这是《AI 漫剧全栈指南》的合集索引。先看全貌,再按连载抄作业。每更新一章,就在下面的目录里补上链接。 文中所有地址、Key、端口都用 <YOUR_...> 占位符,请换成你自己的。

连载目录

篇标题状态
00本篇|低成本 AI 漫剧五层流水线(总集)当前页
01工具篇|网络与模型网关底座(章节目录)已发布
├ 网络层Clash Verge Rev 给 AI 锁定稳定出口:TUN 与分流脚本指南已发布
└ 网关层Magpie 本地模型网关:一个地址接所有模型,额度用完自动切已发布
02muse2api 多模态封装:把网页端 Muse 变成可轮询接口即将更新
03ArcReel / Toonflow 生产工作台:跨集角色不崩即将更新
04视频直连 Seedance + 工作台成片:秒价、返工与导出即将更新
05Grok Bot 多 Agent 调度与全平台草稿分发即将更新
番外 A远程组网:Tailscale 安全暴露本地网关与工作台即将更新
番外 B角色配音:原创音色设计与多角色 TTS 路由即将更新
番外 C成本账本:单集秒价折算、返工率与整季预算即将更新

01 是工具篇:章节页是工具目录,每个底座工具一篇完整教程,不做漫剧也能单独看;后面用到新的底座工具,也会补进 01。之后按 muse2api → 工作台 → 视频成片 → 多 Agent 分发推进。


先说结论

个人做 AI 漫剧,最容易犯的错是:先去一站式平台充会员、买积分,然后开始抽卡。

抽几条之后会撞上同样几件事:

  • 角色崩。 第一集的主角,到第三集换了张脸。单张图好看没用,跨集不崩才是漫剧的门槛。
  • 废片多。 视频按秒计费,返工也按秒计费。生成条数里总会有作废镜头,返工率直接抬高单集成本。
  • 来回切网页。 写剧本一个网站,出图一个网站,出视频再换一个,素材靠手动下载上传。偶尔做一条能忍,按集排产就是灾难。
  • 被套餐绑住。 平台的积分只能用平台的模型,价格变了、出了更好的模型,你换不了。

更稳的工程解法,是把整件事拆成解耦的五层:

底层自己管网络和模型入口,中间用开源工作台管剧本和资产,外围用常驻 Agent 跑调度和分发。

这样每一层都能单独换零件,模型便宜了就换模型,工具不好用就换工具,不用推倒重来。

先说清楚边界:这套东西不是「一键出大片」。它解决的是做得出来、排得下去、算得清账,不解决卖不卖得掉。

全景架构

┌─────────────────────────────────────────────────────────────┐
│ ⑤ 调度与分发层:Grok Bot 常驻 Agent + MCP + 本地浏览器执行端 │ ← 第 05 篇
│    盯选题 / 审剧本 / 调 MCP / 派单修代码 / 生成草稿包 / 填草稿  │
└───────────────▲─────────────────────────────────────────────┘
                │ 读写任务、查状态
┌───────────────┴─────────────────────────────────────────────┐
│ ④ 漫剧生产层:剧本设定库 + ArcReel / Toonflow / LocalMiniDrama │ ← 第 03、04 篇
│    原文 → 角色/场景/道具 → 分集 → 剧本 → 分镜 → 镜头 → 成片   │
└───────▲───────────────────────────────▲─────────────────────┘
        │ 文本 / Agent / TTS            │ 生图 / 生视频(异步)
┌───────┴───────────────────┐   ┌───────┴─────────────────────┐
│ ② 模型网关层:Magpie       │   │ ③ 多模态封装层:muse2api     │
│ 一个 OpenAI 兼容入口,     │◀──│ 把网页端 Muse 变成接口       │ ← 第 02 篇
│ 收 DeepSeek/Claude/GPT/    │   │ 文本可挂进 Magpie,          │
│ 国产模型,按任务路由       │   │ 图片/视频走自己的任务接口    │
└───────▲───────────────────┘   └───────▲─────────────────────┘
        │                               │
┌───────┴───────────────────────────────┴─────────────────────┐
│ ① 网络层:Clash Verge 按域名/地区分流 + fallback + TUN       │ ← 第 01 篇(工具篇)
│    海外 AI 固定稳定出口,国产 AI 直连,终端和容器也能吃到代理 │
└─────────────────────────────────────────────────────────────┘
          视频生成另走官方直连 key(如火山方舟 Seedance)← 第 04 篇

