开源项目用本地ComfyUI与Agent实现小说全自动成片

AI技术投降派

该系统通过人物档案与参考图的三重锚定架构补齐模型短板，证明端到端长视频创作在工程链路已完全成立，但实际表现仍受制于本地视频模型的渲染天花板。

AI-assisted summary of AI当导演27个技能开工：小说进去成片出来 — original source. Check the original for full context.

Source published: 2026-10-15

Key ideas

开源项目 infinite-creation 实现了“小说输入直接输出成片”的端到端全自动生产，基于本地 ComfyUI 与自研 Agent，承诺无限生成时长且支持整晚无人值守托管。 (0:00)
系统采用低成本架构，图像与视频依赖本地算力（MiniMax H3 调优版），调度大脑走 DeepSeek API，理论显存 8GB 起步，极大地压缩了边际使用成本。 (0:55)
为攻克 AI 视频跨镜头一致性难题，项目构建了包括剧本大纲、人物圣经与风格指南在内的七步流水线，以架构锚定弥补单模型缺陷。 (1:58)
内置“技能工厂”机制支持直接导入并解析社区 ComfyUI JSON 工作流，无需修改系统核心代码即可将外部最新模型动态扩充为 Agent 技能。 (3:24)

Detailed notes

## Background 该视频由 Bilibili UP 主“AI技术投降派”于 2026 年 10 月 15 日发布。简介指出，本期内容拆解了一个观众投稿推荐的国产开源项目 infinite-creation（无限创作），主打利用本地 ComfyUI 配合自研 Agent 实现小说输入到全自动成片的端到端创作，号称无需演员、配音、导演及剪辑师，且支持无限时长生成。

## TL;DR 视频深入剖析了开源项目 infinite-creation 的架构逻辑与工程实现。该项目以本地 MiniMax H3 视频模型、内置 TTS 及 DeepSeek API 为技术底座，搭建起涵盖剧本大纲、人物圣经、资产生成、分镜切分、逐镜生成、自审重试及 FFmpeg 合成的七步自动化流水线。同时，它设计了支持动态导入 ComfyUI JSON 的“技能工厂”与断点续跑机制，以架构手段解决了跨镜头人物一致性与无限时长的难题。主讲人最后理性泼出“三盆冷水”，指出其受限于本地模型表现力、单镜头耗时长以及 Windows 专有一键包的高部署门槛。

