Jellyfish AI短剧工厂

Jellyfish AI短剧工厂官网

开源免费的AI短剧生产工具，从剧本输入到智能分镜、资产一致性管理、视频生成到成片导出全流程覆盖。支持本地部署，能有效解决 AI 视频角色漂移问题，适合短剧创作者、AI 工作室及个人创作者使用。

网站提供：Ai工具箱，Ai开源项目，Jellyfish AI短剧工厂，AI短剧。

Jellyfish AI短剧工厂简介

Jellyfish ai短剧工厂是开发者 Forget-C 在 GitHub 上开源的一个 AI 短剧生产工具，项目地址是 https://github.com/Forget-C/Jellyfish。按照官方的说法，是一个端到端的 AI 短剧生产工作台，覆盖了从剧本输入到结构化故事板、角色一致性管理、镜头准备、视频生成再到导出成片的完整流程。

截至2026年7月，这个项目在 GitHub 上已经获得了 5.5k Star 和 960 多个 Fork。上线两周左右的时候 Star 数就涨到了 1.7K，社区里讨论度还可以。项目采用 Apache-2.0 协议，完全开源免费，支持本地部署和二次开发。

Jellyfish核心功能

• 剧本理解与分镜拆解：Jellyfish 可以把章节脚本自动拆解成镜头序列，同时从中提取角色、场景、道具、服装和对话这些关键信息。另外也支持剧本优化、精简和一致性检查，以及针对角色肖像或场景细节的定向分析。

• 镜头准备与确认工作流：它的核心工作流大致是：脚本拆解 → 镜头准备 → 候选确认 → 镜头就绪 → 生成工作区。系统会自动提取镜头候选方案，用户可以选择接受或忽略某些候选内容，也可以手动链接已有的角色、场景、道具和服装，修正镜头级别的基本信息。每个镜头都有一个“就绪状态”的标记，用来判断是否可以进行生成。

• 资产一致性与复用：这是 Jellyfish 比较有特色的功能。系统维护了一个共享的实体模型，涵盖角色/演员、场景、道具、服装四大类。所有资产可以在不同镜头间复用，这样能在一定程度上解决 AI 视频里常见的角色换脸、场景漂移、道具穿帮等问题。

• 镜头级图像与视频编排：镜头进入“就绪”状态后，生成工作区支持关键帧和参考图管理、镜头级视频提示词预览、图像和视频生成任务的发起，以及单镜头和批量预检查。生成结果会自动写回到镜头或媒体系统里。

• 统一异步任务中心：视频生成通常耗时比较长，Jellyfish 把所有文本处理、图像生成、视频生成任务都纳入了统一的异步任务系统。支持状态跟踪、进度和耗时显示、任务取消和恢复，也能从任务中心直接跳转到对应的项目或镜头上下文。

• 模型、提示词与生成基础设施：支持多提供商和多模型管理，可以按类别设置默认模型，也支持提示词模板管理、文件和生成媒体管理，以及基于 OpenAPI 的前后端契约。文本端可以对接 OpenAI、Claude 等大语言模型，视频端可以对接 Kling、Runway、Luma 等服务。

Jellyfish技术架构

• 前端：React + TypeScript + Vite

• 后端：FastAPI (Python)

• 数据库：MySQL

• 缓存/队列：Redis

• 对象存储：RustFS（S3 兼容）

• 部署：Docker Compose

项目前端请求和类型从后端 OpenAPI 规范自动生成，前后端接口的一致性有一定保证。

Jellyfish应用场景

• 根据官方文档和社区反馈，Jellyfish 适用的场景大致有这些：

• 短剧/微短剧创作者：快速量产成片，节省工具成本

• AI影视工作室：批量制作短剧，统一创作标准

• 个人创作者：不用学多款工具，可以低成本入局

• 教育培训团队：快速制作教学微视频

• 品牌与电商团队：制作故事驱动的产品宣传视频

五、优缺点

优点：

• 开源免费，Apache-2.0 协议，代码完全开放

• 通过集中化资产管理，能在一定程度上解决角色“漂移”问题

• 从剧本到成片一站式完成，不用在多工具之间切换

• 工作流是“候选→确认→生成”的模式，AI 负责候选，人负责判断

• 异步任务系统支持长时间生成任务的状态跟踪、取消和恢复

• 支持多模型接入，扩展性还可以

缺点：

• 本地部署需要一定技术基础，目前没有一键安装包

• 项目还在快速迭代中，核心的分镜渲染链路尚未完全稳定

• 工具本身不提供算力，需要自己准备各模型的 API Key

• 最终生成质量取决于所接入的视频生成模型

六、使用教程

快速部署

git clone https://github.com/Forget-C/Jellyfish.git
cd Jellyfish
cp deploy/compose/.env.example deploy/compose/.env
docker compose --env-file deploy/compose/.env -f deploy/compose/docker-compose.yml up --build

