Toonflow：一个让小说「瞬间」变成动画片的项目，GitHub 11.9K+ Star 了

作者：比特财商

---

如果你有一部小说，想把它拍成动画短剧，传统的流程是什么？

写剧本、画分镜、设计角色、找配音、剪辑合成——每个环节都是一道坎。

现在，一个叫 Toonflow 的开源项目，把这整套流程压缩成了一条 AI 流水线：输入小说，输出动画短剧，全流程一键搞定。

它最近在 GitHub 拿到了 11.9K+ Stars，Gitee GVP 认证，AtomGit G-Star 第540名，在开源 AI 短剧工具这个赛道上，已经没有对手。

今天，我们把它的里里外外扒了一遍，从技术架构到设计哲学，从核心功能到实战教程，全部整理给你。

---

一、Toonflow 是什么

Toonflow 是面向短剧生产的 AI 工作台，围绕「策划 → 编剧 → 分镜 → 出片」构建完整闭环，并支持本地化、可编程、可持续迭代的生产流程。

一句话：它把小说变成动画短剧的整个过程，用 AI 接管了大部分工作。

核心数据

项目	详情
GitHub Stars	11.9K+
当前版本	v1.1.8
许可证	Apache-2.0（附商业授权条款）
多语言支持	简体中文、繁体中文、English、ไทย、Tiếng Việt、日語 Русский
社区	Discord / Gitee / GitCode

Demo 成本实测

官方给出了一个 2 小时制作完整 AI 短剧的 Demo，全程约 2 分钟成片：

模型类型	费用
语言模型（Claude Opus 4.6）	约 ¥10
视频模型（Seedance 2.0）	约 ¥120
图片模型（GPT Image 2）	不足 ¥1
合计	约 ¥130

这个成本结构非常有意思——视频生成是绝对大头，语言模型反而便宜。所以 Toonflow 的架构设计，几乎是围绕「如何降低视频生成成本、如何提升视频生成质量」来展开的。

---

二、核心功能详解

1. 无限画布生产工作台

传统工具的流程是线性的：剧本→分镜→素材→剪辑，一步一步来，错了就得重来。

Toonflow 做了一个无限画布，在同一个界面里，把剧本、角色、分镜、素材、视频节点全部组织起来。你可以自由编排、回溯、并行生产，不受线性步骤限制。

这意味着什么？你可以在剧本还没完全写完的时候，就先跑几个分镜看看效果；也可以同时跑多个方案，比对着来挑。

2. 三层 Agent 协作体系

这是 Toonflow 最核心的设计哲学之一。

它没有用单个大模型从头生成到尾，而是拆成了三层 Agent：

• 决策层：负责任务拆解，决定先做什么后做什么
• 执行层：负责具体的内容生成——写剧本、画分镜、出视频
• 监督层：负责质量审阅，发现问题后反馈给执行层修订

三层各司其职，互相配合。这种架构的好处是：稳定性强，出片一致性好，不会出现「每次生成质量参差不齐」的问题。

3. 持久化 Agent 记忆

很多 AI 生成工具，每次对话都是「reset」状态，之前的上下文全丢了。

Toonflow 用本地 ONNX 向量检索做了跨会话记忆系统，支持：

• 短期消息记忆：当前项目的上下文
• 长期摘要记忆：历史项目积累的核心信息
• 语义召回：需要某个信息的时候，能精准找出来

对于长篇小说改编来说，这个功能极其关键——原著可能有几十万字，AI 需要在漫长的改编过程中始终「记得」前面发生了什么。

4. 章节事件图谱驱动改编

这是我认为 Toonflow 最有技术含量的部分。

它会自动提取原著中每个章节的核心事件，建立事件图谱，然后在改编剧本时，按照事件图谱精准调用上下文。

传统的 RAG（检索增强生成）在长文本上容易出现「上下文丢失」问题——当检索相关段落时，AI 可能丢失前后因果逻辑。Toonflow 的事件图谱从结构上解决了这个问题：改编不再是片段拼接，而是有因果链条的连续叙事。

5. 可编程供应商系统

Toonflow 支持在设置中心直接写供应商 TypeScript 逻辑，写完立即生效，不需要改源码，也不需要重启程序。

这对企业用户极其友好：

• 可以接入自己私有化的模型服务
• 可以随时切换/增减模型供应商
• 可以针对特定业务场景定制模型调用策略

6. Skill 文件化配置

ScriptAgent 和 ProductionAgent 的核心提示词，全部外化为 Markdown Skill 文件，放在 data/skills/ 目录下，支持在线编辑和快速调优。