## Atmosphere & style 视频整体呈现出极客向的硬核拆解风格，语速利落、直击本质，充满理性务实的工程师视角。主讲人既没有陷入对 AI“颠覆影视”的廉价狂欢，也没有盲目贬低独立开发者的心血，而是在肯定其“用架构弥补模型短板”的精妙设计之余，冷静指出其耗时漫长与表现力天花板。整场分享节奏紧凑、去伪存真，听感宛如一次条理清晰的代码评审与技术复盘。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1fuYP6tEUb?t=0s) 开源项目 infinite-creation 实现了“小说输入直接输出成片”的端到端全自动生产，基于本地 ComfyUI 与自研 Agent，承诺无限生成时长且支持整晚无人值守托管。 - [00:55](https://www.bilibili.com/video/BV1fuYP6tEUb?t=55s) 系统采用低成本架构，图像与视频依赖本地算力（MiniMax H3 调优版），调度大脑走 DeepSeek API，理论显存 8GB 起步，极大地压缩了边际使用成本。 - [01:58](https://www.bilibili.com/video/BV1fuYP6tEUb?t=118s) 为攻克 AI 视频跨镜头一致性难题，项目构建了包括剧本大纲、人物圣经与风格指南在内的七步流水线，以架构锚定弥补单模型缺陷。 - [03:24](https://www.bilibili.com/video/BV1fuYP6tEUb?t=204s) 内置“技能工厂”机制支持直接导入并解析社区 ComfyUI JSON 工作流，无需修改系统核心代码即可将外部最新模型动态扩充为 Agent 技能。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1fuYP6tEUb?t=0s) 国产开源项目 infinite-creation 探索了多智能体端到端全自动完成长视频创作的可行性，涵盖分镜、角色设计、TTS 配音与剪辑合成全流程。 - [00:55](https://www.bilibili.com/video/BV1fuYP6tEUb?t=55s) 核心架构由本地 ComfyUI 与自研 Agent 调度组合而成，摆脱了单纯调用云端商业 API 拼凑的模式。 - [00:55](https://www.bilibili.com/video/BV1fuYP6tEUb?t=55s) 视觉生成依托本地调优版 MiniMax H3 与图生图双工作流，推理大脑依托 DeepSeek API（兼容易用 OpenAI 协议）。 - [00:55](https://www.bilibili.com/video/BV1fuYP6tEUb?t=55s) 硬件门槛相对亲民，基准测试环境为 i5-12 代与 RTX 3080，说明文档指出理论最低 8GB 显存即可运行。 - [01:58](https://www.bilibili.com/video/BV1fuYP6tEUb?t=118s) 七步全自动流水线依次涵盖剧本大纲、人物圣经与风格指南、资产生成、分镜切分、逐镜生成、自审重试及 FFmpeg 合成。 - [01:58](https://www.bilibili.com/video/BV1fuYP6tEUb?t=118s) 通过“人物档案 + 参考图 + 标签规则”的三重锚定设计，系统把外观、性格和服饰固化为文字与视觉基准，有效解决了跨镜头人物一致性问题。 - [01:58](https://www.bilibili.com/video/BV1fuYP6tEUb?t=118s) 具备扎实的工程鲁棒性设计，支持单镜头级别审查重生、参数种子调整、崩溃后断点续跑以及项目间资产完全隔离。 - [03:24](https://www.bilibili.com/video/BV1fuYP6tEUb?t=204s) 系统内置 27 个基础技能，并通过“技能工厂”支持将 ComfyUI 工作流 JSON 自动解析为 Agent 新增技能，实现能力无缝升级。 - [03:24](https://www.bilibili.com/video/BV1fuYP6tEUb?t=204s) 前端提供了覆盖项目、章节、服务、技能、资产管理及分镜审查等 8 个功能页面的完整 Web 应用，而非简易 CLI 封装。 - [04:32](https://www.bilibili.com/video/BV1fuYP6tEUb?t=272s) 该项目是 Agent 端到端叙事的合格样本，证明了长链条创作流水线全盘 Agent 化的可行性，用工程架构弥补了模型能力的不足。 - [04:32](https://www.bilibili.com/video/BV1fuYP6tEUb?t=272s) 成片表现力上限严格受制于本地部署的 MiniMax H3 模型本身，智能体无法无中生有创造模型不具备的表演与画面质感。 - [04:32](https://www.bilibili.com/video/BV1fuYP6tEUb?t=272s) 本地单镜头串行渲染耗时数分钟且全片需要整夜挂机，目前一键安装包仅支持 Windows，实质上降低的是创作门槛而非部署门槛。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1fuYP6tEUb?t=0s) 本地工厂：小说进去成片出来与成本结构

这是一个来自观众投稿推荐的国产开源项目，名为 infinite-creation（无限创作），精准踩中了当前 AI 创作领域的核心命题：智能体（Agent）到底能不能端到端搞定一整套创作任务。项目的核心逻辑非常直接：用户只需要把一部小说粘贴进去，点击开始，Agent 就会全自动跑完从剧本改编到最终成片的全部工序，涵盖分镜切分、人物设计、配音合成、画面生成以及剪辑拼接一条龙。整个过程不限时长，全程无需人工干预，可以直接托管在电脑上跑一整晚。作者打出的口号极具冲击力：“不用演员，不用配音，不用导演，不用剪辑师。”该项目上线仅三周，斩获 28 颗星，由个人开发者独立完成。

