企业官网建设流程全解析

简介：BigBanana AI Director 是一套面向专业内容创作者的工业级 AI 短剧与漫剧全流程制作平台，基于开源架构构建，支持完全离线本地运行，从故事构思、剧本生成、角色设定、分镜设计到语音合成与成片输出一站式完成，数据不出本机，兼顾隐私安全与知识产权归属。资源包共 261 个文件，以 tsx 与 ts 前端源码、md 说明文档为主，辅以 png 素材、json 配置、css 主题样式及 Dockerfile、nginx.conf 等部署文件，压缩包约 17.97MB，目录结构清晰，便于按模块查阅与二次开发。平台整合多模态模型能力，覆盖真人短剧与二次元漫剧两大形态，内置智能提示工程助手、分镜联动机制与数字人驱动方案，并遵循 MIT 协议允许商用修改。目前已有 112 人学习下载，适合希望低成本搭建本地 AI 短剧工作流、研究开源生成式内容管线的开发者与创作者参考。

1. BigBanana AI Director：从一句灵感到一集短剧，中间到底缺了什么

你手里有一个短剧创意，三句话能讲完，但真要变成一集能发的片子，中间隔着剧本拆解、分镜设计、角色一致性、画面生成、配音配乐、剪辑合成六道工序。BigBanana AI Director 这类 AI 导演平台要解决的，就是把这条链路从"六个工具来回倒"压缩成"一个工作台里跑完"。它面向的是短剧和漫剧创作者，核心卖点不是单点生成能力，而是把导演思维——节奏、镜头、情绪曲线——变成可配置的参数和工作流节点。适合谁？适合已经会用至少一个文生图或文生视频工具、但被多工具协作折磨过的创作者。如果你还在纠结第一张图怎么出，这篇的中间章节会让你少走弯路；如果你已经在跑工作流，重点看参数边界和避坑部分。

2. 拆解 AI 短剧工作流：从剧本到分镜的四个转换层

2.1 剧本结构化：把散文变成可执行的 JSON

AI 短剧制作最容易被低估的一步，是把一段自然语言剧本转成机器能逐镜头执行的 structured script。常见做法是先用 LLM 做一次"剧本拆解"，输出固定 schema 的 JSON，每个镜头包含：镜号、场景描述、角色列表、对白、情绪标签、预估时长。这一步不做，后面所有环节都是玄学。

import json # 剧本拆解 prompt 模板（实际调用时替换为你的 LLM 接口） script_prompt = """ 你是一个短剧分镜师。将以下剧本拆解为 JSON 数组，每个元素包含： - shot_id: 镜号，从 1 开始 - scene: 场景描述，包含环境、光线、时间 - characters: 出场角色名列表 - dialogue: 对白原文，无对白则为空字符串 - emotion: 情绪标签，从 [平静, 紧张, 爆发, 悲伤, 反转] 中选 - duration: 预估时长（秒），整数 剧本： {script_text} 只输出 JSON，不要解释。 """ def parse_script(script_text, llm_call): raw = llm_call(script_prompt.format(script_text=script_text)) # 去掉可能的 markdown 代码块标记 raw = raw.strip().removeprefix("```json").removesuffix("```").strip() shots = json.loads(raw) # 校验必填字段 required = {"shot_id", "scene", "characters", "dialogue", "emotion", "duration"} for shot in shots: missing = required - shot.keys() if missing: raise ValueError(f"镜号 {shot.get('shot_id')} 缺字段: {missing}") return shots

逻辑说明：这段代码的核心不是调用 LLM，而是校验。LLM 输出 JSON 时经常漏字段或把 duration 写成字符串，校验层能拦住 80% 的后续报错。参数方面，emotion的枚举值建议控制在 5 到 7 个，太多会导致后续画面生成时提示词发散；duration先让模型估，后面在分镜表里手动微调，不要在这一步追求精确。

2.2 角色一致性：参考图 + 固定 seed 的双保险

AI 漫剧和短剧最大的翻车点是人脸不一致。同一个角色在第三镜和第七镜长得像两个人，观众直接出戏。工业级做法是两层保险：第一层，为每个主要角色生成一张标准参考图，锁定五官和发型；第二层，在每次生成该角色时，把参考图作为 image prompt 传入，同时固定随机种子。

# 角色一致性配置示例（伪代码，适配主流生图 API 的参数命名） character_registry = { "林小雨": { "ref_image": "characters/linxiaoyu_ref.png", "seed": 428193, "base_prompt": "20岁女性，齐肩黑发，圆脸，浅蓝色衬衫，都市短剧风格", "negative_prompt": "变脸，五官漂移，多余手指，模糊" }, "陈默": { "ref_image": "characters/chenmo_ref.png", "seed": 739201, "base_prompt": "28岁男性，短发，棱角分明，深灰色西装，都市短剧风格", "negative_prompt": "变脸，五官漂移，多余手指，模糊" } } def build_shot_prompt(shot, character_registry): char_names = shot["characters"] prompt_parts = [shot["scene"]] ref_images = [] seeds = [] for name in char_names: cfg = character_registry[name] prompt_parts.append(cfg["base_prompt"]) ref_images.append(cfg["ref_image"]) seeds.append(cfg["seed"]) # 多角色同框时取第一个角色的 seed 作为主 seed，参考图全部传入 return { "prompt": "，".join(prompt_parts), "ref_images": ref_images, "seed": seeds[0] if seeds else -1, "negative_prompt": "变脸，五官漂移，多余手指，模糊" }

