story-to-handdrawn-video实测

story-to-handdrawn-video实测：一条提示词把故事变成手绘绘本视频

story-to-handdrawn-video 是 GitHub 上的一个开源项目，能把一段中文故事文本或一组有序的图片，转成 3:4 竖屏的手绘漫画动画。它把分镜拆解、逐张生图、字幕处理、黑白线稿转彩色插画、设置和导出参数这些原本零散的步骤，整合成了一条可复用工作流，最终输出 H.264 编码的静音视频，配音和音乐留到后期再加。这篇是我实际跑完之后的手记，会把提示词原文和我看到的成片效果一并放出来。

先说为什么我会盯上它。平时做一本绘本，步骤实在太碎了：要先拆成一个个分镜，再逐张生图，然后处理字幕、做黑白转彩的动画，最后还要调和导出参数。每一步都不难，但来回切换软件和反复对齐风格，时间全耗在这些地方。看到这个项目号称一条提示词就能出一部完整作品，我决定直接拿五个小故事去试。

story-to-handdrawn-video 项目主页

实测 story-to-handdrawn-video：第一个案例《桂花明信片》

第一个案例我挑了一个偏亲情的小故事，叫「桂花明信片」。下面是我实际使用的提示词原文，基本没有删减：

提示词：

运用 $story-to-handdrawn-video 将以下故事转化为手绘日记风格的漫画动画。

任务设定：

— 标题：「桂花明信片」

— 图片生成采用默认的 Codex Image2。

— 字幕使用项目自带字体。

— 效果采用 cut。

— 需依次完成图片生成、素材导入及预览渲染。

— 输出分辨率为 720×960，采用 H.264 编码的静音预览。

— 保留原文，每个完整句子作为一个分镜。

— 插画风格要求纯白背景、黑色手绘线条，并搭配低饱和度的蜡笔色彩。

— 所有人物和物品必须完整呈现在安全区域内。

— 无需添加配音、背景音乐、对话气泡或画面内文字。

— 完成后，将预览视频保存至：out/tests/guihua-postcard-preview.mp4

— 最终需报告分镜数量、视频时长及文件路径。

人物设定：

阿宁：26 岁女性，齐肩黑发，身着米白色短外套，浅蓝色长裙，棕色布鞋，肩背一个深绿色帆布包。所有场景下，脸型、发型、服装颜色及身体比例需保持一致。

白发老人：约 70 岁，短白发，面容清瘦，身穿灰色中式外套和深蓝色长裤。老人仅在故事中明确提及后才出现。

故事内容：

清晨，阿宁在旧书堆中偶然发现一张未写完的明信片。

明信片背面只有一句话：等桂花开了，就回家。

阿宁循着旧地址来到城南，院门旁的桂花已然盛开。

一位白发老人接过明信片，手指在那行字上久久停留。

傍晚时分，阿宁离开之际，老人将一小袋桂花递给了她。

跑完之后我逐帧看了一遍：主角的发型、蓝裙和绿色帆布包都保留得很好，说明人物设定这一块是真正被读进去的；旧书、明信片、院门和桂花树几个场景之间的过渡也很清楚；字幕始终清晰可辨，人物和建筑没有被画面裁掉；最后递交桂花的动作完整呈现，故事收得干净。这是我五个案例里效果最稳的一个。

story-to-handdrawn-video 仓库说明页截图

我又换了四个故事：修好的黄雨伞、蓝布袋里的春天、面馆的旧钥匙扣、停在六点十分的手表

为了知道它到底是稳定发挥还是运气好，我又跑了四个不同题材的故事，提示词结构基本一致，只在人物设定和细节约束上做调整。下面把四条提示词和我的观察都放出来。

案例二：修好的黄雨伞

使用 $story-to-handdrawn-video 将以下故事制作成手绘日记漫画动画。

任务设定：— 标题：「修好的黄雨伞」　— 图片生成采用默认的 Codex Image2。　— 字幕使用项目自带字体。　— 效果采用 cut。　— 需完整执行图片生成、素材导入及预览渲染。　— 保留原文，每个完整句子对应一个分镜。　— 黄色雨伞需始终保持相同的颜色、弯曲的伞柄以及破损位置。　— 周叔的深蓝色工具箱须保持外观一致。　— 插画风格采用白底手绘日记风格，保留较多留白空间。　— 画面中禁止出现水印、招牌文字、对话气泡及多余人物。　— 完成后，将预览视频保存至：out/tests/yellow-umbrella-preview.mp4　— 需报告分镜数量、总时长及文件路径。

