「Jellyfish」开源 AI 短剧工厂：从剧本拆解、资产一致性到分镜生成的一站式工作台

短剧和竖屏视频的 AI 化，难点通常不在“生成一张图”或“跑一段视频”这么单点，而在一整条生产链路怎么接起来：剧本要拆成镜头，角色、场景、道具和服装要保持一致，生成任务要能追踪，最后还要把素材回写到项目里。Jellyfish 把这些环节做成了一个开源的 AI 短剧工作台。

它的主线是从 script input 开始，经过结构化分镜、候选资产确认、镜头准备、图像/视频生成任务，再到导出。README 里把它定位为 end-to-end production workspace，不是一个单独的 AI 图片或视频小工具。对做短剧、微短剧、品牌故事视频或教学视频的人来说，这种“生产工作台”比一堆零散提示词更接近真实流程。

Jellyfish 比较有意思的一点是把“一致性”当成一等问题处理。系统里有角色、演员、场景、道具、服装等实体模型，可以在不同镜头之间复用和关联，减少 AI 生成里常见的身份漂移、风格断裂。镜头进入 ready 状态后，再进入生成工作区管理关键帧、参考图、视频提示词，以及单镜头或批量生成任务。

它现在在 GitHub 上约 3.7k Star，许可证是 Apache-2.0，技术栈是 FastAPI 后端和 React + Vite 前端，前端请求类型由 OpenAPI 生成。仓库也提供 Docker Compose 部署，能一起拉起前端、后端、MySQL、Redis 和 RustFS；本地开发则分别启动 backend 与 front。换句话说，它更像一个可以继续二次开发和私有化部署的生产系统雏形。

如果你在探索 AI 视频生产流程，Jellyfish 值得看的不是某个模型效果，而是它把剧本理解、分镜准备、资产复用、生成执行和任务中心放进了同一个业务模型里。这类工具会越来越重要，因为 AI 内容生产越往后走，真正稀缺的不是单次生成按钮，而是可控、可复用、可协作的生产秩序。