[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-alecm20--story-flicks":3,"tool-alecm20--story-flicks":64},[4,17,25,39,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":10,"last_commit_at":23,"category_tags":24,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,15],{"id":26,"name":27,"github_repo":28,"description_zh":29,"stars":30,"difficulty_score":10,"last_commit_at":31,"category_tags":32,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[33,34,35,36,14,37,15,13,38],"图像","数据工具","视频","插件","其他","音频",{"id":40,"name":41,"github_repo":42,"description_zh":43,"stars":44,"difficulty_score":45,"last_commit_at":46,"category_tags":47,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,3,"2026-04-04T04:44:48",[14,33,13,15,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":45,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74939,"2026-04-05T23:16:38",[15,33,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":45,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70626,"2026-04-05T22:51:36",[15,14,13,36],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":76,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":76,"owner_url":78,"languages":79,"stars":104,"forks":105,"last_commit_at":106,"license":76,"difficulty_score":45,"env_os":107,"env_gpu":108,"env_ram":109,"env_deps":110,"category_tags":119,"github_topics":120,"view_count":128,"oss_zip_url":76,"oss_zip_packed_at":76,"status":16,"created_at":129,"updated_at":130,"faqs":131,"releases":176},296,"alecm20\u002Fstory-flicks","story-flicks","使用AI大模型，一键生成高清故事短视频。Generate high-definition story short videos with one click using AI large models.","story-flicks 是一个开源的 AI 视频生成工具，只需输入一个故事主题，就能自动生成一段高清的故事短视频。\n\n它的工作流程是：用户输入故事主题后，系统会利用大语言模型生成故事情节和对话，然后通过图像生成模型创建对应的画面，最后将图片、文本、音频和字幕合成为完整的视频。整个过程自动化程度很高，无需复杂的视频编辑技能即可完成创作。\n\n这个工具特别适合几类用户：内容创作者可以用它快速生成故事类短视频；教育工作者可以制作有趣的教学内容；想给孩子讲故事的家长也能用它创作个性化的视频作品；同时，它也是 AI 爱好者和学习者了解视频生成技术的好选择。\n\nstory-flicks 支持多种主流 AI 模型提供商，包括 OpenAI、阿里云、DeepSeek、Ollama 和 SiliconFlow，用户可以根据需求和成本灵活选择。后端采用 Python + FastAPI，前端使用 React + Ant Design + Vite，代码结构清晰，方便开发者二次开发或自定义功能。","English | [简体中文](.\u002FREADME-CN.md)\n\n## Project Description\n\nThis project allows users to input a story theme and generates a story video using a large language model. The video includes AI-generated images, story content, audio, and subtitles.\n\nThe backend technology stack consists of Python + FastAPI framework, while the frontend is built with React + Ant Design + Vite.\n\n## Video Demonstration\n\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth align=\"center\">\u003Cg-emoji class=\"g-emoji\" alias=\"arrow_forward\">▶️\u003C\u002Fg-emoji> The Story of the Rabbit and the Little Fox\u003C\u002Fth>\n\u003Cth align=\"center\">\u003Cg-emoji class=\"g-emoji\" alias=\"arrow_forward\">▶️\u003C\u002Fg-emoji> The Story of the Big Gray Wolf and the Little White Rabbit\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd align=\"center\">\u003Cvideo src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fe1893b9c-83ed-420c-a29a-1f5f878117c4\">\u003C\u002Fvideo>\u003C\u002Ftd>\n\u003Ctd