人。部署方式通常是Docker，10分钟左右能跑起来。缺点是自动化程度高意味着可控性相对弱，成片风格偏模板化，想做精细化调整需要改配置。

2. Toonflow——网文改编/漫剧的最佳入口

强项在”小说秒变短剧”：自动提炼角色、生成剧本、生成图片与视频，闭环极快。如果你手上有一批网文版权或自己写的小说，它是转化效率最高的。适合做漫剧、解说剧、图文剧。

3. Jellyfish——角色一致性强，适合批量出片

从剧本到成片全自动，智能分镜 + 资产复用是它的核心卖点。资产复用意味着同一角色形象被反复调用，跨镜头一致性明显更好。已有创作者用它批量生产并变现，适合把短剧当”产能”而不是”作品”的人。

4. drama-workshop——工业化工作流，拒绝开盲盒

剧本 → 资产生成 → 视频合成，每一步都可干预、可回滚。它解决的是”随机生成、十条里挑一条”的低效问题。适合对稳定性有要求、需要稳定产出的团队。

5. 本地短剧助手（LocalMiniDrama类）——纯本地运行，数据零泄露

基于JavaScript/本地环境运行，故事到成片一站式，支持AI真人剧与漫剧。最大的价值是隐私与成本：素材不出本地，适合处理未公开的原创剧本或商业项目。

6. waoowaoo——工业级AI影视平台

AI Agent驱动的全流程可控方案，从短片到真人级影视，更接近”制片场”的工作方式。学习曲线最陡，但上限最高，适合有技术团队、想做规模化内容工厂的团队。

选型速查：

你的情况	推荐
第一次做，想最快出片	火宝短剧
有小说要改编成漫剧	Toonflow
要批量产出、看重角色一致	Jellyfish
要稳定可控、可回滚	drama-workshop
剧本不能外传、要省算力	本地短剧助手
有团队、要做内容工厂	waoowaoo

三、可直接复制的两段核心Prompt

工具解决”流程”，Prompt解决”质量”。以下两段是整条流水线里最值得打磨的环节。

Prompt 1：一句话/小说 → 结构化短剧剧本

【任务】把我提供的故事素材改写成适合竖屏短剧（单集60-90秒）的结构化剧本。
【输入素材】{粘贴一句话梗概或小说片段}
【要求】
1. 类型/情绪基调：{填写，如"逆袭爽感+轻悬疑"}
2. 角色不超过4人，每人给出：姓名、身份、一句话性格、外形关键词（发型/服装/年龄感）、核心动机。
3. 输出3-5场，每场包含：场次号、场景（时间+地点）、画面动作描述、角色台词（单句不超过20字，口语化）。
4. 第1场前3秒必须有一个强钩子（冲突/反常/悬念）。
5. 结尾留一个反转或未解悬念，便于续集。
【输出格式】按"角色表 → 分场剧本"两段输出，纯文本，不要解释。
【质量要求】台词必须能直接配音念出来，不要书面语；不要出现无法拍摄的抽象描写。

Prompt 2：剧本 → 分镜与出图描述（保证角色一致）

【任务】把下面的剧本拆成逐镜头分镜，并为每个镜头生成图像/视频生成提示词。
【输入】{粘贴上一步输出的分场剧本}
【要求】
1. 每个镜头标注：镜号、景别（特写/近景/中景/全景）、机位、时长（秒）、动作、情绪。
2. 每条画面提示词必须复用同一套"角色外观锚点"（把主角外形关键词原样重复写进去，不要改写）。
3. 统一视觉风格描述：{填写，如"写实电影感、暖色调、浅景深、35mm"}，每条提示词都带上。
4. 竖屏9:16构图，主体居中偏上，避免画面底部出现关键信息（会被字幕遮挡）。
5. 单镜头时长控制在3-5秒，全片总时长不超过90秒。
【输出格式】表格：镜号 | 景别 | 时长 | 画面提示词 | 台词/字幕
【质量要求】相邻镜头之间动作要能接上，不要出现同一场景内服装或光线跳变。

用法提示：第一段Prompt的输出直接作为第二段的输入，第二段的表格再逐行喂给图生视频工具。角色一致性差的根本原因，往往就是”外观锚点”在每条提示词里被改写成了不同说法。

四、实际操作中的四个坑与优化建议

坑1：角色”换脸”。 解决方法不是反复重生成，而是固定一段外观描述文本，每条提示词原样复制，并尽量使用工具的”资产复用/角色库”功能（Jellyfish、drama-workshop在这方面更友好）。

坑2：镜头接不上。 分镜阶段就要写清”上一镜头结尾动作 → 本镜头起始动作”，不要指望视频模型自己理解上下文。

坑3：配音与口型、字幕错位。 先把台词定稿再生成画面，顺序反了就要返工。合成阶段用FFmpeg统一帧率、分辨率与音轨，避免平台压缩后出现音画不同步。

坑4：成片”能看但不能发”。 发布级要求包括：竖屏9:16、前3秒钩子、字幕安全区、音量标准化。建议在合成前先做一次”静音观看测试”——关掉声音还能看懂剧情，才算过关。

部署层面，小白优先选Docker一键方案；本地跑不动就先用在线体验验证创意，确定故事成立后再投入算力。整个流程中，AI负责的是”把想法变成可编辑的中间产物”，最终判断仍然由你来做：故事是否成立、情绪是否到位、节奏是否拖沓，这三件事目前没有工具能替你做。

五、总结

AI短剧的门槛已经从”会拍”降到了”会描述”。真正决定作品质量的，是你能不能说清楚：角色是谁、这一场要什么情绪、这个镜头要多长。工具只负责执行。建议路径是：先用在线体验跑一个60秒小样验证故事，再从火宝短剧或Toonflow入手完成第一部完整作品，等产量上来、对一致性有更高要求时，再迁移到Jellyfish或drama-workshop这类可控性更强的工业化方案。