# deep-comedy-pro

**Repository Path**: ningdaddy/deep-comedy-pro

## Basic Information

- **Project Name**: deep-comedy-pro
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-21
- **Last Updated**: 2026-03-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# deep-comedy-pro 中文手册

客户端下载尝试


通过网盘分享的文件：短剧平台安装程序.zip
链接: https://pan.baidu.com/s/1gUzHmP9Bqbi3U8C9jVpzrw?pwd=k4qa 提取码: k4qa 
--来自百度网盘超级会员v9的分享

## 📖 项目简介

deep-comedy-pro 是一个基于人工智能的短片与动态漫画一站式生成平台，  **Big Director**。该项目致力于实现“一句话生成完整视频”的工业化内容生产目标，为创作者提供从灵感输入到成品输出的全流程自动化解决方案。

### 项目概述

deep-comedy-pro 定位为 AI 驱动的一站式短片与动态漫画生成平台，其核心功能是将文本创意自动转化为具有角色一致性、场景连续性和镜头可控性的高质量动画内容。系统通过深度集成多种先进 AI 模型，构建了一套标准化的内容创作流水线，显著提升了视频制作效率与可控性。

该平台适用于短视频创作、动态漫画批量生产、创意原型验证以及 MCN 机构的工业化内容工厂等场景，旨在解决传统 Text-to-Video 方法在叙事连贯性与视觉稳定性方面的不足。

### 核心理念

deep-comedy-pro 摒弃了依赖随机性的“抽奖式”生成模式，转而采用 **Script-to-Asset-to-Keyframe** 的工业化流程：

- **剧本驱动**：以结构化脚本为基础，确保叙事逻辑清晰。
- **资产约束**：通过角色参考图和场景概念设计保障视觉一致性。
- **关键帧控制**：引入动画制作中的关键帧范式，精确控制起始帧与结束帧，并利用 AI 进行平滑插值。

这一方法论强调对创作过程的精细化管理，使 AI 不仅作为生成工具，更成为可预测、可调控的智能导演助手。

### 适用人群

- **内容创作者**：快速将文字构想转化为可视化作品
- **动态漫画制作者**：批量生成风格统一的连载内容
- **AI 视频研究者**：探索可控生成与多模态协同机制
- **MCN 机构与内容工厂**：实现系统化、工业化的视频内容生产

![导演工坊界面布局与关键帧编辑示意](https://agent.qianwen.com/mos/1bb06b4428b048f6adf51489db35d641/b47e7fceb540a855716db32ecf3099de)

## 🚀 快速开始

本节将指导您完成 deep-comedy-pro 的最简部署路径，帮助您在短时间内运行并访问系统。

### 环境准备

在部署前，请确保您的设备满足以下最低要求：

- Node.js ≥ 18（用于本地开发）
- Docker（推荐用于生产环境部署）

建议使用现代浏览器（如 Chrome、Edge 或 Firefox）访问前端界面。

### 部署方式选择

deep-comedy-pro 提供多种部署方案，用户可根据实际需求进行选择：

| 方式 | 适用场景 | 命令 |
|------|--------|------|
| 本地开发 | 开发调试 | `npm run dev` |
| Docker Compose（推荐） | 生产部署 | `docker-compose up -d --build` |
| 手动 Docker | 自定义配置 | `docker build && docker run` |

其中，Docker Compose 部署方式因其环境隔离性强、依赖管理简便，被强烈推荐用于非技术人员或生产环境。

### 初始访问

完成部署后，执行以下步骤即可启动服务：

1. 克隆项目仓库：
   ```bash
   git clone https://github.com/yuanzhongqiao/deep-comedy-pro.git
   cd deep-comedy-pro
   ```