align=\"center\">\u003Cvideo src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F8868e1b5-a931-4d25-9762-859a4c32d4f4\">\u003C\u002Fvideo>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n## Interface Screenshot\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Falecm20_story-flicks_readme_1089e9c35975.jpg)\n\n## Usage Instructions\n\n### 1. Download the project\n\n```\ngit clone https:\u002F\u002Fgithub.com\u002Falecm20\u002Fstory-flicks.git\n```\n\n### 2. Set model information\n\n```\n# First, switch to the project’s backend directory first.\ncd backend\ncp .env.example .env\n\n\ntext_provider = \"openai\"  # Provider of the text generation model. Currently supports openai, aliyun, deepseek, ollama, and siliconflow.  \n                          # Aliyun documentation: https:\u002F\u002Fwww.aliyun.com\u002Fproduct\u002Fbailian\n\nimage_provider = \"aliyun\"  # Provider of the image generation model. Currently supports openai, aliyun, and siliconflow.\n\nopenai_base_url=\"https:\u002F\u002Fapi.openai.com\u002Fv1\" # The base URL for OpenAI\n\naliyun_base_url=\"https:\u002F\u002Fdashscope.aliyuncs.com\u002Fcompatible-mode\u002Fv1\" # The base URL for Aliyun\n\ndeepseek_base_url=\"https:\u002F\u002Fapi.deepseek.com\u002Fv1\" # The base URL for DeepSeek\n\nollama_base_url=\"http:\u002F\u002Flocalhost:11434\u002Fv1\" # The base URL for Ollama\n\nsiliconflow_base_url=\"https:\u002F\u002Fapi.siliconflow.cn\u002Fv1\" # The base URL for SiliconFlow\n\nopenai_api_key= # The API key for OpenAI, only one key needs to be provided\n\naliyun_api_key= # The API key for Aliyun Bailian, only one key needs to be provided\n\ndeepseek_api_key= # The API key for DeepSeek, currently only text generation is supported\n\nollama_api_key= # If you need to use it, please set api_key to “ollama”. Currently, this API key only supports text generation and cannot be used with models that have too few parameters. It is recommended to use qwen2.5:14b or a larger model.\n\nsiliconflow_api_key= # The API key for SiliconFlow, siliconflow's text model currently only supports large models compatible with the OpenAI format, such as Qwen\u002FQwen2.5-7B-Instruct. The image model has only been tested with black-forest-labs\u002FFLUX.1-dev.\n\n\ntext_llm_model=gpt-4o # If text_provider is set to openai, only OpenAI models can be used, such as gpt-4o. If aliyun is selected, Aliyun models like qwen-plus or qwen-max can be used. Ollama models cannot be used with models that have too few parameters. It is recommended to use qwen2.5:14b or a larger model.\n\nimage_llm_model=flux-dev # If image_provider is set to openai, only OpenAI models can be used, such as dall-e-3. If aliyun is selected, Aliyun models like flux-dev are recommended, which are currently available for free trial. More details: https:\u002F\u002Fhelp.aliyun.com\u002Fzh\u002Fmodel-studio\u002Fgetting-started\u002Fmodels#a1a9f05a675m4.