项目研究报告：Jellyfish
---
> 「这是什么」 > 一句话定性：一个AI 短剧的一站式制作工作台——从剧本输入 → 分镜拆解 → 角色/场景一致性管理 → 图片/视频生成 → 任务追踪，全流程在同一个系统里完成。
---
> 「它怎么转」 逻辑全景图
├─ 触发层：什么情况下需要用它？
│ └─ 想用 AI 生成短剧/竖屏剧时遇到的最大痛点：
│ → 不同帧之间角色脸会变（一致性问题）
│ → 脚本到分镜到生成是断开的，手动管理很麻烦
│ → 生成任务是异步的，状态追踪靠脑子记
│
├─ 核心层：它的关键动作是什么？
│ ├─ AI 剧本解析 → 把剧本拆成镜头，提取角色/场景/道具/服装/对白
│ ├─ 分镜准备 → 确认每个镜头的资产候选、对话候选、关联已有角色
│ ├─ 一致性管理 → 统一管理角色/场景/道具/服装，确保跨镜头复用
│ ├─ 生成编排 → keyframe + 参考图 + video prompt → 提交生成任务
│ ├─ 统一任务中心 → 异步任务状态追踪（可取消/可恢复）
│ └─ 模型基础设施 → 多 provider / 多模型管理 + prompt 模板
│
├─ 输出层：最终产出什么？
│ ├─ 结构化的分镜列表（带状态：prepared / generating / done）
│ ├─ 生成的图片/视频资产
│ ├─ 可追溯的生成任务记录
│ └─ Docker Compose 一键部署
│
└─ 卡点层：新手最容易在哪里卡住？
├─ 第一次需要先理解角色-场景-道具-服装一致性建模的概念
├─ 需要配置 AI 模型 provider，有一定接入门槛
└─ MySQL + Redis + RustFS 依赖较多，Docker compose 是最简单的启动方式
---
> 「怎么升级」 三段位路线图
| 段位 | 掌握目标 | 关键动作 | |------|----------|----------| | 入门段（能用） | 跑起来，体验完整流程 | Docker compose 启动 → 上传剧本 → 看 AI 拆分的分镜 | | 进阶段（用好） | 用它做真正的短剧项目 | 配置 AI provider → 维护角色库确保一致性 → 批量提交生成任务 | | 高手段（用活） | 二次开发 / 对接新模型 | 看 OpenAPI spec → 生成 frontend types → 扩展新模型支持 |
---
> 「能用在哪」 场景迁移建议
1. 迁移到 AI 电影预告片/广告制作 - 变量：剧本换成广告脚本，角色复用逻辑迁移到品牌视觉一致性管理 - 注意：需要更多镜头类型的支持
2. 迁移到企业培训视频批量生产 - 变量：剧本换成培训内容，角色换成讲师的数字人分身 - 注意：需要对台词/旁白做更多编辑支持
3. 如果部署了这个项目，好处是： - 终于有一个系统把 AI 短剧制作从游击战变成正规军 - 角色一致性不再是靠运气，而是系统管理 - 任务追踪让你知道生成到哪了
4. 风险和注意事项： - ⚠️ 这不是一个生成模型：Jellyfish 是工作台，不是 AI 模型本身，需要自己接入图像/视频生成服务 - ⚠️ 依赖外部 AI 服务：Midjourney / Runway / OpenAI 等，费用和质量不稳定 - ⚠️ 中文文档少：对中文用户有一定门槛
---
🔍 特别观察
数据速览：3527 stars，2.5 个月，635 forks
这是一个被低估的项目。表面上看起来是又一个