2. 使用 Docker Compose 启动服务：
   ```bash
   docker-compose up -d --build
   ```

3. 在浏览器中打开 `http://localhost:3005` 即可访问应用。

首次访问时，系统会提示您输入 GitCC API Key 以完成初始化配置。

## 🎨 核心功能模块

deep-comedy-pro 将内容创作划分为四个阶段，形成闭环工作流，每个阶段均具备明确的功能定位与交互逻辑。

### Phase 01: 剧本与故事板

此阶段负责将原始文本创意转化为结构化的分镜脚本，奠定后续生成的基础。

- **智能脚本拆解**：支持输入小说段落或大纲文本，AI 自动分析情节发展、人物出场与情绪变化，并将其转换为标准剧本格式。
- **可视化翻译**：将文本描述自动转换为适用于 Midjourney 或 Stable Diffusion 的 Prompt，便于图像生成。
- **节奏控制**：用户可设定目标时长（如 30 秒预告片或 3 分钟短剧），系统将据此规划镜头密度与转场频率。

此外，支持手动编辑角色视觉特征、动作描述与对话内容，确保艺术表达的准确性。

### Phase 02: 资产与选角

本阶段聚焦于视觉资产的创建与管理，确保角色与场景在整个视频中保持一致。

- **角色一致性保障**：
  - 自动生成标准角色参考图，包含正面、侧面及表情细节。
  - 支持多服装设定（如休闲装、战斗服、受伤状态），并通过 Base Look 技术维持面部特征不变。
- **场景概念设计**：为每个主要场景生成统一光影与美术风格的概念图，确保所有镜头在视觉上协调一致。

所有资产均保存于本地 IndexedDB 数据库中，无需上传至服务器，保障用户隐私安全。

### Phase 03: 导演工坊

这是整个创作流程的核心控制中心，用户在此阶段精确编排每一帧画面。

- **网格化故事板管理**：以二维网格形式展示所有镜头，支持拖拽调整顺序与查看进度。
- **精确控制起始帧与结束帧**：用户可分别为每个镜头定义起始帧与可选的结束帧，从而控制角色姿态与镜头运动。
- **上下文感知生成**：AI 在生成过程中读取当前场景与角色特定装扮，防止出现身份混淆或风格漂移。
- **支持 Veo 模型进行图像转视频与关键帧插值**：调用 Veo 模型实现从静态图像到动态视频的过渡，支持 landscape 模式下的高速生成。

该模块实现了从“被动接受结果”到“主动导演控制”的转变，赋予用户真正的创作主导权。

### Phase 04: 最终导出

在完成所有镜头生成后，进入最终成果整合阶段。

- **时间线预览生成结果**：以时间轴形式展示各片段拼接效果，支持逐帧回放与跳转。
- **实时跟踪渲染进度**：显示每个镜头的生成状态（待处理、进行中、已完成），便于监控整体流程。
- **导出高清关键帧与 MP4 片段用于后期处理**：支持将所有资源打包下载，可用于 Adobe Premiere 或 After Effects 进行音效添加、字幕嵌入等专业后期操作。

## ⚙️ 技术架构

本节剖析 deep-comedy-pro 的底层实现机制，揭示其如何高效整合前端框架与 AI 模型。

### 前端技术栈

系统采用现代化 Web 技术栈构建高性能用户界面：

- **React 19 + Tailwind CSS**：构建响应式 UI，遵循 Sony 工业设计风格，提升操作体验。
- **Vite 构建工具**：实现极速热更新与生产构建。
- **TypeScript 类型系统**：增强代码可维护性与开发效率。

整个前端工程完全运行于浏览器环境中，不依赖任何远程后端服务。

### AI 模型集成

deep-comedy-pro 通过统一接口调度多个前沿 AI 模型，形成完整的多模态生成链条：

| 功能 | 模型 | 用途 |
|------|------|------|
| 文本逻辑 | gpt-5.1 | 脚本分析与结构化拆解 |
| 图像生成 | gemini-3-pro-image-preview | 快速绘制角色与场景概念图 |
| 视频生成 | veo_3_1_i2v_s_fast_fl_landscape / sora-2 | 关键帧插值与图像转视频 |
| 备选模型 | GPT-5.2, Claude 3.5 Sonnet, Nano Banana Pro | 提供多样化选择 |