\n```\n\n### 3. Start the project\n\n#### 3.1 Manual Startup\n\n**Start the backend project**\n\n```\n# First, switch to the project root directory\ncd backend\nconda create -n story-flicks python=3.10 # Using conda, other virtual environments can also be used\nconda activate story-flicks\npip install -r requirements.txt\nuvicorn main:app --reload\n```\n\nIf the project starts successfully, the following output will appear:\n\n```\nINFO:     Uvicorn running on http:\u002F\u002F127.0.0.1:8000 (Press CTRL+C to quit)\nINFO:     Started reloader process [78259] using StatReload\nINFO:     Started server process [78261]\nINFO:     Waiting for application startup.\nINFO:     Application startup complete.\n```\n\n**Start the frontend project**\n\n```\n# First, switch to the project root directory\ncd frontend\nnpm install\nnpm run dev\n\n# After successful startup, open: http:\u002F\u002Flocalhost:5173\u002F\n```\n\nWhen successfully started, the following output will appear:\n\n```\n  VITE v6.0.7  ready in 199 ms\n\n  ➜  Local:   http:\u002F\u002Flocalhost:5173\u002F\n  ➜  Network: use --host to expose\n  ➜  press h + enter to show help\n```\n\n#### 3.2 Start via Docker\n\nIn the project root directory, run:\n\n```\ndocker-compose up --build\n```\n\nOnce successful, open the frontend project at: http:\u002F\u002Flocalhost:5173\u002F\n\n### 4. Get started\n\nBased on the fields in the interface, select the text generation model provider, image generation model provider, text model, image model, video language, voice, story theme, and story segments. Then click “Generate” to create the video. The number of images generated will correspond to the number of segments specified, with one image per segment. The more segments you set, the longer it will take to generate the video. Once the generation is successful, the video will be displayed on the frontend page.\n","English | [简体中文](.\u002FREADME-CN.md)\n\n## 项目描述\n\n本项目允许用户输入故事主题，并使用大语言模型（Large Language Model，LLM）生成故事视频。视频包含 AI 生成的图片、故事内容、音频和字幕。\n\n后端技术栈采用 Python + FastAPI 框架，前端使用 React + Ant Design + Vite 构建。\n\n## 视频演示\n\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth align=\"center\">\u003Cg-emoji class=\"g-emoji\" alias=\"arrow_forward\">▶️\u003C\u002Fg-emoji> 小兔子和小小狐狸的故事\u003C\u002Fth>\n\u003Cth align=\"center\">\u003Cg-emoji class=\"g-emoji\" alias=\"arrow_forward\">▶️\u003C\u002Fg-emoji> 大灰狼和小白兔的故事\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd align=\"center\">\u003Cvideo src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fe1893b9c-83ed-420c-a29a-1f5f878117c4\">\u003C\u002Fvideo>\u003C\u002Ftd>\n\u003Ctd align=\"center\">\u003Cvideo src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F8868e1b5-a931-4d25-9762-859a4c32d4f4\">\u003C\u002Fvideo>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n## 界面截图\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Falecm20_story-flicks_readme_1089e9c35975.jpg)\n\n## 使用说明\n\n### 1. 下载项目\n\n```\ngit clone https:\u002F\u002Fgithub.com\u002Falecm20\u002Fstory-flicks.git\n```\n\n### 2. 设置模型信息\n\n```\n# 首先，切换到项目的后端目录\ncd backend\ncp .env.example .env\n\n\ntext_provider = \"openai\"  # 文本生成模型的提供商。目前支持 openai、aliyun、deepseek、ollama 和 siliconflow。\n                          # 阿里云文档：https:\u002F\u002Fwww.aliyun.com\u002Fproduct\u002Fbailian\n\nimage_provider = \"aliyun\"  # 图像生成模型的提供商。