逻辑说明：seed固定是底线，但只固定 seed 不够——不同镜头的场景描述会改变画面构图，seed 只能保证噪声分布一致，不能保证五官不变。所以ref_image必须传。参数上，negative_prompt里"变脸"和"五官漂移"这两个词对多数生图模型有效，但不要堆太多负面词，超过 10 个反而会稀释权重。多角色同框时，参考图按角色重要性排序传入，排在前面的权重更高。

2.3 分镜表到画面：批量生成的队列管理

一集 3 分钟的短剧大概 40 到 60 个镜头，逐个手动生成不现实。需要把分镜表转成生成队列，支持断点续跑和失败重试。这里的关键参数是并发数——设太高会触发 API 限流，设太低一集要跑两小时。我一般会按 API 的 RPM 限制的 70% 来设并发。

import asyncio from asyncio import Semaphore async def generate_shot(shot, character_registry, api_client, sem): async with sem: payload = build_shot_prompt(shot, character_registry) for attempt in range(3): try: result = await api_client.text_to_image(**payload) return {"shot_id": shot["shot_id"], "image": result, "status": "ok"} except Exception as e: if attempt == 2: return {"shot_id": shot["shot_id"], "error": str(e), "status": "failed"} await asyncio.sleep(2 ** attempt) # 指数退避 async def batch_generate(shots, character_registry, api_client, max_concurrent=4): sem = Semaphore(max_concurrent) tasks = [generate_shot(s, character_registry, api_client, sem) for s in shots] results = await asyncio.gather(*tasks) # 按镜号排序，方便后续剪辑 return sorted(results, key=lambda x: x["shot_id"])

逻辑说明：max_concurrent=4是保守值，实际按你的 API 套餐调整。指数退避2 ** attempt在第三次重试时等 4 秒，能扛住大部分临时限流。返回结果按shot_id排序这一步别省，异步 gather 的返回顺序不保证和输入一致，不排序后面剪辑会对不上。失败镜头单独收集，不要因为一个镜头失败就中断整批。

2.4 配音与口型：时间轴对齐的两种策略

短剧对白密度高，配音和口型对不上会非常明显。两种策略：一是先配音再生成画面，用音频时长驱动镜头 duration；二是先出画面再配音，用 TTS 的 SSML 标记控制语速来匹配画面。第一种更可控，推荐。

# 用 TTS 返回的音频时长反写回分镜表 def align_duration(shots, tts_client): for shot in shots: if shot["dialogue"]: audio = tts_client.synthesize(shot["dialogue"]) # 音频时长向上取整，加 0.3 秒留白 shot["duration"] = int(audio.duration) + 1 else: shot["duration"] = max(shot["duration"], 2) # 无对白镜头至少 2 秒 return shots

逻辑说明：int(audio.duration) + 1是向上取整加一秒留白，避免配音刚结束画面就切走。无对白镜头设 2 秒下限，是短剧节奏的经验值——低于 2 秒观众来不及看清画面。如果你的 TTS 支持 SSML，可以在对白里插入<break time="300ms"/>来控制停顿，比后期剪音频省事。

3. AI 漫剧的特殊处理：静态画面的动态化与战斗分镜

3.1 漫剧和短剧的分水岭：画面运动幅度

AI 漫剧制作流程和短剧最大的区别在画面运动幅度。短剧追求接近实拍的运镜，漫剧则允许更大的风格化运动——比如速度线、集中线、画面震动。这意味着在生成视频时，漫剧的 motion strength 参数可以开到短剧的 1.5 到 2 倍，但超过阈值会出现画面撕裂。

# 漫剧运动参数配置 manga_motion_config = { "dialogue_scene": {"motion_strength": 0.3, "camera": "slow_push_in"}, "action_scene": {"motion_strength": 0.7, "camera": "shake"}, "emotional_scene": {"motion_strength": 0.4, "camera": "slow_pull_out"}, "transition_scene": {"motion_strength": 0.9, "camera": "zoom_blur"} }

逻辑说明：motion_strength超过 0.8 后，多数视频生成模型会出现边缘扭曲，所以 transition_scene 设 0.9 是上限，再高就要靠后期加特效而不是靠生成。camera参数里shake适合战斗场景，但连续三个以上 shake 镜头会让观众眩晕，中间要插一个稳定镜头。