人物设定：周叔：55 岁男性，短灰发，方脸，身穿深蓝色维修工制服和黑色布鞋，随身携带一个旧的深蓝色工具箱。林溪：20 岁女性，黑色高马尾，身穿墨绿色针织衫、米色长裤和白色帆布鞋，怀里抱着两本书。两名人物的脸型、发型、服装颜色及身体比例须保持一致。

故事内容：夜班结束后，周叔发现在公交站里仍坐着一个抱着书的女孩。雨势渐大，女孩手中的黄色雨伞突然断了一根伞骨。周叔从工具箱里拿出细铁丝，低头仔细地将伞骨缠好。末班车抵达，女孩上车前，将一颗橘子放在了工具箱旁。次日清晨，周叔打开工具箱，发现橘子下面压着一张写有”谢谢您”的纸条。

我的观察：周叔、女孩、深蓝色工具箱和黄色雨伞都保持了稳定，公交站、雨线、末班车、清晨几个场景串出了完整的时间流转。橘子在女孩离开前出现，第二天还在工具箱旁，情节没有掉链子。唯一的问题是伞骨断裂这个细节没能清晰呈现，初看还是一把完好的雨伞——这类”局部破损”的约束，它目前还表达不好。

案例三：蓝布袋里的春天

使用 $story-to-handdrawn-video 将以下故事制作成手绘日记漫画动画。

任务设定：— 标题：「蓝布袋里的春天」　— 图片生成采用默认的 Codex Image2。　— 字幕使用项目自带字体。　— 效果采用 cut。　— 需先根据故事内容，生成一个包含两位数场景编号的 visual-plan JSON 文件。　— visual-plan 文件必须明确每个场景中江禾的年龄、服装、地点、动作以及需要出现的人物。　— 将 visual-plan 文件保存至：out/tests/mint-visual-plan.json　— 基于此 visual-plan 文件，继续执行图片生成、导入及预览渲染。　— 保留原文，每个句子作为一个故事节拍。　— 蓝色布袋、白色花盆以及薄荷种子需要保持视觉上的连续性。　— 外婆仅在原文明确提及的分镜现。　— 完成后，将预览视频复制至：out/tests/mint-spring-preview.mp4　— 需报告分镜数量、总时长、visual-plan 文件路径及视频路径。

人物设定：江禾：拥有圆脸、细长眼睛、左侧眉尾的一颗小痣以及微卷黑发，这些特征在不同年龄阶段需保持一致。8 岁江禾：身穿浅黄色毛衣和深蓝色背带裤。16 岁江禾：身穿白色衬衫和灰蓝色长裤，背着棕色书包。26 岁江禾：留齐肩微卷黑发，身穿浅灰色风衣和深绿色长裤。外婆：约 68 岁，银灰色短发，身穿暗红色开襟毛衣和深灰色长裙。

故事内容：八岁那年，江禾每天都踩着小板凳，给窗台上的薄荷浇水。外婆将一小包薄荷种子缝进一个蓝布袋，交给了江禾。十六岁那年，江禾离开了小城，只带走了那个蓝色布袋。十年后，江禾拖着行李箱回到了旧屋，窗台已布满灰尘。江禾将蓝布袋里的种子种进了原来的白色花盆。春天来临时，花盆里长出了一株新的薄荷。

我的观察：这个案例我特意加了 visual-plan 这一层，先让它输出带场景编号的 JSON，再据此生图，结果确实更稳。8 岁、16 岁和成年江禾的年龄跨度表现出来了，微卷黑发和圆脸维持了角色辨识度，蓝布袋、白色花盆、旧窗台构成了稳定的视觉线索；成年江禾回到布满灰尘的旧屋时，空花盆和行李箱把时间流逝讲得很清楚。但眉尾那颗小痣在当前画风和人物尺寸下几乎看不出来——这类极小的身体特征不适合作为身份识别的关键点，写完提示词最好自己先判断一下可行性。