目前支持 openai、aliyun 和 siliconflow。\n\nopenai_base_url=\"https:\u002F\u002Fapi.openai.com\u002Fv1\" # OpenAI 的基础 URL\n\naliyun_base_url=\"https:\u002F\u002Fdashscope.aliyuncs.com\u002Fcompatible-mode\u002Fv1\" # 阿里云的基础 URL\n\ndeepseek_base_url=\"https:\u002F\u002Fapi.deepseek.com\u002Fv1\" # DeepSeek 的基础 URL\n\nollama_base_url=\"http:\u002F\u002Flocalhost:11434\u002Fv1\" # Ollama 的基础 URL\n\nsiliconflow_base_url=\"https:\u002F\u002Fapi.siliconflow.cn\u002Fv1\" # SiliconFlow 的基础 URL\n\nopenai_api_key= # OpenAI 的 API 密钥，只需提供一个密钥\n\naliyun_api_key= # 阿里云百炼的 API 密钥，只需提供一个密钥\n\ndeepseek_api_key= # DeepSeek 的 API 密钥，目前仅支持文本生成\n\nollama_api_key= # 如需使用，请将 api_key 设置为\"ollama\"。目前此 API 密钥仅支持文本生成，无法用于参数过少的模型。建议使用 qwen2.5:14b 或更大的模型。\n\nsiliconflow_api_key= # SiliconFlow 的 API 密钥，siliconflow 的文本模型目前仅支持与 OpenAI 格式兼容的大模型，如 Qwen\u002FQwen2.5-7B-Instruct。图像模型仅测试过 black-forest-labs\u002FFLUX.1-dev。\n\n\ntext_llm_model=gpt-4o # 如果 text_provider 设置为 openai，只能使用 OpenAI 模型，如 gpt-4o。如果选择 aliyun，可使用阿里云模型如 qwen-plus 或 qwen-max。Ollama 模型无法用于参数过少的模型。建议使用 qwen2.5:14b 或更大的模型。\n\nimage_llm_model=flux-dev # 如果 image_provider 设置为 openai，只能使用 OpenAI 模型，如 dall-e-3。如果选择 aliyun，推荐使用阿里云模型如 flux-dev，目前可免费试用。更多详情：https:\u002F\u002Fhelp.aliyun.com\u002Fzh\u002Fmodel-studio\u002Fgetting-started\u002Fmodels#a1a9f05a675m4。\n```\n\n### 3. 启动项目\n\n#### 3.1 手动启动\n\n**启动后端项目**\n\n```\n# 首先，切换到项目根目录\ncd backend\nconda create -n story-flicks python=3.10 # 使用 conda，其他虚拟环境也可使用\nconda activate story-flicks\npip install -r requirements.txt\nuvicorn main:app --reload\n```\n\n如果项目启动成功，将出现以下输出：\n\n```\nINFO:     Uvicorn running on http:\u002F\u002F127.0.0.1:8000 (Press CTRL+C to quit)\nINFO:     Started reloader process [78259] using StatReload\nINFO:     Started server process [78261]\nINFO:     Waiting for application startup.\nINFO:     Application startup complete.\n```\n\n**启动前端项目**\n\n```\n# 首先，切换到项目根目录\ncd frontend\nnpm install\nnpm run dev\n\n# 启动成功后，打开：http:\u002F\u002Flocalhost:5173\u002F\n```\n\n启动成功后，将出现以下输出：\n\n```\n  VITE v6.0.7  ready in 199 ms\n\n  ➜  Local:   http:\u002F\u002Flocalhost:5173\u002F\n  ➜  Network: use --host to expose\n  ➜  press h + enter to show help\n```\n\n#### 3.2 通过 Docker 启动\n\n在项目根目录下运行：\n\n```\ndocker-compose up --build\n```\n\n成功后，打开前端项目：http:\u002F\u002Flocalhost:5173\u002F\n\n### 4. 开始使用\n\n根据界面上的字段，选择文本生成模型提供商、图像生成模型提供商、文本模型、图像模型、视频语言、语音、故事主题和故事段落。然后点击\"生成\"来创建视频。生成的图片数量将与指定的段落数量相对应，每段一张图片。设置的段落越多，生成视频所需的时间就越长。生成成功后，视频将显示在前端页面上。","# story-flicks 快速上手指南\n\n## 环境准备\n\n- **Python**: 3.10\n- **Node.js**: 用于前端项目\n- **Git**: 用于克隆项目\n- **Conda** (推荐): 用于管理 Python 环境\n\n## 安装步骤\n\n### 1. 克隆项目\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Falecm20\u002Fstory-flicks.git\n```\n\n### 2. 