Toonflow：15484 Star 的开源 AI 短剧工厂，小说到成片跑通全流程
项目地址：https://github.com/HBAI-Ltd/Toonflow-app
官网：https://toonflow.net
协议：Apache-2.0（附补充商业协议）
它到底做什么
Toonflow 的目标很直接：把小说或剧本丢进去，出来一条动画短剧。围绕「策划 → 编剧 → 分镜 → 出片」串成一个闭环，官方定位是「0 门槛全流程 AI 化」。
技术上是跨平台桌面端（Electron 40）+ 本地后端服务，数据落在本地 SQLite，模型调用走你自己的 API Key。仓库当前 15484 Star、2782 Fork，主力语言 TypeScript。
几个不像「套壳」的设计
这类工具多数是把 LLM、出图、TTS 三个 API 粘一遍。Toonflow 有几个自己的工程取舍值得拎出来说：
- 无限画布工作台：剧本、角色、分镜、素材、视频节点都以节点形式存在同一画布上，可以自由编排、回溯、并行生产，不强制你按线性步骤走。这跟「表单式向导」是两种思路。
- 三层 Agent 协作：决策层、执行层、监督层分工，覆盖任务拆解、内容生成、质量审阅与修订反馈。用监督层做内容审查，是它控制成片一致性的一部分。
- 持久化 Agent 记忆：基于本地 ONNX 向量检索的跨会话记忆，分短期消息、长期摘要、语义召回三层，目的是多轮创作时不「断片」。
- 可编程供应商系统：可以在设置中心直接写供应商的 TypeScript 逻辑并即时生效，不用改源码、不用重启。私有化部署或多模型接入时比较省事。
- 章节事件图谱：先自动提取原著章节事件并结构化存储，剧本改编时按事件图谱调上下文，缓解长文本信息丢失。
- Skill 文件化：ScriptAgent 与 ProductionAgent 的核心提示词外化成 Markdown Skill 文件，可以在线编辑调优，
data/skills/目录里就能改。
上手流程
内置前端资源，普通用户直接下安装包即可：
- 在 Releases 页下载 Windows / Linux / macOS 安装包；
- 启动后登录，默认账号
admin/admin123（首次登录后建议改掉）； - 在设置中心配置模型供应商（文本 / 图像 / 视频三类）；
- 新建项目导入原著，执行章节事件提取；
- 进 ScriptAgent 生成故事骨架与结构化剧本；
- 切到 ProductionAgent，在画布里组织分镜、素材、视频节点，精调后导出。
macOS 首次打开可能因证书问题被拦，需要到「设置 → 隐私与安全性」放行。
部署方式
Docker 本地构建（官方在线镜像标注「待完善」）：
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 10588:10588 -v /your/data:/app/data toonflow
# 访问 http://localhost:10588/web/index.html
云服务器 + PM2（Ubuntu 20.04+ / CentOS 7+，Node.js 24.x，内存 2GB+）：
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
source ~/.bashrc
nvm install 24
npm install -g yarn pm2
cd /opt
git clone https://github.com/HBAI-Ltd/Toonflow-app.git
cd Toonflow-app
yarn install && yarn build
pm2.json：
{
"name": "toonflow-app",
"script": "data/serve/app.js",
"instances": "max",
"exec_mode": "cluster",
"env": {
"NODE_ENV": "prod",
"PORT": 10588,
"OSSURL": "http://127.0.0.1:10588/"
}
}
pm2 start pm2.json
pm2 save
pm2 logs toonflow-app
关键环境变量只有三个：NODE_ENV、PORT（默认 10588）、OSSURL（静态资源访问地址）。国内网络可以换用 Gitee 镜像 https://gitee.com/HBAI-Ltd/Toonflow-app.git。
官方 Demo 的成本参考
README 给了一段约 2 分钟成片的数据，原始素材 3 分钟，剪掉约 1 分钟废片，制作周期约 2 小时：
| 模型类型 | 费用 |
|---|---|
| 语言模型 | 约 ¥10 |
| 视频模型（全量生成） | 约 ¥120 |
| 图片模型 | 不足 ¥1 |
| 合计 | 约 ¥130 |
用的模型组合是 Seedance 2.0（视频）+ GPT Image 2（图片）+ Claude Opus 4.6（语言）。这组数字只是官方单一案例，实际花费随片长和重试次数波动很大，别当成报价。
许可证：开源但带商业补充条款
Apache-2.0 之外还有一段补充协议，这个必须看清：
- 把软件作为产品分发给 2 个及以上独立第三方，需要 HBAI-Ltd 书面商业授权；
- ≤ 5 个法人联合运营、仅内部使用且不对外服务的，视为内部使用，无需授权；
- 不得删除或修改项目内的标识与版权信息。
永久免费场景包括：用工具做内容拿平台分账、二次开发供自己团队内部使用、个人学习研究。商业授权按年销售额分档，年销售额 10 万以下「申请即可免费授权」，10–50 万 ¥5000/年，往上逐档递增。v1.0.8 之前基于 AGPL-3.0 使用的用户不受新协议约束。
适合谁
- 想拿小说/剧本快速试水短剧，又不想被云平台绑定的人；
- 有本地模型或自有 API Key、在意数据不出本地的工作室；
- 想改提示词和供应商逻辑、做二次开发的前端/全栈开发者。
不适合的：想开箱即用、完全不想碰 API Key 和模型配置的人；以及指望「一键出片」就达到商业成片质量的人——模型质量仍是天花板。