换句话说：你可以不用改代码，直接改 prompt 文件，就能改变 AI 的行为风格。这比很多「prompt 写死在代码里」的工具，灵活了不止一个量级。

---

三、技术架构

技术栈一览

类别	技术选型
运行时	Node.js 23.11.1+
语言	TypeScript 5.x
后端框架	Express 5
数据库	SQLite（better-sqlite3 / knex）
AI 集成	Vercel AI SDK（OpenAI / Anthropic / Google / DeepSeek / 智谱 / MiniMax / 通义千问 / xAI）
本地推理	@huggingface/transformers（ONNX）
实时通信	Socket.IO
桌面客户端	Electron 40
图像处理	Sharp
容器化	Docker

项目结构

src/
├── agents/              # AI Agent 模块
│   ├── productionAgent/ # 生产 Agent
│   └── scriptAgent/     # 剧本 Agent
├── routes/             # 路由模块（novel、script、production、setting等）
├── socket/             # WebSocket 实时通信
├── lib/                # 公共库
└── utils/              # 工具函数

data/
├── models/             # 本地推理模型（ONNX）
├── oss/                # 对象存储（素材/角色/场景）
├── skills/             # Agent 技能提示词
└── web/                # 前端编译产物

架构清晰，模块边界明确。作为一个面向短剧生产的工具，它并没有过度工程化，每一层设计都直接服务于业务目标。

---

四、设计哲学

Toonflow 的设计哲学，我总结为三个关键词：

1. 开放（Open）

• 全代码开源（Apache-2.0）
• 支持 7 种语言界面
• 供应商系统可编程，不绑定任何特定模型商
• Skill 文件外置，prompt 可自由修改
• 算力合作平台透明披露（秘塔、APIMart、算能云、腾讯混元3D、智星云）

这在 AI 短剧工具赛道非常难得。很多同类产品是「SaaS 订阅」模式，用户的数据和生产流程都在别人服务器上。Toonflow 给了用户真正的自主权。

2. 工程化（Engineering）

Toonflow 不是「一个 AI 生成点子，然后交给用户自己处理」的工具。它的三层 Agent 体系、事件图谱、持久化记忆，都是工程化思维的体现——不是靠一个超级模型解决一切，而是用系统化的架构，分层解决问题。

这种设计理念的好处是：每个环节都可以独立调优。你不需要推翻整个系统，只需要调整特定层的 prompt 或参数，就能改进特定环节的质量。

3. 量产导向（Production）

Toonflow 的所有功能，都在为同一个目标服务：低成本、高效率地批量产出短剧。

它的 Demo 实测数据（2小时出2分钟短剧，约¥130成本）说明，这是一个真正可以落地使用的生产工具，而不是一个 Demo 玩具。

---

五、实战教程：从零开始制作一部 AI 短剧

准备工作

在开始之前，你需要准备：

• ✅ 大语言模型 AI 服务接口地址（如 OpenAI / Claude / DeepSeek 等）
• ✅ 视频生成服务接口地址（如 Seedance / Sora / 豆包等）
• ✅ 图片生成模型服务接口（如 GPT Image / Midjourney 等）

步骤一：安装与启动

Toonflow 支持三种安装方式：

方式 A：桌面客户端（推荐普通用户）

直接下载对应平台的安装包：

• Windows：ToonFlow-*-win-x64-setup.exe
• macOS（M系列芯片）：ToonFlow-*-mac-arm64.dmg
• macOS（Intel）：ToonFlow-*-mac-x64.dmg
• Linux：ToonFlow-*-linux-x86_64.AppImage

下载地址：https://github.com/HBAI-Ltd/Toonflow-app/releases

首次登录：

• 账号：admin
• 密码：admin123（建议登录后修改）

方式 B：Docker 部署

git clone https://github.com/HBAI-Ltd/Toonflow-app.git
cd Toonflow-app
docker build -t toonflow .
docker run -d -p 10588:10588 -v /your/data/path:/app/data toonflow
# 访问 http://localhost:10588/web/index.html