一句话记住每一层:

  • ① 网络层:让每个 AI 服务走对的出口,而且 IP 别乱跳。(工具篇:Clash Verge Rev)
  • ② 网关层:下游所有工具只认一个 Base URL、一个 Key。(工具篇:Magpie)
  • ③ 封装层:把只能在网页里点的多模态能力,变成脚本能调的接口。
  • ④ 生产层:资产只做一次,跨集复用,任务能排队、能断点续跑。
  • ⑤ 调度层:人只看片、拍板、点发布,其他交给 Agent。

AI 漫剧各环节用什么模型

漫剧不是一个模型包打天下。每个环节要的东西完全不一样,下面这张表按环节给出推荐思路和接法;网关怎么搭见 Magpie 工具篇。

环节要什么推荐思路接法
拆剧本、设定校验、Agent 编排推理强、工具调用稳Claude / GPT 这一档强模型走 Magpie;Agent 类工具用 /v1/messages,选原生支持工具调用的模型
批量写分镜提示词、台词改写、摘要量大、便宜DeepSeek 这类高性价比模型走 Magpie 路由组;长上下文吃缓存
角色配音 TTS音色稳定工作台内置 TTS,或网关里的语音供应商Magpie /v1/audio/speech,或工作台自带的 TTS 供应商
定妆照、分镜首帧能吃参考图、锁角色工作台内置图片供应商,或 Muse异步「提交 + 轮询」
镜头视频商用可控、按秒计费火山方舟 Seedance 这类官方直连工作台里填官方 key,别经过半残中转

两个省钱的判断:

第一,便宜模型同一件事错两次,再升级强模型。 别一上来全用最贵的。

第二,文本成本的大头是缓存。 Agent 工作流会反复带着设定、规则和上下文跑,实测缓存读取能占到九成以上。同样的标价,实际能跑多少 token,主要看缓存占比。路由组保持会话粘在同一个账号上,就是为了吃这块缓存。

视频这一步要单独算账。以火山方舟 Seedance 2.0 为例,按 2026-11-04 的刊例价折算到 720p,标准版约 0.99 元/秒,Fast 约 0.80 元/秒,Mini 约 0.50 元/秒。中转平台不一定更便宜,有的折算下来和官方直连基本持平。下单前以控制台为准。

下面按连载编号说明每一篇解决什么、交付什么。


第 01 篇|工具篇:网络 + 模型网关底座(已发布)

章节目录:《AI 漫剧实战 01|工具篇目录:Clash Verge 稳网络,Magpie 统一模型入口》

解决什么问题

一条节点走所有流量,「模型时好时坏」;下游工具每个都要填一遍模型地址和 Key,换一次模型改十个地方。

本章的工具篇

章节页给出配置顺序(先网络、后网关、最后跑通一次对话)和两个工具一起用的坑。漫剧各环节的模型分工见上文「AI 漫剧各环节用什么模型」。

必须讲的真话

分流解决的是稳定性,不是资格。如果你所在地区不在某个服务的支持列表里,换 IP、换设备、重新注册都不会让你变「合规」。

相关阅读:Codex compact 失败与网关故障转移、Muse / Magpie / muse2api 回顾。


第 02 篇|多模态封装:muse2api(即将更新)

解决什么问题

很多多模态能力只开放在网页端,只能手点按钮,没法接脚本和工作台。

Muse(muse.ai)就是一个典型:网页端自带对话、生图、生视频,但只能手点。muse2api 是一个开源项目,用容器里的 Chromium 驱动 muse.ai 网页,对外提供 OpenAI 兼容的对话、图片、视频接口,官方默认端口 18610。