案例四：面馆的旧钥匙扣

使用 $story-to-handdrawn-video 将以下故事制作成手绘日记漫画动画。

任务设定：— 标题：「面馆的旧钥匙扣」　— 图片生成采用默认的 Codex Image2。　— 字幕使用项目自带字体。　— 效果采用 cut。　— 需完整执行图片生成、素材导入及预览渲染。　— 保留故事原文及对话措辞。　— 每个完整句子对应一个分镜。　— 对话仅在上方字幕区显示，插画中不生成对话气泡。　— 雨水、湿衣服和热汤面需使用简洁的手绘线条来表达。　— 旧钥匙扣需要保持相同的圆形木质外观。　— 避免夸张的哭泣和戏剧化的肢体动作。　— 完成后，将预览视频保存至：out/tests/noodle-shop-preview.mp4　— 需报告分镜数量、总时长及文件路径。

人物设定：老板娘：48 岁女性，短卷黑发，身穿砖红色围裙、米白色衬衫和深灰色长裤。外卖员：24 岁男性，短黑发，清瘦，身穿湿透的浅蓝色外卖雨衣、黑色长裤，手持白色头盔。所有场景下，人物的脸型、服装配色及身体比例需保持一致。

故事内容：深夜，面馆即将打烊，一位浑身湿透的外卖员站在门口翻找口袋。老板娘端出一碗热汤面，说道：”面煮多了，别浪费。”外卖员低头吃面，头盔上的雨水一滴滴落在脚边。临走前，外卖员将一枚旧钥匙扣放在桌上，说：”明天来赎。”第二天，老板娘刚开门，便看见门把手上挂着一袋热豆浆。旧钥匙扣仍被放置在柜台最显眼的位置。

我的观察：氛围营造是这五个里最好的，面馆门口、雨水、湿衣服和热汤面都到位了。老板娘的红围裙与外卖员的蓝雨衣稳定，热面、低头吃面、放下钥匙扣、第二天开门，动作顺序完全没乱。但旧钥匙扣被画成了一个棕色圆片，看着更像硬币，木质圆形这个约束没落实。

案例五：停在六点十分的手表

使用 $story-to-handdrawn-video 将以下故事制作成手绘日记漫画动画。

任务设定：— 标题：「停在六点十分的手表」　— 图片生成采用默认的 Codex Image2。　— 字幕使用项目自带字体。　— 效果采用 cut。　— 保留故事原文，不提前缩短句子。　— 先运行 plan 模式并报告自动拆分结果。　— 报告后继续完成图片生成、素材导入及预览渲染，无需等待确认。　— 每个分镜的字幕最多三行。　— 蓝色项圈、旧手表以及棕色小狗必须保持一致。　— 白发女人仅在电话号码接通后的场景现。　— 完成后，将预览视频复制至：out/tests/watch-at-six-ten-preview.mp4　— 需报告原始句子数量、拆分后的分镜数量、总时长及文件路径。

人物设定：许伯：62 岁男性，短灰发，戴圆框眼镜，身穿棕色旧马甲、浅灰色衬衫和深色长裤。白发女人：约 65 岁，齐耳白发，身穿暗绿色外套和黑色长裙。小狗：棕色短毛犬，右耳向下折，戴蓝色项圈。项圈上挂着一块银色圆形旧手表。

故事内容：傍晚，修表匠许伯关上店门，刚走出两步，便听到柜台下方传来轻轻的抓挠声。许伯弯腰看见一只戴着蓝色项圈的小狗，项圈上挂着一块停在六点十分的旧手表。后来，许伯按照表背面的电话号码拨打过去，一个白发女人接起电话，沉默几秒后哭了出来。半小时后，女人抱着小狗，许伯将修好的手表递给她，指针重新走过六点十分。

我的观察：这个案例我开了 plan 模式先看自动拆分结果，拆出来的镜头数量是合理的，没有把过长的句子硬塞进同一块字幕（我限定了每块最多三行）。许伯的眼镜、棕色马甲和修表铺场景稳定，棕色小狗和蓝色项圈也没明显漂移，关店、发现小狗、打电话、女人哭泣、归还手表五个环节全部完整呈现。

story-to-handdrawn-video 是怎么把这套流程串起来的

五个案例跑下来，我对它的定位清楚了一些：它本质上是一套 Agent 制作流程，而不是一个简单的转视频脚本。它覆盖的环节包括故事分句、分镜规划、绘图任务、素材裁切、动画编排以及视频导出，成片固定采用白底、手写字幕、黑白线稿转彩色插画的视觉风格，输出 H.264 编码的静音视频。

