waoowaoo

GitHub
11.1k 2.5k 中等 1 次阅读 今天视频Agent
AI 解读 由 AI 自动生成,仅供参考

waoowaoo 是一款面向影视创作全流程的开源 AI 平台,旨在将小说文本自动转化为高质量的短剧或漫画视频。它解决了传统视频制作中分镜绘制难、角色一致性差、合成流程繁琐等痛点,通过自动化工作流让用户只需输入故事文本,即可一键生成包含角色设定、场景构建、分镜脚本、配音合成及最终视频成品的完整内容。

该平台特别适合网文作者、短视频创作者、独立制片人以及希望探索 AIGC 落地应用的开发者使用。对于普通用户,其直观的界面支持从创意到成片的快速转化;对于技术人员,项目基于 Next.js 15、React 19 和 Prisma ORM 构建,提供 Docker 一键部署和本地开发模式,便于二次开发与功能扩展。

waoowaoo 的核心亮点在于其“工业级”的可控生成能力:不仅能精准解析剧本提取关键元素,还能确保生成的人物与场景在多镜头中保持视觉一致性,并支持多角色语音合成与多语言界面切换。目前项目虽处于测试迭代阶段,但已展现出成为行业领先 AI 影视工具的潜力,欢迎社区共同反馈与共建。

使用场景

某独立网文作者希望将自己连载的悬疑小说快速改编为短视频,在抖音和 B 站进行引流,但缺乏影视制作团队和预算。

没有 waoowaoo 时

  • 人工拆解效率低:需要手动通读全文,逐段摘录角色特征、场景描述和剧情冲突,耗时数天且容易遗漏细节。
  • 视觉风格不统一:使用普通绘图工具生成的角色,在不同镜头中长相、衣着频繁“变脸”,严重破坏观众沉浸感。
  • 制作门槛极高:需分别学习分镜绘制、视频剪辑、配音合成等多款软件,单人难以完成从文本到成片的闭环。
  • 试错成本昂贵:调整一个场景或台词往往意味着重新绘图、重新录音和重新剪辑,修改周期长达数小时。

使用 waoowaoo 后

  • 剧本自动结构化:waoowaoo 直接解析小说文本,一键提取关键角色、场景及剧情节点,自动生成标准分镜脚本,将前期准备缩短至分钟级。
  • 角色一致性保障:利用其工业级生成能力,确保主角在整个短片中形象高度稳定,无需人工反复修图校对。
  • 全流程自动化:从分镜画面生成、多角色情感配音到视频自动合成,waoowaoo 在一个平台内完成所有步骤,输出即可发布的成品视频。
  • 敏捷迭代修改:只需在后台调整文本指令,waoowaoo 即可快速重绘特定镜头或重配语音,大幅降低内容优化的时间成本。

waoowaoo 让单人创作者也能以好莱坞标准的工作流,低成本、高效率地实现从文字 IP 到影视化视频的完整转化。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明 (项目通过调用外部 AI API 运行,本地无需 GPU)

内存

未说明 (取决于 Docker 容器及浏览器负载,建议 8GB+)

依赖
notes1. 必须安装 Docker Desktop 才能运行。2. 核心 AI 功能(剧本分析、图像生成、配音等)依赖配置外部服务商的官方 API Key,本地不部署大模型。3. 开发模式需安装 Node.js 环境并执行 npm install。4. 首次启动或升级版本时需注意数据库兼容性,可能需要清除旧数据 (docker compose down -v)。5. 开发模式下首次运行前必须执行 'npx prisma db push' 初始化数据库表结构。
python未说明 (后端基于 Node.js/Next.js,非 Python 项目)
Next.js 15
React 19
MySQL
Prisma ORM
Redis
BullMQ
Tailwind CSS v4
NextAuth.js
Docker
Docker Compose
waoowaoo hero image

快速开始

🚀 探索 AI 影视的下一代创作流 | 立即加入 waoowaoo 在线网页版内测候补

waoowaoo

waoowaoo AI 影视 Studio

一款基于 AI 技术的短剧/漫画视频制作工具,支持从小说文本自动生成分镜、角色、场景,并制作成完整视频。

English · 加入内测候补 · 反馈问题

[!IMPORTANT] ⚠️ 测试版声明:本项目目前处于测试初期阶段,由于暂时只有我一个人开发,存在部分 bug 和不完善之处。我们正在快速迭代更新中,欢迎进群反馈问题和需求,及时关注项目更新!目前更新会非常频繁,后续会增加大量新功能以及优化效果,我们的目标是成为行业最强AI工具!


