企业官网建设流程全解析

简介：Toonflow是一款基于AI的一站式短剧/漫剧生成工具，可将小说自动转化为剧本，并结合AI生成的图片与视频完成成片输出，适合内容创作者、独立团队及对AI内容生产工具感兴趣的开发者。该压缩包共190个文件，总计约9.93MB，以TypeScript源文件（ts）为主，覆盖核心生成逻辑；png/jpg图片素材用于界面或示例展示，yml/json配置项便于调整运行参数，md/txt文档辅助理解项目结构，另有Dockerfile、dockerignore、gitignore等部署环境文件，以及html入口与ico图标，整体目录结构清晰，便于按模块检索。目前已有345人学习/下载。对于关注AI短剧自动化流程的读者，可通过ts源码理清从剧本拆解到视觉合成的工程实现，也可利用Dockerfile与yml配置快速搭建运行环境，免除手动安装依赖与参数调优的繁琐。无论想直接生成短剧素材，还是深入研究AI辅助内容生产，这份资源都具备参考价值。

1. 当"一口气读完"变成"一口气放完"：Toonflow 把小说变成短剧的完整链路

短剧剧组最贵的从来不是演员，是试错。一部小说改成短剧，老流程要拆书、写剧本、画分镜、找景、拍摄，两三个人没日没夜也得两三周才出第一集样片，拿去投流，题材不对，预算烧了大半。Toonflow 这类 AI 短剧漫剧工具，把这条链路压成"小说进、成片出"：先把小说拆成可拍摄的分集剧本，再按剧本生成角色一致的 AI 图片，最后让静态图动起来，配好对白和音效，合成一集能投流的漫剧。它不替代后期导演，而是把"验证剧情能不能火"的成本降一个数量级。适合短剧编剧、漫画博主和 MCN 项目组，前提是接受 AI 画面有自己的脾气。

2. 小说 zip 到分集剧本：Toonflow 的剧本化改写与三个必调参数

2.1 为什么不能把整本小说直接丢给大模型

看到"AI 写剧本"，很多人第一反应是写一段提示词，把整本小说塞进对话窗口。这个做法看着省事，实际上翻车率极高。最硬的理由是上下文窗口：一部几十万字的小说，没有哪个对话模型能一次性读完，强行塞进去，它丢掉前面三分之一的剧情线，写到后面人物动机全对不上。其次是表达形式，小说有大量心理描写和环境铺陈，这些不能直接拍摄，剧本要的是场景、动作、对白。把心理描写转成对白，需要对人物语气做二次创作，做不好，整本小说都会变成"人物复读机"。

Toonflow 的处理方式是"先拆再写"。它先按场景切换、视角变化、冲突密度把小说切分成段落，再做三件事：把叙事段落改成场景标题和动作指示，把心理描写改写成带潜台词的对白，把长句拆成适合短视频节奏的短句。这背后是多 AI 协作的思路——文本模型负责理解和改写，规则引擎负责切分和校验，整套流程像一个 AI agent 在替你干编剧助理的活。想自己搭类似流程，核心是把"拆分"和"改写"分成两个独立步骤，中间用结构化的 JSON 接力，后续所有环节都依赖这个中间产物。

很多人还会把"剧本化"误解成"写剧情摘要"，这是另一个常见误区。摘要省略了所有可直接拍摄的信息，而 Toonflow 输出的剧本要保留场景地点、人物走位、镜头提示，这是为后面生图准备的语义接口。你检查输出时如果发现只有故事梗概，说明剧本化这一层没跑对，应该回到配置检查，而不是硬着头皮往下走。

2.2 解压与目录结构：先读使用说明，再动配置

从网上下到的 toonflow 是 zip 压缩包，解压之前先看文件名末尾的标识，解压到全英文路径。中文路径在模型加载阶段会引出各种玄学错误，第 5 章我会专门讲。解压后常见的目录结构是这样：

toonflow/ ├── configs/ # 全局配置文件 ├── models/ # 文本与图像模型权重 ├── novels/ # 放小说源文件 ├── output/ # 剧本、分镜、成片输出 ├── scripts/ # 命令行入口与工具脚本 └── README.md # 使用说明