所有 AI 能力通过 **GitCC API** 接入，该接口兼容 OpenAI 协议，支持一键切换不同模型，降低使用门槛。

### 数据存储

系统采用浏览器内置的 **IndexedDB** 实现本地数据持久化：

- 所有项目数据（包括剧本、资产、配置）均保存在用户本地设备中。
- 无需注册账号或上传敏感信息，彻底保护用户隐私。
- 支持离线查看已生成内容，但无法执行需调用外部 API 的生成任务。

### 部署架构

deep-comedy-pro 采用容器化部署方案，确保跨平台兼容性与易用性：

- **Docker + docker-compose.yaml**：定义服务依赖关系与网络配置。
- **Nginx 容器暴露服务端口**：将前端静态资源映射至 `http://localhost:3005`。
- **支持 `.env` 环境变量配置**：允许自定义 API 地址、端口等参数。

该架构使得开发者与普通用户均可在几分钟内完成部署。

## 💡 使用流程指南

以下为一次完整的创作流程分步指导，帮助您从零开始产出一部短片。

### Step 1: 获取并配置 API Key

1. 访问 [api.gitcc.com](https://api.gitcc.com) 注册账户。
2. 创建新的 API Key 并复制密钥。
3. 在 deep-comedy-pro 的设置页面粘贴该密钥并保存。

此密钥用于调用 GitCC 平台上的 AI 模型服务，是系统正常运行的前提条件。

### Step 2: 输入故事创意

1. 进入 **Phase 01: 剧本与故事板**。
2. 在输入框中填写您的故事构思，例如：“一位程序员穿越到古代，用代码改变世界”。
3. 点击“生成故事板”按钮，等待 AI 自动拆解为分镜脚本。

系统将输出包含场景划分、角色动作与情绪标注的结构化剧本。

### Step 3: 生成角色与场景资产

1. 切换至 **Phase 02: 资产与选角**。
2. 为每位主要角色生成标准参考图，并为其配置多套服装（如现代装、古装、战斗形态）。
3. 为关键场景（如古代市集、皇宫）生成概念设计图，统一光影与画风。

所有资产将在后续生成中作为视觉锚点，确保一致性。

### Step 4: 设置关键帧并生成动画

1. 进入 **Phase 03: 导演工坊**。
2. 为每个镜头选择对应的起始帧图像，必要时定义结束帧。
3. 批量提交生成请求，系统将调用 Veo 模型完成关键帧之间的视频插值。

生成过程中可在界面上实时查看任务队列与进度条。

### Step 5: 预览与导出成果

1. 切换至 **Phase 04: 最终导出**。
2. 在时间线面板中预览完整视频片段的拼接效果。
3. 点击“导出资源包”按钮，下载包含高清关键帧与 MP4 视频片段的压缩文件。

导出的资源可导入专业剪辑软件进行最终合成，完成配乐、配音与字幕添加。

## 🔧 常见问题（FAQ）

以下为高频疑问解答，帮助您快速排除使用障碍。

### Q1: 如何获取 GitCC API Key？

A: 访问 [api.gitcc.com](http://api.gitcc.com) 注册账号后，在个人中心创建并复制 API 密钥。

### Q2: 是否支持离线运行？

A: 不支持完全离线运行，因系统依赖外部 AI 模型 API；但所有用户数据保存在本地 IndexedDB 中，保障隐私安全。

### Q3: 为什么推荐使用 Docker 部署？

A: 容器化部署可避免 Node.js 版本冲突与依赖缺失问题，实现一键启动，适合无技术背景的用户使用。

### Q4: 如何贡献代码？

A: Fork 本仓库 → 创建 feature 分支 → 提交 Pull Request → 等待审核合并。请遵循 Conventional Commits 提交规范。

## 📞 获取帮助

如遇问题或希望参与社区交流，请通过以下渠道获取支持：

- **GitHub Issues**：报告 Bug 或提出功能建议
- **项目 Wiki**：查阅进阶教程与最佳实践
- **社区群组**：扫码加入官方交流群，与其他创作者互动分享