核心配置思路:同步和异步要分开

  • 文本:/v1/chat/completions,可以通过 Magpie 的 muse2api 插件把对话模型 muse-spark 挂进网关,和其他模型一起统一调用。
  • 图片:POST /v1/images/tasks 提交,返回任务 id,再轮询 GET /v1/images/tasks/{id}。
  • 视频:POST /v1/videos 提交,GET /v1/videos/{task_id} 轮询,完成后读 url。

图片和视频要几十秒到几分钟,生产环境用「提交 + 轮询」,别把 HTTP 超时拉长去同步等。中间任何一层超时都会掐断,重试还会重复生成。

还要知道一件事:Magpie 的 muse2api 插件读模型列表时,把图片和视频模型过滤掉了,网关里只看得到文本模型。所以在漫剧工作台里,文本走网关,生图生视频直连 muse2api。

常见坑:拿到的视频地址打不开

MUSE2API_PUBLIC_BASE 不配,返回的就是 /v1/media/xxx.mp4 这样的相对路径,工作台拿到也下载不了。它必须填下游实际访问 muse2api 的地址(不带 /v1):

MUSE2API_KEY=<YOUR_LOCAL_API_KEY>          # 你自己定义的本地 Key,不是找官方申请的
MUSE2API_PUBLIC_BASE=<YOUR_PUBLIC_BASE>    # 同机 / 同 Docker 网络 / 远程,各填各的

必须讲的真话

  • 这是非官方的网页自动化。网页一改版就可能失效,也可能违反服务条款。用小号,别绑主力邮箱和支付方式。
  • Cookie 就是账号本身。别贴进聊天和 Issue,.env 和数据目录别进 Git。
  • 生成请求从部署机器的出口发出,不是从你导 Cookie 的那台电脑。返回 403 先看是不是地区或账号权限被拒,别当成 Cookie 过期反复重导。muse2api 跑在本机时,按 Clash Verge Rev 工具篇 的说明把 muse.ai 加进海外分组,让它走稳定出口。
  • 视频生成链路容易撞上账号级的地区限制,能不能稳定出片要先小量实测,生产排期不能单押这一条路。想要稳定出视频,目前还是走官方视频 key(见第 04 篇)。

相关阅读:Muse 邀请机制、Muse / Magpie / muse2api。


第 03 篇|生产工作台:ArcReel / Toonflow(即将更新)

解决什么问题

漫剧最难的不是单张好看,是第 20 集的主角还是那个主角。

实战里跑得通的顺序是:先让故事成为可追溯的内容底座,再决定哪些镜头交给 AI,哪些交给代码。

  • 设定库:人物、事实、时间线、角色知道什么不知道什么,都入库约束。剧本从入库的正文改编,不从聊天记录里捞。
  • 资产库:角色、场景、道具做一次,后面每集直接调。定妆照当参考图,加固定描述词。

工作台怎么选(先过协议闸)

工具适合谁协议
ArcReel要按集排产:任务队列、断点续跑、费用记录,可导出剪映草稿AGPL-3.0,可商用;改代码后对外提供网络服务需公开改动
LocalMiniDrama想先在本地跑通、重视人物一致性MIT
Toonflow已经在用它;视频供应商是可导入的 .ts 文件,当前内置里没有方舟直连,要自己补一个当前版本 MIT(旧版本按旧条款)
火宝短剧只做研究CC BY-NC-SA 4.0,禁止商用

ArcReel 的接法和网关是配合的:文本拆本、Agent、TTS 填 Magpie;Agent 走 Anthropic 协议,要选网关里原生支持工具调用的模型;分镜图和镜头视频用声明式端点直连异步任务接口。

常见坑:并发写文件,结果被自己拒掉

工作台给一集写提示词时,会先记下剧本文件的指纹。中途同一集的分镜图任务跑完,把图写回了剧本,指纹变了。模型结果回来要落盘,系统一比对发现文件被改过,为了不覆盖,直接拒绝保存。

问题跟模型无关,是两个任务同时写了同一个文件。同一集的写剧本和出分镜,别并发跑。

相关阅读:短剧批量生产工具盘点、两条生产路线。


第 04 篇|视频直连 Seedance + 工作台成片(即将更新)