拿到包后别急着跑，先读使用说明，重点看三处：模型权重放哪个目录、配置文件用哪个名字、运行环境要 Python 还是独立可执行文件。很多 zip 包解压后跑不起来，不是软件坏了，是没把模型文件放到指定位置。models 目录如果依赖外部下载，通常会放一个清单文件，逐行对照补缺。

我习惯解压后先跑版本命令验证环境：

# 验证可执行文件与依赖是否就绪 toonflow --version

能正常打印版本号，说明可执行文件、依赖库、模型路径都没问题；如果报错，先看是不是缺运行库，其次检查 Python 版本，最后核对模型目录。这一步成本最低，能拦下一大半后续问题。失败时看到什么信息很关键：报 "module not found" 是依赖缺失，报 "cannot allocate memory" 通常是权重没放对路径，报 "permission denied" 是权限问题，别一股脑重新安装，先看报错再决定动作。

2.3 剧本化的三个必调参数：集数、时长与对白密度

剧本化环节最值得动手的不是提示词，而是配置文件里的三个参数。这是整个流程的地基，改错任何一个，后面生图、生视频都会连锁返工。

# configs/novel_to_script.yaml novel: source: "./novels/青玉案.txt" encoding: "utf-8" script: episodes: 12 # 总集数 episode_minutes: 1.5 # 单集时长（分钟） dialogue_density: high # 对白密度 low/medium/high

第一个参数 novel.source，小说文件路径，注意编码。中文小说很多是 GBK 编码，另存为 UTF-8 再导入，读取阶段能少吃苦头。

第二个参数 script.episodes，决定拆成几集。判断依据是总字数除以单集可容纳信息量：一集 90 秒短剧大约能讲 1500 到 2500 字剧情，一部 3 万字中篇拆 12 到 15 集合适。拆太少，单集密度过高，观众看着累；拆太多，剧情被稀释，每集结尾没有钩子。如果你改大 episodes，后续每天要生成的镜头数量会成倍增加，要给足生成时间预算。

第三个参数 script.episode_minutes，单集目标时长。短剧通常压在 90 秒到 3 分钟。这个参数不只管时长，还决定分镜数量——我按"每 10 秒一个有效镜头"折算，90 秒就是 9 到 10 个镜头，这个数量会一路传导到生图阶段。想控制成本，先把时长压短，而不是降低分辨率。

第四个是 script.dialogue_density，对白密度，取值 low、medium、high。高密度适合恋爱、家庭伦理题材，观众靠台词理解剧情；低密度适合动作、玄幻题材，靠画面和字幕叙事。这个参数直接决定剧本里对白和动作指示的比例，也决定后面要不要走数字人驱动的视频路线。

2.4 跑通剧本生成：一行命令与输出检查

配置改好后，运行剧本化这一阶段：

# 只跑到剧本生成，不继续生图，方便先确认质量 toonflow run --config configs/novel_to_script.yaml --stage script

--stage script 表示只跑到剧本生成，不继续生图。第一次跑建议只到这里，确认剧本质量过关再往下走。命令结束后进 output 目录看结果。

输出通常是按集数拆分的 JSON 或 Markdown，含场景编号、内外景标记、人物列表、动作指示和对白。检查剧本只看四件事：第一，每集结尾有没有留钩子；第二，人物说话的语气有没有区分度；第三，对白里有没有不适合口语的书面词；第四，场景标记是否跟小说时间线一致。这四个问题在文本阶段发现，改起来成本最低，等图生成后再改就是灾难。

提示：小说本身节奏慢，前两集还没有冲突，不要指望 Toonflow 自己把高潮提前。它做切分和改写，不做重新编剧。剧本结构有问题，人工调整比换提示词更有效。

3. 剧本到画面：用 Toonflow 生成角色一致性图片的配置思路

3.1 角色卡：让同一张脸不再漂移

短剧最劝退观众的，是主角每一集换一张脸。Toonflow 解决一致性靠角色卡：每个主要角色一份 JSON 配置，记录参考图、绑定模型和固定提示词，生图时注入到每个分镜的参数里。