它真正固化的东西有四个，也是我认为最有价值的部分：

1. 每句一拍：按句子自动拆成故事节拍，长句还能通过 plan 模式二次拆分，保证字幕不会因为太长而糊成一团。
2. 人物参考：把人物设定作为全局约束贯穿所有分镜，这是角色不漂移的关键。
3. 黑白转彩：先出线稿再上色，形成那种手绘日记特有的”揭示动画”质感。
4. 静音导出：直接产出可直接预览的静音样片，配音和音乐留给后期，反而更好控制。

story-to-handdrawn-video 怎么安装和使用

安装过程非常简单，我把 GitHub 链接直接丢给 AI Agent，它自己就完成了项目的安装配置，没有手动 clone、装依赖这些步骤。

使用时的建议只有两条：

1. 选择支持生图功能的 AI Agent：这是”一条提示词出完整视频”的前提，没有生图能力就只能停在分镜规划阶段。
2. 提前把约束写清楚：人物设定、场景变化、关键道具、输出路径、分辨率、编码、方式，这些在提示词里一次写全，比中途反复纠正省事得多。

我自己的做法是：先想清楚人物小传，再写故事正文，最后补任务设定，照着上面五个案例的模板套就行。生成完素材之后，我把它导入剪映加声音，出来的效果确实让我惊喜了一下。

story-to-handdrawn-video 适合哪些场景

短视频和图文内容越来越依赖稳定、持续的视觉生产能力。对个人创作者、小工作室和内容团队来说，写完故事只是第一步，真正耗时间的是分镜构思、图像生成、字幕处理、动画制作和视频导出之间的反复切换。这个项目把这一串步骤压进了一条可重复使用的自动化工作流，适用的地方很明确：

1. 公众号故事与推文视频：固定画风、竖屏 3:4，直接嵌进图文里。
2. 儿童绘本与亲情短片：白底手绘加低饱和色彩，对这类题材是天然适配。
3. 日记漫画与品牌故事：需要批量试稿、快速验证叙事是否成立的场合。
4. 已有漫画页面的二次利用：把一批现成的黑白漫画页转成带揭示动画的静音素材。

如果你只是想把照片变成手绘风格，站内的照片转手绘AI工具更直接；想让静态手绘动起来，可以看AI手绘变动画；做的不是绘本而是实拍类视频，AI图片生成视频和免费AI生成视频这两个条目里有更合适的工具。

story-to-handdrawn-video 常见问题解答

story-to-handdrawn-video 目前有哪些做不到的地方？

现阶段只支持单图分镜、固定的白底手绘风格、3:4 画布比例和静音输出。口型同步、角色动作、镜头、配音合成、字幕时间轴、9:16 成片以及多种画风，都还有待开发，需要靠后期补。

小物件的一致性为什么老是做不好？

我实测下来，人物、服装、大件道具的稳定性都不错，但伞骨断裂、木质钥匙扣、眉尾小痣这类细节容易丢失。写提示词时尽量用”颜色 + 形状 + 明显特征”来描述关键道具，避免依赖太细微的识别点。

生成的视频能直接用吗？

它产出的是静音预览样片，我的做法是把素材导入剪映再加声音和音乐。用它来做初版样片、快速验证故事可行性最划算，精修和复杂镜头仍然要后期。

story-to-handdrawn-video 项目地址

项目地址：https://github.com/gnipbao/story-to-handdrawn-video

OpenI AI时代点评

总的来说，story-to-handdrawn-video 在画风和色彩搭配上的表现是超出我预期的，故事线衔接也很流畅，五个案例跑下来没有出现明显崩坏的情况。它最大的价值不在于”生成了一张多好看的图”，而在于把一套原本要靠反复切换软件的流程固化了下来，让它能被重复执行——这对内容生产来说，比单次效果好要重要得多。

它的短板也很清楚：体积较小的关键物品细节呈现不足，输出是静音的，风格目前只有一种。所以我的建议是把它用在链条前端——快速出静音样片，批量验证故事可行性，确认故事立得住之后，再决定要不要投入配音、精细剪辑和复杂动画。这样试错成本最低。

如果你手上有现成的故事文本，或者一直在做公众号图文想转成视频，值得拿这个项目跑一遍：安装只要丢一个 GitHub 链接给 AI Agent，剩下的就是你想讲什么故事了。