解决什么问题

镜头视频要商用可控、按秒计费;中转不一定更便宜,网页封装也不够稳。工作台需要官方直连 key、音色、导出剪映草稿。

算账公式(通用)

单集视频成本 = 单集时长(秒)× 秒价 ×(1 + 返工率)

模型单价决定下限,返工率决定上限。 刊例价以控制台为准;实测账单与路线对比见 三支片子价目表 与 两条生产路线。

这一篇会交付

  • 火山方舟 Seedance 等工作台直连填法;
  • 单集成本公式与返工预算表;
  • 原创音色 TTS(描述声线生成新音色,不克隆真人);
  • 成片 / 剪映草稿导出流程。

必须讲的真话

未经授权模仿真人声音,有侵权和下架风险。配音走原创音色设计。


第 05 篇|外围自动化:Grok Bot 多 Agent 调度与分发(即将更新)

解决什么问题

前四层搭好之后,瓶颈就变成了人。一个人能同时盯的窗口就那么几个。

所以最外面一层,是几个常驻 Agent,各管一摊:

  • 选题 Agent:定时盯信源,出选题、写初稿,每天推荐一篇值得外发的稿子。
  • 审稿 / 主控 Agent:每个数字回到原始数据去对,审剧本、改稿,管内容中台的排期。
  • 代码 Agent:工具链出 bug,开 Issue,派云端编码 Agent 在独立分支上修,CI 全绿才合并。
  • 重活 Agent:在独立运行环境里跑长任务,比如整本设定的审改、工作台的接入调试。
  • 本地浏览器执行端:复用你已登录的浏览器,把稿子填进各平台编辑器,只存草稿,不点发布。

核心配置思路

  1. 内容中台用 MCP 暴露出来。 入库、改稿、打分、查发布记录都是工具调用,任何 Agent 接上就能用。
  2. 站外分发限额。 自己的站可以随写随发;站外每天只发一篇,评分只决定排队顺序,不能当发布授权。
  3. 稿包有固定目录。 例如 publish-staging/<日期>/<选题>/<平台>/,里面放 title.txt、正文、tags.txt、images/ 和一个记录状态的 manifest.json(preparing / ready / drafted / skipped)。执行端只处理 ready 的平台。
  4. 浏览器铁律。 遇到未登录、验证码、2FA、风控就停;一个任务一个窗口;文件里永远不写 Cookie 和 Token。
  5. 交接写进文件。 当前进度和关键决策放进仓库里的状态文件,换模型、换会话只重放状态,不复制聊天记录。

常见坑:页面上看着改了,其实没改

某平台投稿时,标题被回填成了文件名。执行端用粘贴改标题,输入框里看着变了,一失焦又弹回旧值。原因是粘贴只改了显示,没触发组件状态,最后改成逐字键入才保存成功。

验收标准从此改成:不看「输入框里有字」,看「公开页上的标题对不对」。

必须讲的真话

外发是有副作用的操作。不管 Agent 多稳,最后一下「发布」必须是人点的。


番外三章(即将更新)

  • 番外 A|远程访问:Tailscale 把本机网关和工作台带出门。 服务只监听 tailnet,ACL 只放必要端口,不开公网端口;和 Clash 的 DNS 共存见 Clash Verge Rev 工具篇。
  • 番外 B|配音:原创音色设计,不克隆真人。 用一段文字描述声线,让 TTS 生成新音色;未经授权模仿真人声音,有侵权和下架风险。
  • 番外 C|成本账本:一季要准备多少钱。 按成片秒数算,留返工余量,模型和供应商逐家比价;细节并入第 04 篇与价目表。

最后说一句。

这套东西没有一层是完美的:节点会挂,网关会把错误包错,网页封装会失效,工作台会把自己的结果拒掉,Agent 会把数字记错。

但只要每一层都能单独换,每一个坑都写进配置和文档里,这条线就能一天比一天稳。

收藏这篇合集,按目录往下抄就行。新章发布后,会回到本页把链接补上。