{ "_comment": "角色卡配置，reference 为参考图，lora 为角色专属模型", "role": "苏晚", "reference": ["ref/suwan_front.png", "ref/suwan_side.png"], "lora": "models/lora/suwan_v3.safetensors", "prompt_prefix": "1girl, black hair, cold expression, hanfu", "negative_prompt": "blurry, extra fingers, distorted, watermark" }

reference 是角色参考图列表，最好是同一人物正面和侧面各一张，光源均匀、脸部占比大。参考图质量直接决定一致性上限，网上随手找的人物图看不清脸，模型学不到稳定特征。lora 是角色的专属模型文件，如果 Toonflow 支持外挂 LoRA，优先训练一个，训练素材用参考图加十张左右同角色同风格剧照。prompt_prefix 是每张角色图都会加的正面提示词，写服装、发型、表情基调，不写场景。negative_prompt 把容易翻车的手指、模糊、水印写死。

人物越多，角色卡越多，生成耗时成倍涨。两个主角加一个反派差不多是单集漫剧的极限。我给项目建角色卡时严格控制数量：戏份少于三场的配角不建卡，直接用描述性提示词生成，省出来的时间投给主角。

这套逻辑也可以借用到手动流程里。我自己搭 ComfyUI 工作流时模仿了同样的结构，用角色卡拼 prompt，效果稳定。区别在于 Toonflow 会把角色卡自动读进每个分镜，不用手工拖线，批量场景省很多事。角色卡文件一定要纳入版本管理，改了参考图或 lora 版本，整个项目的一致性都会变。

3.2 分镜 prompt 自动生成：一个能抄的小脚本

剧本文件里的场景描述是混合文本，直接拿去生图效果很差。落地做法是写个小脚本，把每个分镜提取成结构化绘图指令。这是我常用的模板：

import json def build_prompt(shot, role_cards, style): role = role_cards.get(shot["character"], {}) prompt = ", ".join(filter(None, [ role.get("prompt_prefix"), # 角色特征 shot.get("location"), # 场景地点 shot.get("action"), # 人物动作 shot.get("emotion"), # 情绪状态 style, # 全局画风 ])) negative = role.get("negative_prompt", "blurry, extra fingers") return {"prompt": prompt, "negative_prompt": negative} shot = { "character": "苏晚", "location": "古宅庭院", "action": "站在石阶上回头", "emotion": "眼神冷漠", } role_cards = json.load(open("role_cards.json", encoding="utf-8")) print(build_prompt(shot, role_cards, "anime style, high detail"))

这个脚本干了一件关键的事：把提示词拆成固定槽位。角色特征从角色卡读，场景、动作、情绪来自剧本，画风是全局常量。好处是后面要换画风，只改 style 一个变量，不用逐条改提示词。跑批时你会发现，提示词结构化后出图稳定性比手写长句高不少，这也是提示词工程里的常识性技巧。

参数说明：shot 是单个分镜字典，字段名需要与 Toonflow 导出的剧本 JSON 对齐，常见坑是字段名叫 emotion 还是 emotion_desc，不一致时返回空字符串，提示词里就少一块信息，图片情绪会偏。所以脚本里最好加一层字段映射，兼容两种命名。role_cards 是角色卡集合；style 是画风常量，比如 anime style 或 ink painting style。脚本输出的值用作建议，和 Toonflow 默认提示词拼接，保留自带的画质修饰词，而不是完全覆盖。

3.3 生图参数：按短剧交付标准取舍

短剧成片是竖屏 9:16，生图分辨率按 1080x1920 出，别按横屏 16:9。这组参数是我验证过的档位：

采样步数不是越高越好，40 步以上画面细节没有明显提升，耗时涨一半。CFG 是提示词跟随度，短剧画面追求干净，7 以下表现好。中间产物 PNG 别转 JPG，图生视频环节对底图质量敏感，JPG 压缩痕迹会被放大到视频里。

生图失败率一般两到三成，参数调好也一样。不要逐张重试，按分镜编号比对，只重试失败的分镜。同一场景出现过的镜头，底图可以复用，多集之间调用同一张角色立绘，既省时间又保一致性。这也为第 6 章的批量复用埋下伏笔。