✨ 功能特性

  • 🎬 AI 剧本分析 — 自动解析小说,提取角色、场景、剧情
  • 🎨 角色 & 场景生成 — AI 生成一致性人物和场景图片
  • 📽️ 分镜视频制作 — 自动生成分镜头并合成视频
  • 🎙️ AI 配音 — 多角色语音合成
  • 🌐 多语言支持 — 中文 / 英文界面,右上角一键切换

🚀 快速开始

前提条件:安装 Docker Desktop

方式一:拉取预构建镜像(最简单)

无需克隆仓库,下载即用:

# 下载 docker-compose.yml
curl -O https://raw.githubusercontent.com/saturndec/waoowaoo/main/docker-compose.yml

# 启动所有服务
docker compose up -d

⚠️ 当前为测试版,版本间数据库不兼容。升级请先清除旧数据:

docker compose down -v
docker rmi ghcr.io/saturndec/waoowaoo:latest
curl -O https://raw.githubusercontent.com/saturndec/waoowaoo/main/docker-compose.yml
docker compose up -d

启动后请清空浏览器缓存并重新登录,避免旧版本缓存导致异常。

方式二:克隆仓库 + Docker 构建(完全控制)

git clone https://github.com/saturndec/waoowaoo.git
cd waoowaoo
docker compose up -d

更新版本:

git pull
docker compose down && docker compose up -d --build

方式三:本地开发模式(开发者)

git clone https://github.com/saturndec/waoowaoo.git
cd waoowaoo

# 复制环境变量配置文件(必须在 npm install 之前完成)
cp .env.example .env
# ⚠️ 编辑 .env,填入你的 AI API Key(NEXTAUTH_URL 默认已是 http://localhost:3000,无需修改)

npm install

# 只启动基础设施
# 注意:docker-compose.yml 将服务映射到非标准端口,.env.example 已按此预设
mysql:13306  redis:16379  minio:19000
docker compose up mysql redis minio -d

# 初始化数据库表结构(首次必须执行,跳过会导致启动后报错)
npx prisma db push

# 启动开发服务器
npm run dev

[!WARNING] 跳过 npx prisma db push 会导致所有数据库表不存在,启动后报错 The table 'tasks' does not exist. 请务必先运行此命令再启动开发服务器。


访问 http://localhost:13000(方式一、二)或 http://localhost:3000(方式三)开始使用!

首次启动会自动完成数据库初始化,无需任何额外配置。

[!TIP] 如果遇到网页卡顿:HTTP 模式下浏览器可能限制并发连接。可安装 Caddy 启用 HTTPS:

caddy run --config Caddyfile

然后访问 https://localhost:1443


🔧 API 配置

启动后进入设置中心配置 AI 服务的 API Key,内置配置教程。

💡 注意:目前仅推荐使用各服务商官方 API,第三方兼容格式(OpenAI Compatible)尚不完善,后续版本会持续优化。


📦 技术栈

  • 框架: Next.js 15 + React 19
  • 数据库: MySQL + Prisma ORM
  • 队列: Redis + BullMQ
  • 样式: Tailwind CSS v4
  • 认证: NextAuth.js

📦 页面功能预览

4f7b913264f7f26438c12560340e958c67fa833a 67509361cbe6809d2496a550de5733b9f99a9702 466e13c8fd1fc799d8f588c367ebfa24e1e99bf7 c067c197c20b0f1de456357c49cdf0b0973c9b31


🤝 参与方式

本项目由核心团队独立维护。欢迎你通过以下方式参与:

  • 🐛 提交 Issue 反馈 Bug
  • 💡 提交 Issue 提出功能建议
  • 🔧 提交 Pull Request 供参考 — 我们会认真审阅每一个 PR 的思路,但最终由团队自行实现修复,不会直接合并外部 PR

Made with ❤️ by waoowaoo team

Star History

Star History Chart

版本历史

v0.4.12026/04/03
v0.4.02026/04/02
v0.3.02026/03/07

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|4天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|5天前
开发框架图像Agent

everything-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。 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。 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

149.5k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.3k|★★☆☆☆|今天
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|昨天
插件Agent图像

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|4天前
语言模型图像Agent