前言：AI 视频创作正在进入工业化时代

随着生成式人工智能（Generative AI）的快速发展，AI 绘画、AI 配音、AI 视频生成工具不断涌现。越来越多创作者开始尝试利用 AI 制作短视频、动画以及短剧内容。

然而，真正的问题并不是“生成一张图片”或者“生成几秒视频”，而是如何完成一个完整的视频生产流程：

• 剧本如何拆解？
• 人物形象如何保持一致？
• 场景如何统一？
• 分镜如何规划？
• AI 生成的视频素材如何管理？
• 多个镜头之间如何避免角色漂移？

针对这些问题，GitHub 上出现了一个非常值得关注的开源项目：

Jellyfish —— 一个面向 AI 短剧生产的端到端创作工作台。

项目地址：

https://github.com/Forget-C/Jellyfish

它的目标不是简单做一个 AI 图片生成器，而是打造一个完整的 AI 短剧工业化生产流水线。

---

什么是 Jellyfish？

Jellyfish 是由 Forget-C 开源的 AI 短剧制作平台，它提供了一套从：

剧本输入 → 智能拆解 → 分镜设计 → 角色管理 → 素材管理 → AI 图片/视频生成 → 成片制作

的完整工作流程。

官方定位：

An end-to-end production workspace for AI-generated short dramas.

也就是：

一个用于 AI 生成短剧的端到端生产工作空间。

相比传统 AI 视频工具，Jellyfish 更像一个“AI 影视制作管理系统”。

---

为什么需要 Jellyfish？

目前很多 AI 视频工具存在几个明显问题。

1. 人物一致性困难

使用 AI 生成连续剧情时，经常出现：

• 第一幕男主是短发
• 第二幕变成长发
• 第三幕脸型完全变化

这种问题被称为：

AI 角色漂移（Character Drift）

Jellyfish 通过角色资产管理解决这个问题。

用户可以维护：

• 人物
• 演员形象
• 服装
• 场景
• 道具

并在不同镜头之间重复使用。

这样可以提升 AI 视频连续性。

---

2. AI 视频生产流程碎片化

传统方式：

ChatGPT 写剧本

↓

AI 绘图生成角色

↓

图片工具制作分镜

↓

视频模型生成动画

↓

剪辑软件合成

整个流程需要多个软件配合。

Jellyfish 尝试把这些步骤集中：

剧本
 ↓
故事拆解
 ↓
分镜管理
 ↓
素材管理
 ↓
生成任务
 ↓
视频输出

形成统一生产流程。

---

Jellyfish 核心功能介绍

一、AI 剧本分析与智能分镜拆解

Jellyfish 可以处理输入的故事文本，并自动分析：

• 剧情章节
• 镜头
• 人物
• 场景
• 道具
• 台词

例如：

输入：

夜晚，一个女孩独自走在城市街道。

系统可以进一步拆解：

镜头：

Shot 01

场景：
城市夜晚街道

人物：
女孩

动作：
缓慢行走

氛围：
孤独、电影感

镜头：
远景跟拍

帮助创作者快速完成影视前期规划。

---

二、角色、场景、道具资产管理

AI 视频最大的难点之一就是资产一致性。

Jellyfish 提供统一资产系统：

角色管理

包括：

• 人物名称
• 人物图片
• 外貌描述
• 关联镜头

例如：

角色：

林夏

年龄：
25

特点：
黑色长发
白色连衣裙

参考图片：
xxx.png

之后所有镜头都可以调用。

---

场景管理

例如：

咖啡店

风格：
日系电影

时间：
下午

色调：
暖色

避免不同镜头出现完全不同的环境。

---

道具管理

支持：

• 武器
• 手机
• 汽车
• 饰品
• 房间物品

方便长期剧情复用。

---

三、AI 图片和视频生成任务管理

Jellyfish 并不是直接替代所有 AI 模型，而是作为一个工作流平台。

它可以管理：

• 图片生成任务
• 视频生成任务
• Prompt
• 生成结果
• 状态记录

例如：

镜头01

状态：
等待生成

Prompt:
电影级夜景，女孩走在雨中

任务：
video_generate_001

结果：
success

这样适合批量生产 AI 内容。

---

四、异步任务中心

AI 图片和视频生成通常需要较长时间。

Jellyfish 提供任务中心：

支持：

• 查看任务状态
• 查看执行时间
• 取消任务
• 查看生成结果

适合大量镜头批量生成。

---

Jellyfish 技术架构

从项目结构来看，Jellyfish 采用现代 Web 架构：

Jellyfish

├── front
│   └── 前端界面

├── backend
│   └── 后端服务

├── deploy
│   └── 部署配置

项目包含：

• 前端应用
• 后端 API
• Docker Compose 部署方案
• OpenAPI 接口管理

---

Docker 一键部署

Jellyfish 提供 Docker Compose 部署方式。

部署环境包括：

• Web 前端
• 后端服务
• MySQL 数据库
• Redis
• RustFS 文件存储

默认端口：

Frontend:
7788

Backend:
8000

MySQL:
3306

Redis:
6379

Storage:
9000

启动：

cp deploy/compose/.env.example deploy/compose/.env

docker compose \
--env-file deploy/compose/.env \
-f deploy/compose/docker-compose.yml \
up --build

---

Jellyfish 适合哪些人？

1. AI 短剧创业者

如果你想制作：

• 竖屏短剧
• AI 连续剧
• 小说改编视频

Jellyfish 可以降低制作成本。

---

2. 自媒体创作者

适合：

• TikTok 创作者
• YouTube Shorts 制作者
• 国内短视频团队

可以快速批量生成内容。

---

3. AI 视频开发者

对于开发者来说：

Jellyfish 提供：

• 模型管理
• Prompt 管理
• API 扩展
• 工作流设计

可以作为二次开发基础。

---

Jellyfish 的优势总结

相比普通 AI 视频工具，它最大的特点：

✅ 全流程管理

不是单点生成，而是一整套生产流程。

---

✅ 强调一致性

解决 AI 视频最大的痛点：

人物和场景不稳定。

---

✅ 开源可扩展

代码公开，可以：

• 私有部署
• 修改功能
• 集成自己的 AI 模型

---

✅ 面向生产环境

支持：

• Docker
• 异步任务
• 文件管理
• API 调用

更加接近真实生产系统。

---

Jellyfish 未来发展方向

随着 AI 视频模型不断升级，未来类似 Jellyfish 的工具可能成为：

AI 编剧
+
AI 导演
+
AI 摄影
+
AI 剪辑
+
AI 后期

的统一平台。

未来个人创作者可能不再需要大型影视团队，一个人即可完成：

小说 → 剧本 → 分镜 → 视频 → 发布

完整流程。

---

总结

Jellyfish 是目前 GitHub 上比较有代表性的 AI 短剧生产开源项目。

它没有简单停留在“AI 生成视频”层面，而是尝试解决真正的内容生产问题：

• 剧本结构化
• 分镜管理
• 角色一致性
• 素材复用
• 自动生成流程

对于想探索：

• AI 视频创业
• AI 短剧制作
• AIGC 内容生产
• 开源 AI 工具开发

的用户来说，Jellyfish 值得关注。

项目地址：

https://github.com/Forget-C/Jellyfish