4. 静态图到短剧成片：AI 视频生成、配音与 ffmpeg 合成

4.1 图生视频与数字人驱动：对白密度决定路线

剧本变成静态图后，下一个大坑是让画面动起来。Toonflow 给两条路线：图生视频和数字人驱动。图生视频是给一张图加镜头运动，推近、拉远、人物转头，适合动作场面和环境交代。数字人驱动是给定脸图和音频，让口型和表情与对白同步，适合大量对话镜头。

选择依据看对白密度。对白密度 high 的恋爱短剧，八成镜头是人物对话，全走图生视频会非常别扭，对话时嘴不动，观众出戏。密度 low 的玄幻短剧以动作场面为主，全走数字人又显得呆板。我一般混合使用：对白镜头走数字人，动作镜头走图生视频。Toonflow 的编排页通常允许为每个分镜指定路线，保存后生成两组素材，合成阶段拼接。

把整个链路看成一条 AI agent 流水线更清楚：文本模型出剧本，图像模型出底图，视频模型负责运动，各干各的，最后合成。实际跑这种多条生成管线时，要注意它们对显存和时间的占用不是线性的，两个任务同时跑可能互相拖慢，生产环境里我会给不同路线分配不同时段。

要坦然接受：当前视频模型对复杂动作支持有限，人物全身跑动、快速打斗，生成结果经常肢体变形。遇到这种镜头，切成两三个短镜头分别生成，宁可多几个转场，不要一个长镜头崩坏。另外，配音环节不要用平台默认语音，短剧对白情绪要求高，找一个支持情感控制的配音模型，语速参数压到接近日常说话，避免"播音腔"出戏。

4.2 合成参数：分辨率、帧率、码率怎么给

合成阶段是全部环节里最不性感但最不能出错的一步。AI 生成的视频片段时长参差，分辨率和帧率不统一，直接拼接会出现跳帧、黑边、音画不同步。先统一参数：

参数之间有联动：分辨率升到 4K，码率不跟着升，画面反而模糊；码率升太高，文件体积暴涨，投流平台转码后不一定保留细节。我一般先定分辨率和帧率，再按每条片子估码率，8Mbps 起步，画面有噪点多给到 10。音频按对白量决定，192kbps 是稳定值，低于 160 对白会有齿音感。

4.3 一条 ffmpeg 命令拼出成片

合成时把视频和音频分开处理，最后合成。下面这条命令接近我的日常操作：

# 视频与音频合成，叠加中文字幕，输出 30fps 成片 ffmpeg -i ep01_video.mp4 \ -i ep01_audio.wav \ -vf "subtitles=ep01.srt:fontfile=/usr/share/fonts/SourceHanSansCN.ttf" \ -c:v libx264 -crf 20 -preset medium -r 30 \ -c:a aac -b:a 192k -shortest \ ep01_final.mp4

这条命令做的事：读入视频和音频两个输入，给视频叠加字幕（字体指定为中文字体），用 libx264 编码，CRF 值 20 保证画质，AAC 编码音频，-shortest 让输出在较短的输入流结束时停止。

参数说明：-crf 是画质控制，数值越小质量越高，20 是质量与体积的平衡点，要求更高可调 18；-preset 决定编码速度，medium 是默认档，批量导出换 faster 提速；-r 30 强制输出帧率 30fps；-shortest 关键，视频和音频长度不一致时，防止视频播完音频还在响。字幕字体必须用支持中文的字体文件，ffmpeg 默认字体遇到中文输出方块，这个坑出现的频率比预想高。报错时先看字体路径是否存在，再看 srt 编码是不是 UTF-8，这两项是字幕环节最常见的失败点。

导出一集后先播一遍检查三处：字幕有没有串位、口型与音频对不对得上、首尾有没有黑帧。三处 OK 再进批量导出。

5. Toonflow 翻车排查：5 个高频坑与对应的解决手段

5.1 坑一：解压路径带中文，模型文件加载失败

现象：zip 包解压到"短剧工具"文件夹里，运行时报错 failed to load model weights。

原因：部分模型加载库对非 ASCII 路径支持不好，中文路径拼接模型路径时编码乱掉。这个问题在 Windows 上尤其高频。

解决：把整个 toonflow 目录挪到纯英文路径，比如 D:\toonflow，重新解压模型文件。路径中不要有空格，空格同样触发同类问题。挪完跑一次 toonflow --version 验证。以后每拿到一个 zip 包，第一动作就是在英文路径下解压，省得后面排查。