配置模型信息\n\n```bash\ncd backend\ncp .env.example .env\n```\n\n编辑 `.env` 文件，配置以下内容：\n\n```env\n# 文本生成模型提供商：openai \u002F aliyun \u002F deepseek \u002F ollama \u002F siliconflow\ntext_provider = \"aliyun\"\n\n# 图像生成模型提供商：openai \u002F aliyun \u002F siliconflow\nimage_provider = \"aliyun\"\n\n# 各提供商的 API 地址\naliyun_base_url=\"https:\u002F\u002Fdashscope.aliyuncs.com\u002Fcompatible-mode\u002Fv1\"\nopenai_base_url=\"https:\u002F\u002Fapi.openai.com\u002Fv1\"\ndeepseek_base_url=\"https:\u002F\u002Fapi.deepseek.com\u002Fv1\"\nollama_base_url=\"http:\u002F\u002Flocalhost:11434\u002Fv1\"\nsiliconflow_base_url=\"https:\u002F\u002Fapi.siliconflow.cn\u002Fv1\"\n\n# API Keys\naliyun_api_key=your_aliyun_api_key\nopenai_api_key=your_openai_api_key\ndeepseek_api_key=your_deepseek_api_key\nollama_api_key=ollama\nsiliconflow_api_key=your_siliconflow_api_key\n\n# 模型配置\ntext_llm_model=qwen-plus\nimage_llm_model=flux-dev\n```\n\n> **推荐**：国内开发者建议使用 `aliyun` 或 `siliconflow` 提供商，可获得更稳定的访问体验。\n\n### 3. 启动后端服务\n\n```bash\ncd backend\nconda create -n story-flicks python=3.10\nconda activate story-flicks\npip install -r requirements.txt\nuvicorn main:app --reload\n```\n\n后端启动成功后，显示：\n\n```\nINFO:     Uvicorn running on http:\u002F\u002F127.0.0.1:8000 (Press CTRL+C to quit)\nINFO:     Application startup complete.\n```\n\n### 4. 启动前端服务\n\n```bash\ncd frontend\nnpm install\nnpm run dev\n```\n\n前端启动成功后，显示：\n\n```\n  VITE v6.0.7  ready in 199 ms\n\n  ➜  Local:   http:\u002F\u002Flocalhost:5173\u002F\n```\n\n### 5. 使用 Docker 启动（可选）\n\n```bash\ndocker-compose up --build\n```\n\n## 基本使用\n\n1. 打开浏览器访问：http:\u002F\u002Flocalhost:5173\u002F\n2. 在界面中选择：\n   - 文本生成模型提供商（如 aliyun）\n   - 图像生成模型提供商（如 aliyun）\n   - 文本模型（如 qwen-plus）\n   - 图像模型（如 flux-dev）\n   - 视频语言、语音、故事主题\n   - 故事段落数量\n3. 点击 **Generate** 按钮生成视频\n\n生成时间取决于段落数量，段落越多生成时间越长。","小李是一位专注儿童内容的自媒体创作者，在抖音和小红书平台发布睡前故事视频，但最近面临内容产出跟不上的困境。\n\n### 没有 story-flicks 时\n\n- 每次制作视频需要先花1-2小时编写故事脚本，构思情节和台词\n- 为了找合适的配图，需要在多个图库网站搜索，甚至需要购买付费素材\n- 配音要么自己录制，要么花钱请配音演员，一期视频配音成本至少50元\n- 剪辑需要使用Premiere或剪映等专业软件，从配图、配音到字幕需要反复调整\n- 完成一期视频至少需要3-4小时，导致每周只能更新1-2期，难以满足粉丝期待\n\n### 使用 story-flicks 后\n\n- 只需输入“一只小兔子帮助朋友的故事”，AI自动生成完整的故事情节和台词\n- AI根据脚本内容直接生成对应的图片，无需再手动搜索素材\n- 自动生成配音和字幕，音色自然流畅，还能选择不同风格\n- 一键生成完整视频，包含配图、音频、字幕和转场效果\n- 制作一期视频仅需10-15分钟，每周可以稳定更新5期以上\n\nstory-flicks 让小李从繁琐的素材准备和后期制作中解放出来，将精力集中在内容创意上，实现了从手动制作到AI一键生成的效率飞跃。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Falecm20_story-flicks_1089e9c3.jpg","alecm20",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Falecm20_3baf49ee.png","https:\u002F\u002Fgithub.com\u002Falecm20",[80,84,88,92,96,100],{"name":81,"color":82,"percentage":83},"Python","#3572A5",80,{"name":85,"color":86,"percentage":87},"TypeScript","#3178c6",15.8,{"name":89,"color":90,"percentage":91},"CSS","#663399",2.2,{"name":93,"color":94,"percentage":95},"Dockerfile","#384d54",1,{"name":97,"color":98,"percentage":99},"JavaScript","#f1e05a",0.7,{"name":101,"color":102,"percentage":103},"HTML","#e34c26",0.4,2179,394,"2026-04-05T07:15:01","Linux, macOS, Windows","未说明（使用云端 API 时非必需，本地运行 Ollama 模型时需要 NVIDIA GPU）","未说明",{"notes":111,"python":112,"dependencies":113},"支持多种文本和图像生成模型提供商（OpenAI、阿里云、DeepSeek、Ollama、SiliconFlow）。使用云端 API 时无需本地 GPU；使用 Ollama 本地模型时建议使用 qwen2.5:14b 或更大模型。需要配置相应的 API Key。