你有没有试过：熬夜写完3000字剧本，想用AI生成视频，结果男主角每帧换一张脸，前一秒在咖啡厅、下一秒跳到火星，连戏？不存在的。反复抽卡100次，只能含泪发朋友圈：”AI虽好，可惜不听话。”
我也被这个问题折磨了很久。所以花了几个月时间，做了一个完全开源的项目，分享给大家——
BigBanana AI Director（AI 短剧/漫剧工场）
GitHub：https://github.com/shuyu-labs/BigBanana-AI-Director
一句话概括：把你的故事文本变成可控的视频成片，全程不掉链子。
它不是让AI随机”抽卡”出画面，而是模拟真实影视制作流程——先定妆、再搭景、然后画分镜、最后合成片。每个环节你都能干预，每帧画面都受约束，告别”薛定谔的男主角”。
完全开源，免费使用，代码随便看。 希望能帮到同样在折腾AI视频的朋友们。
它能做什么？
🎬 功能一：智能剧本拆解
场景：你有一篇5000字的小说片段，想做成3分钟短剧。
效果：粘贴进去，AI自动拆成”场景→镜头→台词”的标准分镜表，还能设定目标时长，它帮你规划节奏密度。不用手动分段，省下2小时。
🎭 功能二：角色定妆 + 衣橱系统
场景：男主要有”日常装”和”战斗装”两套造型，但脸不能变。
效果：先生成一张”定妆照”作为基准，再基于它生成不同服装变体。所有后续画面都参考这张脸，彻底锁死五官，换衣服不换人。
🖼️ 功能三：关键帧驱动的视频生成
场景：你要一个”男主回头”的镜头，普通AI随便动动就糊弄你。
效果：先画起始帧（正面）和结束帧（回头状态），再让Veo模型在两帧之间”补间”出丝滑动画。起点终点你说了算，过程AI帮你填。
📦 功能四：一键导出 + 渲染追踪
场景：生成了20个镜头，想批量导出去Premiere剪辑。
效果：时间轴预览全部片段，一键导出高清关键帧和MP4视频，还能实时看渲染进度。专业后期无缝衔接。
✏️ 功能五：全流程手动微调
场景：AI生成的分镜提示词有点跑偏，想手动改几个词。
效果：每个分镜的角色列表、动作描述、画面提示词都能直接编辑。AI打底，人类精修，控制权始终在你手里。
技术架构一览
整体架构可以简化为三层：
┌─────────────────────────────────────────────────┐
│ 输入层：剧本/故事文本 │
│ ↓ GPT-5.1 智能拆解 │
├─────────────────────────────────────────────────┤
│ 资产层：角色定妆照 + 场景概念图 │
│ ↓ Gemini 3 Pro 约束生成 │
├─────────────────────────────────────────────────┤
│ 输出层：关键帧 → Veo/Sora 视频插值 → MP4成片 │
└─────────────────────────────────────────────────┘
设计巧思：
-
“约束优先”而非”随机生成”：每帧画面都必须参考角色图和场景图，杜绝AI自由发挥 -
纯前端架构：React 19 + IndexedDB 本地存储，数据不离开你的浏览器，隐私无忧 -
统一API调度：通过AntSK接口一站式调用文本/图像/视频模型，不用切换多个平台
3步快速上手
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
代码仓库：https://github.com/shuyu-labs/BigBanana-AI-Director
在线体验：https://bigbanana.tree456.com/
API获取：https://api.antsk.cn/ （新用户有免费额度）
为什么开源？
做这个项目的初衷很简单：让没有影视制作经验的人，也能把脑子里的故事变成视频。
AI视频这个领域变化太快，一个人闭门造车肯定跟不上。开源出来，大家一起迭代，才能做得更好。
接下来计划做的功能：
-
🔊 AI配音与口型同步 -
🎵 BGM智能匹配 -
📱 移动端适配
欢迎提Issue、提PR，或者单纯来聊聊你的想法。
