火宝短剧：AI驱动的全自动短剧生产线

开源项目 huobao-drama 宣称“一句话生成完整短剧”，这不是营销噱头——它用 5 个 Mastra AI Agent 串联起从剧本改写、角色提取、分镜拆解、音色分配到宫格提示词生成的全流程，搭配多厂商 API 实现图生视频、TTS 配音和 FFmpeg 合成。当前 GitHub 收获 13.1k Star 和 2.5k Fork，技术栈完整，部署门槛清晰，值得短剧制作团队和技术爱好者深入研究。

网址：https://github.com/chatfire-AI/huobao-drama

技术架构：全栈 TypeScript，Agent 驱动

项目采用前后端分离架构：

• 前端：Nuxt 3 + Vue 3 + TypeScript，纯 CSS 无 UI 库，意味着可定制性强且体积可控。
• 后端：Hono（轻量 Web 框架）+ Drizzle ORM + better-sqlite3，数据库和生成资源全部本地存储，不依赖外部服务。
• AI 层：Mastra AI Agents 框架，内置 5 个可配置 Agent，每个 Agent 拥有独立的 Skill 定义（skills/ 目录下的 SKILL.md），支持通过数据库动态扩展。

核心数据流：用户输入一句话 → scriptrewriter 将自然语言转为结构化剧本 → extractor 提取角色和场景并去重 → storyboardbreaker 生成分镜序列 → voiceassigner 自动匹配音色 → gridprompt_generator 生成角色/场景/宫格图提示词。后续调用图片、视频、TTS 厂商 API 完成素材生成，最后 FFmpeg 合成单镜头和整集视频。

工作流与差异化优势：全流程自动化与本地可控

相比市面已有的 AI 视频工具（如 Sora 仅文生视频，HeyGen 侧重数字人），火宝短剧的差异化在于：

维度	火宝短剧	其他工具
输入	一句自然语言	需要手动编写剧本或提示词
角色管理	批量生成+音色分配+图片管理	通常需外部工具
分镜控制	AI 自动拆解，支持首帧/尾帧/分镜板	多依赖人工介入
素材存储	本地 SQLite + 文件系统	云端依赖
厂商锁定	无：图片/视频/TTS 均可切换	通常绑定单一模型

尤其值得关注的是“宫格图生成与切分”功能：AI 生成一张包含多个分镜的宫格图，后端自动切分并分配到对应分镜，这大幅降低了逐张生成的 API 调用次数和成本。

多厂商模型适配：灵活的后端配置

项目支持按类型自由切换 AI 厂商，且 API Key 在 Web 界面“设置”页面中实时配置（无需修改代码）：

• 图片：OpenAI、Gemini、MiniMax、火山引擎、阿里、Chatfire
• 视频：MiniMax、火山引擎/Seedance、Vidu、阿里
• TTS：MiniMax

这意味着用户可以根据预算和效果选择最经济的组合，例如用开源模型生成图片，用 Seedance 做视频，用 MiniMax 做配音。配置文件 configs/config.yaml 仅控制默认厂商，真实 API 凭证通过前端面板管理。

部署与使用：开发与生产模式清晰

项目对开发者友好：

• 环境要求：Node.js 20+、npm 9+、FFmpeg 4.0+（必须）。
• 启动方式：开发模式支持前后端热重载（npm run dev），生产模式可构建前端后由后端单服务运行。
• 数据持久化：SQLite 数据库和素材文件全部存储在 data/ 目录下，迁移备份仅需拷贝该文件夹。
• Docker 支持：项目根目录包含 Dockerfile 和 docker-compose.yml，可一键容器化部署。

唯一的限制是 AI 厂商 API 需要自行申请，但项目文档给出了明确的配置指引（复制 config.example.yaml 后通过 Web 设置填入）。

局限与适用场景

项目当前仍处于快速迭代中（275 次 commit），README 中“示例作品”为外部链接，实际视频质量取决于所选厂商模型。对于追求极致画面质量或复杂叙事逻辑的用户，可能需要自行优化 Agent 提示词或引入更多模型。此外，开源版与商业版（火宝短剧商业版）的关系尚未完全披露，但开源版提供了完整的前后端代码，足以支撑个人或小团队的二次开发。

适用人群：AI 视频创作者、独立短剧工作室、希望低成本验证“AI 生成视频”流程的技术探路者。如果你需要从零搭建一套自动化短剧生产线，火宝短剧是目前 GitHub 上最完整、最可复现的方案。