Jellyfish 评测：开源 AI 短剧工作流，想解决人物漂移和流程割裂
×
感谢您的支持，我会继续努力的！
扫码打赏，你说多少就多少
现在用 AI 生成个视频片段不难，难的是怎么连贯地讲完一个故事。很多人做竖屏短剧，其实就是在“手动抽卡”：在文本模型里写剧本，去 Midjourney 垫图，最后丢进视频生成模型里等结果。
今天要聊的 Jellyfish，就是一个想把这些重复操作尽量收拢起来的开源项目。它不做底层大模型，而是想把剧本、分镜、角色资产、视频生成和剪辑尽量串到一条流程里。
Jellyfish 没用什么玄乎的黑科技，它的核心思路非常实在，就是把做视频变成了“拼积木”，重点放在了资产复用的逻辑上。
如果你有技术背景想拉代码跑跑看，目前 Jellyfish 的界面框架和模型管理部分已经能跑通。但有一个前后端联调的机制，很多新手容易踩坑。
8000 端口跑起来了，然后切到前端目录跑一句 pnpm run openapi:update，让它更新类型文件。提醒一句：官方 Roadmap 明确标示了核心的分镜渲染链路还在开发中，目前也没有一键部署包。现阶段它更适合技术团队用来摸索架构方向，而不是直接拿去上生产线。
搞过视频 API 的朋友都知道，现在高阶视频模型的计费可不便宜。如果全靠人工瞎试，高昂的废片率月底一看账单能让人心梗。
如果你正准备搭建团队的 AI 基础设施，除了视频生成链路，底座模型的选择也同样关键。
免责声明：本文介绍的 Jellyfish 开源项目仅供技术学习与 AI 自动化流程架构的探讨。该项目目前仍处于早期开发路线图中，不代表成熟可用的商业化生产力工具。实际业务应用落地时，请严格核对并遵守原作者的开源许可协议，并确保您所调用的第三方大模型 API（如 Kling、OpenAI、Claude 等）符合相关地区的安全合规要求与服务条款。本站不提供、不存储任何破解程序或受版权保护的音视频内容素材。如涉及侵权，请通过邮件联系我们进行处理。
💬 评论