一、做 AI 短剧，最烦的就是当“人工缝合怪”
现在用 AI 生成个视频片段不难，难的是怎么连贯地讲完一个故事。很多人做竖屏短剧，其实就是在“手动抽卡”：在文本模型里写剧本，去 Midjourney 垫图，最后丢进视频生成模型里等结果。
你是不是也遇到过这种崩溃日常：
主角前一秒还是瓜子脸，切个远景直接变大妈了。为了保住“人物一致性”，你得搞个巨大的表格，把每个角色的提示词、垫图链接存起来，每次生成都要来回复制粘贴。这说白了就是赛博时代的流水线打螺丝。
主角前一秒还是瓜子脸，切个远景直接变大妈了。为了保住“人物一致性”，你得搞个巨大的表格，把每个角色的提示词、垫图链接存起来，每次生成都要来回复制粘贴。这说白了就是赛博时代的流水线打螺丝。
今天要聊的 Jellyfish，就是一个想把这些重复操作尽量收拢起来的开源项目。它不做底层大模型，而是想把剧本、分镜、角色资产、视频生成和剪辑尽量串到一条流程里。
二、这套工作流想怎么处理“人物漂移”？
Jellyfish 没用什么玄乎的黑科技，它的核心思路非常实在，就是把做视频变成了“拼积木”，重点放在了资产复用的逻辑上。
- 全局风格与种子统一：建项目时锁定全局风格，尽量减少后续分镜在生成时的随机漂移。
- 双层资产库设计：捏好的角色或装备存进库里打上标签，下一个镜头需要用到时直接调标签，目标是省去重复手敲冗长 Prompt 的麻烦。
- 分镜控制粒度：从项目设计来看，它希望把分镜编辑做得更直观、更细一点，比如支持首尾关键帧独立提示词。
底层大模型接入说明：
这工具本身不包算力。根据官方说明与项目设计方向，你可以自备 API Key，文本端对接 OpenAI、Claude 等，视频端则覆盖 Kling、Runway、Luma 等服务。
这工具本身不包算力。根据官方说明与项目设计方向，你可以自备 API Key，文本端对接 OpenAI、Claude 等，视频端则覆盖 Kling、Runway、Luma 等服务。
三、极客探路指南：别卡在 API 联调上
如果你有技术背景想拉代码跑跑看，目前 Jellyfish 的界面框架和模型管理部分已经能跑通。但有一个前后端联调的机制，很多新手容易踩坑。
避坑实操：前端接口同步
它的前端请求是跟着后端 OpenAPI 规范自动生成的。如果启动后发现前端狂报接口错误，先确保你的后端在本机
它的前端请求是跟着后端 OpenAPI 规范自动生成的。如果启动后发现前端狂报接口错误，先确保你的后端在本机
8000 端口跑起来了，然后切到前端目录跑一句 pnpm run openapi:update，让它更新类型文件。提醒一句：官方 Roadmap 明确标示了核心的分镜渲染链路还在开发中，目前也没有一键部署包。现阶段它更适合技术团队用来摸索架构方向，而不是直接拿去上生产线。
四、算笔经济账：为什么我们需要优化流程？
搞过视频 API 的朋友都知道，现在高阶视频模型的计费可不便宜。如果全靠人工瞎试，高昂的废片率月底一看账单能让人心梗。
商业化视角的流程价值：
折腾这类工作流工具，核心诉求在于“成本控制”。如果项目后续的工作流编排和参考图复用能顺利落地，将有机会减少团队的重复试错和无效调用。对批量内容生产团队来说，这类流程优化才更有实际价值。（API定价与支持策略以各官方页面为准）。
折腾这类工作流工具，核心诉求在于“成本控制”。如果项目后续的工作流编排和参考图复用能顺利落地，将有机会减少团队的重复试错和无效调用。对批量内容生产团队来说，这类流程优化才更有实际价值。（API定价与支持策略以各官方页面为准）。
如果你正准备搭建团队的 AI 基础设施，除了视频生成链路，底座模型的选择也同样关键。
🚀 项目获取与官方通道
免责声明：本文介绍的 Jellyfish 开源项目仅供技术学习与 AI 自动化流程架构的探讨。该项目目前仍处于早期开发路线图中，不代表成熟可用的商业化生产力工具。实际业务应用落地时，请严格核对并遵守原作者的开源许可协议，并确保您所调用的第三方大模型 API（如 Kling、OpenAI、Claude 等）符合相关地区的安全合规要求与服务条款。本站不提供、不存储任何破解程序或受版权保护的音视频内容素材。如涉及侵权，请通过邮件联系我们进行处理。