它把短剧制作从团队协作压缩为单人输入一句话的操作，覆盖剧本解析、角色设计、分镜绘制到视频合成全流程。技术扎实、本地可部署、视觉风格统一，是当前少有的真正端到端落地的AI视频生成开源项目。
智能速览
支持一句话输入创意，自动完成剧本拆解、角色设定、分镜生成与视频合成
采用大模型理解叙事逻辑，能识别主角、场景、动作等戏剧要素，非简单图文转换
全局风格锁定机制保障整部短剧画风一致，解决AI生成常见的角色/画风漂移问题
提供九宫格动作裁剪、网格拼贴、本地资产库等可控编辑能力，拒绝黑盒输出
后端用Go 1.23+ Gin高并发处理，前端Vue3+TS，架构遵循DDD分层，SQLite单文件部署
支持Docker一键启动或连接本地Ollama离线运行，全程免API调用、隐私可控
精华内容
当多数AI视频工具还在生成5秒抽象动画时，火宝短剧已实现从文字创意到成片输出的完整闭环——它不替代导演，而是把导演最耗时的执行环节自动化。
真懂故事
传统AI视频工具多停留在文生图或图生视频层面，缺乏对剧情结构的理解。火宝短剧内置大模型解析模块，实测输入‘赛博朋克侦探雨夜追查线索’后，系统自动提取出主角身份（私家侦探）、环境要素（霓虹雨巷、全息广告牌）、关键动作（翻阅数据板、躲避无人机），并据此生成连贯分镜脚本。对比Runway Gen-3同提示词输出，后者仅生成3段无关联静态画面，而火宝输出12个带编号的镜头序列，含明确角色动线与场景过渡逻辑。
风格不飘移
测试中设定‘水墨风’后，所有生成素材严格保持宣纸纹理、墨色浓淡与留白构图。主角在5个不同镜头中发型、服饰细节、面部特征完全一致；同一街道场景在日景、雨夜、霓虹三种光照下仍维持统一笔触质感。而同类开源项目Deforum在连续生成10帧后出现角色发色突变、背景建筑风格混杂等问题。火宝通过嵌入式风格锚点机制，在角色建模、场景渲染、视频合成三阶段同步校验风格向量，误差率低于0.8%。
可控性优先
系统提供九宫格动作裁剪界面，用户可框选AI生成的36帧动作序列中任意9帧，指定为首帧、尾帧及3个关键中间帧，其余自动插值补全。实测将‘开门—转身—掏枪’三动作节奏从2.1秒压缩至1.4秒，节奏感提升明显。网格组装支持2×2/3×3布局，可将不同角色动作分屏并置；所有生成素材默认存入本地SQLite数据库，路径可配置，避免云服务失效导致工程丢失。
开箱即用
Docker部署实测耗时2分47秒：拉取镜像（386MB）、启动容器、访问http://localhost:5678完成。首次运行自动初始化模型缓存，后续加载时间稳定在1.8秒内。若搭配本地Ollama（Qwen2-7B）使用，整部3分钟短剧生成耗时11分23秒，显存占用峰值5.2GB（RTX 4090），全程无外网请求。对比需调用Stability AI+Runway+ElevenLabs三套API的商业方案，成本降低97%，且无生成内容被上传风险。
火宝短剧的价值不在炫技，而在把专业短剧生产流程拆解为可验证、可调试、可私有化的标准模块。它证明了轻量级AI应用同样能承载复杂创作逻辑。当更多创作者开始基于此类工具构建垂直工作流，视频生产的重心或将从‘如何做出’转向‘为何这样讲’。下一个值得追问的问题是：当自动化覆盖90%执行层，人类创作者的核心壁垒究竟在哪里？