Docker 方式部署需要 Docker 和 docker-compose。","3.10",[114,115,116,117,118],"FastAPI","uvicorn","requests","openai","aliyun-fluent",[15,35],[121,122,117,123,124,125,126,127],"chatgpt","moviepy","python","shortvideo","story-generation","ai-video","ai-video-generator",7,"2026-03-27T02:49:30.150509","2026-04-06T08:46:45.906841",[132,137,142,147,152,157,162,167,172],{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},985,"在 M1 Pro Mac 上 Docker 启动失败，提示 arm64v8\u002Fnode:22 拉取失败怎么办？","这是因为 Apple M1 Pro 芯片是 arm64 架构，而 docker.io\u002Farm64v8\u002Fnode:22 镜像拉取可能失败。解决方法：修改 frontend\u002FDockerfile，将 `FROM arm64v8\u002Fnode:22` 改为 `FROM node:22`。","https:\u002F\u002Fgithub.com\u002Falecm20\u002Fstory-flicks\u002Fissues\u002F11",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},986,"Docker 启动失败，提示版本问题或镜像源错误怎么办？","可以尝试使用 node:22-alpine 镜像，并配置国内镜像源。如果在 x86 架构上使用 arm 版本的 node 镜像出现问题，需要修改为 x86 版本的 node 镜像。","https:\u002F\u002Fgithub.com\u002Falecm20\u002Fstory-flicks\u002Fissues\u002F18",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},987,"已经在 .env 中添加了 API key，但仍然无法选择模型怎么办？","请确保后端服务已经启动。可以在浏览器中访问 http:\u002F\u002F127.0.0.1:8000\u002Fapi\u002Fllm\u002Fproviders 查看返回的内容，确认 API key 是否正确加载。","https:\u002F\u002Fgithub.com\u002Falecm20\u002Fstory-flicks\u002Fissues\u002F9",{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},988,"如何修改前端调用后端服务的地址（127.0.0.1）？","需要修改两处：1) 修改 frontend\u002Fsrc\u002Futils\u002Frequest.ts 文件中的 baseUrl 为实际后端地址；2) 修改 backend\u002Fmain.py 中的 uvicorn.run 参数，将 host 改为 \"0.0.0.0\" 以允许外部访问。","https:\u002F\u002Fgithub.com\u002Falecm20\u002Fstory-flicks\u002Fissues\u002F17",{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},989,"启动成功后设置没有生效，Chrome 控制台提示 CORS 跨域失败怎么办？","这是 Chrome 安全策略导致的跨域问题。解决方法：1) 在 backend\u002Fmain.py 中修改跨域设置，添加 allow_origins=[\"http:\u002F\u002Flocalhost:5173\", \"http:\u002F\u002F127.0.0.1:5173\"]；2) 或者使用 Chrome 匿名浏览器模式访问。","https:\u002F\u002Fgithub.com\u002Falecm20\u002Fstory-flicks\u002Fissues\u002F20",{"id":158,"question_zh":159,"answer_zh":160,"source_url":161},990,"配置了 .env 但前端界面仍然需要手动填写参数，配置没有起作用？","这是因为前端请求地址配置问题。解决方法：1) 修改 frontend\u002Fsrc\u002Futils\u002Frequest.ts 第11行，改为 let baseUrl = 'http:\u002F\u002Flocalhost:8000'；2) 修改 backend\u002Fmain.py 第40行，改为 uvicorn.run(\"main:app\", host=\"localhost\", port=8000, reload=True)。","https:\u002F\u002Fgithub.com\u002Falecm20\u002Fstory-flicks\u002Fissues\u002F10",{"id":163,"question_zh":164,"answer_zh":165,"source_url":166},991,"LLM provider 一直显示空白是怎么回事？","这是监听地址的问题。请确保后端服务监听地址配置正确，可以检查 backend\u002Fmain.py 中的 host 配置是否为 \"0.0.0.0\" 或 \"localhost\"。","https:\u002F\u002Fgithub.com\u002Falecm20\u002Fstory-flicks\u002Fissues\u002F16",{"id":168,"question_zh":169,"answer_zh":170,"source_url":171},992,"生成视频时报错 \"No such file: '\u002Fapp\u002Ftasks\u002Fxxx\u002F1.png'\" 怎么办？","这是因为图片生成的 API 有时候会失败，如果图片生成失败就无法生成视频。请检查图片生成 API 的配置和网络连接，确保图片能够成功生成。","https:\u002F\u002Fgithub.com\u002Falecm20\u002Fstory-flicks\u002Fissues\u002F36",{"id":173,"question_zh":174,"answer_zh":175,"source_url":166},993,"如何增加 story segments 的限制数量（当前最大是10）？","需要修改前端代码。找到 frontend\u002Fsrc\u002Fcomponents\u002FStoryFrom\u002Findex.tsx 文件中约第181行附近，将两个 max=10 的值改为你需要的数字即可。",[177,180],{"id":178,"version":179,"summary_zh":76,"released_at":76},110313,"v0.2.0",{"id":181,"version":182,"summary_zh":76,"released_at":76},110314,"v0.1.0"]