方式 C：云服务器部署

需要 Node.js 24.x + 2GB+ 内存：

# 安装 Node.js
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
source ~/.bashrc
nvm install 24

# 克隆并构建
cd /opt
git clone https://github.com/HBAI-Ltd/Toonflow-app.git
cd Toonflow-app
yarn install && yarn build

# PM2 启动
pm2 start pm2.json

步骤二：配置模型供应商

登录后，进入「设置中心 → 模型服务」，配置你的 AI 服务接口：

1. 选择「OpenAI 标准接口」类型
2. 填入 API 密钥和请求地址
3. 点击空白处，系统提示「供应商配置已更新」
4. 手动添加模型名称

推荐配置：

• 语言模型：deepseek-v4-pro（智星云渠道约 6 折优惠）
• 视频模型：Seedance 2.0 / 豆包
• 图片模型：GPT Image 2 / Nano Banana Pro

步骤三：新建项目，导入原著

1. 新建项目，命名
2. 导入小说原著（支持 TXT 等格式）
3. 执行「章节事件提取」，系统自动建立事件图谱

步骤四：AI 生成剧本

进入 ScriptAgent，系统会自动：

1. 生成故事骨架
2. 制定改编策略
3. 输出结构化剧本

你可以在线编辑和调整剧本内容。

步骤五：分镜制作

切换到 ProductionAgent，在无限画布中：

1. 将剧本拆分为分镜节点
2. 为每个节点生成/上传角色图和场景图
3. 调用视频模型生成视频片段

步骤六：节点精调与视频导出

对分镜图进行节点化精调，然后回流到工作台：

1. 调整不满意的具体帧
2. 替换素材或重新生成
3. 完成视频拼接
4. 导出最终成片

---

六、观点与结论

1. AI 短剧工具赛道的现状

目前市面上的 AI 短剧工具，基本分为两类：

• SaaS 云服务：订阅制，数据在服务商那里，灵活度低
• 单一脚本工具：只能生成剧本或只能生成图片，功能割裂

Toonflow 是目前唯一一个把「小说→剧本→分镜→视频」全链路打通的开源工具，且支持本地部署。这意味着创作者第一次有了「完全自主」的生产流水线。

2. 事件图谱设计的重要性

很多 AI 改编工具的通病是「上下文丢失」——生成后面的情节时，忘了前面的设定，导致情节前后矛盾。

Toonflow 的事件图谱从数据结构层面解决了这个问题。原著中的每个事件被提取为结构化节点，改编剧本时按图谱调用，确保因果链条完整。这个设计思路，值得所有做长文本 AI 改编的团队学习。

3. 三层 Agent 架构的生产价值

Toonflow 没有用单个大模型做端到端生成，而是拆出决策、执行、监督三层。这种架构在工程上有几个好处：

• 可独立优化：每层可以单独调参，不影响其他层
• 质量更稳定：监督层兜底，减少随机性
• 出错可追溯：哪个环节出问题，一目了然

4. 开源模式的护城河

很多人觉得 AI 应用不适合开源，因为「prompt 就是护城河」。Toonflow 用实际行动反驳了这个观点：

• Skill 文件外置，但真正有价值的是整体工作流设计——事件图谱怎么建、三层 Agent 怎么配合、供应商系统怎么调度
• 这些是系统级能力，不是几个 prompt 能复制的
• 开源带来的社区贡献和生态扩展，反而成了 Toonflow 的竞争壁垒

5. 成本结构决定商业化路径

从 Demo 数据看，视频生成占成本的 92%（¥120/¥130），语言模型只占 7.7%。

这意味着 Toonflow 的商业模式不能靠语言模型赚钱——事实也是如此，官方采用了软件订阅授权 + 算力合作分成的模式：年销售额 ¥10 万以下免费授权，之后按梯度收费（¥5,000/年 ~ ¥80,000/年）。

算力合作（智星云、秘塔、APIMart 等）也是重要收入来源，这与开源授权并不冲突，反而形成了良性循环。

---

七、总结

Toonflow 是一个把「小说影视化」这件事，做到工程化、量产级别的开源工具。它的价值不只是降低了制作门槛，更在于它证明了：

AI 短剧生产，是可以被系统化、标准化、可复制的。

无论你是独立创作者想要把小说变成动画短剧，还是团队在寻找可私有化部署的 AI 短剧解决方案，Toonflow 都值得认真研究。

GitHub：https://github.com/HBAI-Ltd/Toonflow-app

官方文档支持简体中文、繁体中文、English、ไทย、Tiếng Việt、日語和Русский 7种语言。

---

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标，谢谢你看我的文章，我们，下次再见。

首发于微信公众号「比特财商」。