启动后的服务端口：

前端：http://localhost:7788

后端：http://localhost:8000（/docs 可以查看 Swagger 文档）

MySQL：localhost:3306

Redis：localhost:6379

RustFS：http://localhost:9000

本地开发

后端：

cd backend
cp .env.example .env
uv sync
uv run uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

前端：

cd front
pnpm install
pnpm dev

如果前端报接口错误，可以同步一下 OpenAPI 类型：

cd front
pnpm run openapi:update

工作流步骤

步骤	操作	输出
1. 剧本准备	输入文字剧本（中英文都支持）	原始文本
2. 智能分镜	AI 自动拆解，可以手动编辑	逻辑镜头序列
3. 一致性锁定	管理角色、场景、道具、服装	稳定的视觉风格
4. 视频生成	集成底层模型批量生成	分镜视频素材
5. 后期剪辑	添加字幕、音效、	剪辑完的项目
6. 导出成片	一键生成竖屏视频	可直接发布的成片

Jellyfish与竞品对比

以下是一些 GitHub 上同类开源工具的对比：

对比维度	Jellyfish	Toonflow	waoowaoo	火宝短剧
Star 数	5.5k	11k+	13k+	13k+
核心定位	端到端生产工作台，强调流程控制	小说/剧本到动画短剧的自动化	工业级 AI 影视全自动生成平台	一句话生成完整短剧
核心优势	资产一致性管理、镜头级精细控制	跨平台桌面端轻量部署	网文直出视频、自动配音	全自动化、操作简单
适用人群	追求质量和控制力的进阶创作者	想做小说转动态漫画/剧的创作者	有网文 IP 想快速转短剧的团队	新手，想快速跑通流程
部署方式	Docker Compose	桌面版 + Docker	Docker	Docker
开源协议	Apache-2.0	—	—	—

选择Jellyfish理由

• Jellyfish 解决了一个比较实际的问题——AI 视频里角色“漂移”，通过集中化的资产管理方式，比一般的视频生成工具更可控

• 它覆盖了从剧本到成片的完整流程，不是只能生成片段，而是一个完整的工作台

• 工作流的设计比较务实，AI 负责出候选方案，人来做最终判断，避免了“全自动生成”不可控的问题

• 开源免费，数据在本地处理，对数据隐私有要求的团队会比较在意这一点

• 可以逐镜头调整景别、角度、运镜这些参数，控制力比一般工具强一些

• 技术栈是 FastAPI + React + MySQL + Redis，比较成熟，便于二次开发

常见问题

Q1：Jellyfish 收费吗？

免费，Apache-2.0 开源协议。

Q2：能直接生成视频吗？

Jellyfish 本身不提供算力，需要自己准备各模型的 API Key（比如 OpenAI、Claude、Kling、Runway 等）。

Q3：硬件要求高吗？

本地部署推荐有 GPU，目前没有一键安装包，需要一定技术基础。

Q4：支持中文吗？

支持简体中文和英文剧本。

Q5：可以商用吗？

可以。Apache-2.0 协议允许商业使用，不过 AI 生成内容在一些平台的版权和变现规则还在演进中，需要注意。

Q6：项目成熟度怎么样？

还在快速迭代阶段，核心的分镜渲染链路尚未完全稳定，更适合愿意折腾的技术团队先试试。

Q7：前端接口报错怎么处理？

后端接口变更后，在 front 目录下运行 pnpm run openapi:update 同步一下就行。

最后更新于：2026年07月21日

Jellyfish AI短剧工厂官网入口网址

https://forget-c.github.io/Jellyfish/

OpenI小编发现Jellyfish AI短剧工厂网站非常受用户欢迎，请访问Jellyfish AI短剧工厂网址入口试用。