5.2 坑二：同一角色在不同分镜里长相漂移

现象：第 3 幕出场的主角和第 1 幕判若两人，发型一致但五官对不上。

原因：角色卡 reference 图质量不够，或者 prompt_prefix 里没固定发型、瞳色等稳定特征。另一个常见原因是某个分镜漏配角色卡，生图退化成纯文本提示词。

解决：先查该分镜输出日志里有没有加载角色卡；再查 prompt_prefix 是否覆盖发型、瞳色、服装三个特征。写死这三项，不要靠 1girl 这种泛词。漂移仍严重，收集同一角色 10 张出图，训练专属 LoRA，这是目前最可靠的一致性方案。注意训练素材不要混入其他角色，会串脸。

5.3 坑三：视频生成阶段爆显存

现象：图生视频跑到一半进程崩溃，报 CUDA out of memory。

原因：显存不够。视频模型比图像模型吃显存多一个量级，单张 1080x1920 底图加 2 秒镜头就可能顶到上限。

解决：两条路。一是在视频设置里把生成分辨率降到 720x1280，生成完再在合成阶段放大；二是把镜头拆短，单次生成 2 秒以内，分段生成再拼接。条件允许时把推理线程数设为 1，减少显存占用。这是硬件上限，不是配置错误，换大显存卡才是一劳永逸。

5.4 坑四：对白字幕与音频整体错位

现象：成片里字幕比声音早半秒出现，全程稳定错位。

原因：视频生成时按 30fps 估算时长，但某个片段实际输出 29.97fps，微小偏差在几十秒里被放大成半秒到一秒。另一种情况是 srt 时间戳以剧本预估时长为基础，而配音实际时长不同。

解决：先用 ffprobe 查看成片实际帧率：

ffprobe -v error -select_streams v:0 \ -show_entries stream=avg_frame_rate \ -of default=noprint_wrappers=1:nokey=1 ep01_final.mp4

如果输出显示 30000/1001，说明就是 29.97fps。再用 4.3 节的命令强制 -r 30 统一帧率。字幕文件按实际音频时长做一次归一化。想根治，把字幕生成从剧本阶段挪到配音完成后，按音频波形切时间轴。

5.5 坑五：AI 配音断句错误，语气全偏

现象：台词没写错，但配音断句在奇怪位置，告白被读成审讯。

原因：配音模型按标点和空格断句，剧本化时为了短句节奏，把长句拆太碎，标点位置切断了语义。

解决：配音前跑一条断句修正脚本，把不适合断句的逗号替换成空格或删掉。剧本阶段就要注意对白是否适合口语朗读，书面语和口语断句习惯不同。配音生成后抽听前三条确认语气，再批量跑，别把一百集对白一次性喂进去。

6. 批量短剧生产：Toonflow 的并发、缓存与质量档位怎么调

6.1 并发与重试

批量生产阶段最先改的是并发数。Toonflow 默认并发偏高，八条任务并行，小显存直接爆。单卡 16G 显存，并发 2 比较稳。更稳妥的是串行生成、并行下载素材，把显存留给推理。同时开失败重试，网络波动导致模型下载中断很常见，重试能省掉盯盘时间。我习惯加重试上限并做通知，连续失败三次就发提醒，而不是无限重试。

6.2 复用与档位

第二个值得投入的是缓存复用。同一个场景、同一个角色多集反复出现，底图存档复用。第一次跑全部镜头，把通过的底图按角色和场景归入复用库，后续集数的同场景镜头直接取用，单集成本能降不少。质量档位也要分：第一轮全部走快速档，粗剪验剧情；剧情值得投放后，再对关键镜头用高精度档重出。这个策略把测试集成本砍掉一半。没有哪个 AI 工具能又快又好又便宜，要分批加码。

这条流程上我栽过的最大跟头，是第一次批量导出把所有分镜都按最高质量生成，结果一个反转剧情的分镜构图失败，整个场景要重出，预算白烧。此后我坚持先粗后精，粗剪确认剧情线成立再用高精度重出关键镜头。希望这个习惯对你有用，希望帮到你。

本文还有配套的精品资源，点击获取