3.2 战斗分镜的节奏公式：三镜一组

AI 漫剧专业战斗场景有个可复用的节奏公式：三镜一组——远景交代位置、中景展示动作、特写强化冲击。每组之间用 0.5 秒的黑场或白闪过渡。这个公式来自传统动画分镜，在 AI 生成里同样适用，因为 AI 对"动作连贯性"的处理仍然偏弱，用剪辑节奏来弥补比硬追求生成连贯更实际。

def build_battle_sequence(base_shots): """将战斗镜头按三镜一组重新编排""" sequence = [] for i in range(0, len(base_shots), 3): group = base_shots[i:i+3] if len(group) >= 1: group[0]["shot_type"] = "远景" group[0]["duration"] = 2 if len(group) >= 2: group[1]["shot_type"] = "中景" group[1]["duration"] = 1 if len(group) >= 3: group[2]["shot_type"] = "特写" group[2]["duration"] = 1 sequence.extend(group) # 组间插入过渡 sequence.append({"shot_id": f"trans_{i}", "shot_type": "过渡", "duration": 0.5}) return sequence

逻辑说明：远景 2 秒、中景 1 秒、特写 1 秒的时长分配是经验值，特写短是为了制造冲击感。过渡镜头用 0.5 秒，在剪辑软件里可以用白闪或黑场实现，不需要单独生成画面。如果你的生成模型支持首尾帧控制，过渡镜头可以用前后两镜的尾帧和首帧来生成，连贯性更好。

4. 避坑与排查：AI 短剧制作里最容易翻车的五件事

4.1 角色脸在第三镜之后开始漂移

现象：前两镜角色正常，第三镜开始五官逐渐变化，到第五镜完全变成另一个人。原因：只固定了 seed 但没有传参考图，或者参考图在队列中被后续镜头的 prompt 覆盖。解决：检查build_shot_prompt里ref_images是否每个镜头都传了；如果 API 支持 image prompt 权重，把参考图权重设到 0.6 以上；每生成 10 个镜头后人工抽检一次，发现漂移立即回滚重跑该批次。

4.2 批量生成到一半 API 限流，队列卡死

现象：生成到第 20 个镜头时全部报 429，程序挂起。原因：并发数设太高，或者没有做退避重试。解决：把max_concurrent降到 2 到 3；确认重试逻辑里asyncio.sleep的退避时间足够；如果 API 返回Retry-After头，优先读这个值而不是自己算。另外，队列要支持断点续跑——把已成功的镜头结果落盘，重跑时跳过。

4.3 配音和画面时长对不上，剪辑时对白被截断

现象：配音说到一半画面切走了，或者画面停了两秒配音才出来。原因：分镜表的 duration 是 LLM 估的，和 TTS 实际时长偏差大。解决：用 2.4 节的align_duration函数，以 TTS 返回的音频时长为准反写 duration；TTS 合成时开启 SSML 支持，在对白末尾加 200 到 300 毫秒静音，给剪辑留余量。

4.4 漫剧战斗场景连续 shake 导致观众眩晕

现象：战斗片段观众反馈"看着头晕"。原因：连续多个镜头用了 shake 运镜，且 motion_strength 都在 0.7 以上。解决：按 3.2 节的三镜一组公式重新编排，每组里最多一个 shake 镜头；组间过渡用稳定镜头或黑场；整体 motion_strength 均值控制在 0.5 左右，高动态镜头占比不超过 30%。

4.5 生成画面风格不统一，一集里出现三种画风

现象：有的镜头像写实照片，有的像水彩，有的像 3D 渲染。原因：每个镜头的 prompt 里风格描述不一致，或者不同镜头用了不同的模型版本。解决：在character_registry之外单独维护一个全局风格配置，所有镜头的 prompt 都拼接同一个风格后缀；锁定模型版本，不要在一集制作中途切换模型；如果必须切换，整集重跑而不是混用。

5. 把 AI 导演平台用出工业级效率：三个进阶习惯

第一个习惯是建立自己的镜头模板库。不要每次从零写 prompt。把常用的镜头类型——对话正反打、情绪特写、环境交代、转场——做成模板，每个模板里预置好 camera、motion_strength、duration 范围。新项目开始时先匹配模板，再微调场景描述。这样一集 50 个镜头的前期配置时间能从 3 小时压到 40 分钟。

第二个习惯是用 A/B 抽检代替全量审查。批量生成 50 个镜头后，不要逐个看。按 10% 比例随机抽 5 个，重点检查角色一致性、画面风格、时长匹配。如果抽检全部通过，整批大概率没问题；如果有一个翻车，把该镜头前后各 3 个镜头一起重跑。这个习惯来自制造业的抽样质检，在 AI 生成里同样适用，能省掉大量无效审查时间。

第三个习惯是把失败案例存成负样本库。每次翻车的 prompt 组合、参数配置、参考图，单独存一个文件，标注失败原因。下次开新项目时，先过一遍负样本库，避开已知的坑。我自己的负样本库跑了半年，积累了 200 多条记录，现在新项目的一次通过率从最初的 60% 提到了 85% 以上。

最后说一个我自己的教训：刚开始做 AI 短剧时，我总想一次把 50 个镜头全生成完再统一看，结果每次都是生成到第 30 个发现角色漂移，前面 29 个全部作废。后来改成每 10 个镜头抽检一次，发现问题立即回滚，单集返工率从 40% 降到了 8%。这个习惯看起来慢，实际上是最快的路径。希望帮到你。

本文还有配套的精品资源，点击获取