DramaClaw 上手路线图：一份小说原稿怎么变成能播的 AI 短剧
项目地址: https://gitcode.com/gh_mirrors/dr/dramaclaw 你手里压着写好的小说，想拍成竖屏短剧，却卡在「谁来分集、谁来保角色不换脸、谁来拼成片」这三个问题上。开源项目 DramaClaw 就是来解决这件事的——把原稿解析、分集规划、剧本分镜、配音合成到剪辑导出装进一条本机流水线。不需要 GPU、不用写代码，一个下午能拿到第一集 MP4。
30 秒认识 DramaClaw：单点工具缺的那段
单点 AIGC 工具只能给你一张图、一段视频。短剧真正的门槛在后面：主角跨镜头不能换脸，集与集之间节奏要连贯，画面、声音、剪辑最后得拼成一部能播的片子。DramaClaw 把整套「短剧工厂」的判断内置进了流程，你只管喂稿子。
- 故事图谱：原稿被解析成可查询的角色、关系、时间线——分集规划从有据可依开始
- 资产库：角色、场景、道具、声音统一管理——「主角第 12 集换了张脸」这种事故被锁死
- 结构化剧本：自动分集、分场，支持改编 / 直译 / 分镜稿三种模式，还带审校修复循环
- 成片交付：逐镜生成视频、情绪化 TTS 配音，最后导出 MP4 + SRT 字幕 + 整套素材包
所有推理都走 OpenAI 兼容的模型网关，本机只做存储和编排。没有 GPU、没有 PostgreSQL / Redis，数据存在本地 SQLite 和文件里。
五分钟把服务跑起来
前置条件一次列清，照着核对：
| 类别 | 要求 |
|---|---|
| 硬件 | ≥ 2 核 CPU / 4GB 内存即可，无 GPU |
| 软件 | Docker（Desktop 或 Engine）+ docker compose；本地开发则需 Python 3.11–3.12 + uv |
| 账号 | 一个 DC key（模型推理凭证），或改用自定义模型网关 |
# 克隆 DramaClaw 仓库
git clone https://gitcode.com/gh_mirrors/dr/dramaclaw
# 进入目录
cd dramaclaw
# 复制配置文件，并把 PROMPT_EXPORT_PASSWORD 改成非默认值
cp .env.example .env
# 首次构建镜像稍慢，起 api / newapi / web 三个服务
docker compose up -d --build
验证动作：docker compose ps 里 api、newapi、web 均为 running，浏览器打开 http://localhost:8080。进「设置 → 模型配置 → 官方渠道」，粘贴 DC key 保存——模型映射已预配好，不用手动配模型。此后任务中心开始出进度、导出目录出现 MP4，就算跑通。
核心流程：三个节点把原稿跑到成片
下面用一本 20 万字左右的悬疑中篇做例子，走完三个节点。每个节点固定说三件事：在做什么、成功长什么样、卡住点哪里。
喂给它一份原稿
整本小说直接上传。系统把原文解析成结构化的故事图谱：章节、人物、关系、时间线。后续分集规划都从这里取数。
- 在做什么：结构化摄取，建立可查询的剧情底座
- 成功标准：角色列表能搜到主角和配角，图谱里能看到「谁跟谁什么关系」
- 卡住了：没切出章节，先检查原稿的编码与换行；解析逻辑在 src/novelvideo/api/routes/ingest.py
锁定角色身份，出剧本和分镜
系统自动抽取主要角色，生成角色立绘和身份方案（Identity Scheme），并落一份角色 ID 映射。这一步的价值一句话能说清：第 1 集和第 12 集，主角还是同一张脸。
接着按剧情节拍出分镜：先线稿草图定画面基调，再出每个镜头的首帧关键帧，从候选池里挑满意的。剧本支持改编、直译、分镜稿三种模式，生成后自带审校修复循环。
- 成功标准：角色卡片带立绘和身份标签；分镜表按「集数-场景、人物、画面、台词」排好
- 卡住了：任务中心看每步状态，失败可以重试或从断点续跑；相关路由见 src/novelvideo/api/routes/characters.py 与 scripts.py
整条流水线分「摄取 → 规划 → 生产 → 交付」四阶段，每一步都是独立任务，可顺序跑、跳步跑、从任意检查点续跑：
逐镜出片，配音合成，导出成片
每个镜头逐一生成的同时，情绪感知的 TTS 为每句台词合成带情绪的配音。全部镜头完成后拼集成片，导出 MP4 + SRT 字幕 + 素材包。
- 成功标准：看到 1 分钟以上可播放的视频，且画面、声音、节奏对得上
- 卡住了：成片黑屏多半是前序素材缺失，回看任务中心前几环的日志，确认素材真的生成了；各阶段 API 在 src/novelvideo/api/routes/pipeline.py
把效果调到满意
主线跑通之后，三个动作能立刻拉高完成度：
- 虾格 · 风格模板：上传一张你喜欢的参考图，系统自动解析风格参数并应用到整个项目。效果：十几集的画风统一，不再「每集像不同剧组」
- 虾画 · 无限画布：在节点式工作台里拖入资产自由生成图片、视频、音频，满意的结果一键写回主线。效果：流水线生产和自由探索并行，废掉的探索成本归零
- 虾导 · 对话式助手：直接问它项目进度、推进剧本或镜头任务、审计交付物缺了什么。效果：不用翻任务中心，一句「还差哪些交付物」就有答案
避坑速查
| 症状 | 先看哪里 | 参考 |
|---|---|---|
| 容器起不来 / 立即退出 | docker compose logs api 的启动日志 | 排错指南 |
| 8780 端口被占用 | 改 compose ports 左值，如 8888:8780 | 排错指南 |
| 模型调用全报错 | 「设置 → 模型配置」：DC key 是否保存、渠道是否启用 | 配置模型供应商 |
| 成片黑屏 / 时长异常 | 回看前序环节日志，确认图片、音频素材已生成 | 排错指南 |
数据全在本机的 Docker 卷 ce-data 里，原稿、角色资产、成片都不出你的机器。备份或清理前先导出该卷——docker compose down 保留数据卷，千万别顺手加 -v。
挑一本你闭着眼都能复述情节的中短篇网文，按上面三个节点跑一遍。第一集出片的快慢，主要取决于镜头数量和视频模型的响应速度——任务中心支持断点续跑，中途失败不用从头再来。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