从架构与定位来看，该项目是一个“本地化的小说转视频全自动工厂”。它的技术底座并非简单调用一两个云端 API 进行拼凑，而是基于本地 ComfyUI 加上自研 Agent，将整条生产流水线完完全全搬进了用户的个人电脑。其模型组合分工明确：视频生成采用 MiniMax H3 的本地视频调优版；图片生成包含“文生图”与“图生图”两套机制；语音模块内置了 TTS 并支持参考音色克隆；而负责调度与推理的“大脑”，则走 DeepSeek API（默认搭载视觉模型），同时也兼容任何 OpenAI 标准格式的接口。硬件配置方面，作者给出的参考机型相当亲民，仅为 i5-12 代处理器、RTX 3080 显卡配 32G 内存，并非顶配工作站，并在 README 中提到理论上 8G 显存以上即可运行。这种架构决定了其极低的边际成本：视频和图片生成全部依赖本地算力，仅 Agent 的逻辑推理产生少量 DeepSeek API 费用，主讲人指出：“投稿里说的基本只消耗一点电费，方向上不算吹牛。”

- **项目名称**：infinite-creation（无限创作） - **核心定位**：本地化小说转视频端到端自动化工厂 - **底层架构**：本地 ComfyUI + 自研 Agent 调度 - **视觉模型**：MiniMax H3 本地视频调优版，搭配文生图、图生图双工作流 - **音频方案**：项目内置 TTS + 参考音频音色克隆 - **逻辑大脑**：DeepSeek API（兼容任意 OpenAI 格式接口） - **参考硬件**：i5 12代 CPU + RTX 3080 GPU + 32GB RAM（理论最低显存要求 8GB）

```mermaid flowchart TD accTitle: infinite-creation 创作流水线架构图 accDescr: 展示从小说输入、剧本与人物圣经生成，到资产准备、逐镜生成与最终视频导出的全自动流程。

subgraph InputStage ["输入与剧本规划"] A["小说原文输入"] --> B["剧本与大纲自动转换"] B --> C["人物圣经 + 风格指南<br/>(外观/性格/服装文字锚点)"] end

subgraph AssetStage ["资产与分镜切分"] C --> D["资产生成与归档<br/>(参考图/场景/道具/音色)"] D --> E["自动分镜脚本切分<br/>(按动作/场景/道具移动)"] end

subgraph RenderStage ["生成、审查与合成"] E --> F["逐镜生成<br/>(MiniMax H3 本地生成)"] F --> G{"Agent 自动化自审"} G -->|"不合格 (重试/换种子)"| F G -->|"合格"| H["FFmpeg 合并成片"] end ```

[01:58](https://www.bilibili.com/video/BV1fuYP6tEUb?t=118s) 自动化流水线与技能工厂设计

该项目最值得深挖的部分在于其工程链路设计，完整展现了一条成熟的 Agent 工业化流水线应当具备的七大环节： 1. **剧本与大纲**：小说输入后自动重构成适合视觉化的剧本。 2. **人物圣经与风格指南**：这是解决 AI 视频痛点的关键。系统为每个角色建立专属档案，将人物的外貌、性格特征和服装搭配全部固化为文字锚点，后续所有镜头均以此为参考基准，解决跨镜头人物一致性难题。 3. **资产生成**：根据前序设定，自动生成并按类别归档角色的多角度参考图、场景图、道具设计以及配音参考音色。 4. **分镜脚本**：结合人物行为、镜头运动、场景切换和道具位移，进行精细化的自动化分镜切分。 5. **逐镜生成**：MiniMax H3 结合前期固定的参考图与台词脚本，依次逐个生成对应分镜。 6. **自审重试**：Agent 会对渲染出的镜头进行自动化质量审查，一旦发现不符合标准则自动重跑。 7. **FFmpeg 成片合成**：审查通过的所有镜头与配音音轨交由 FFmpeg 自动拼接成最终影片。

在工程鲁棒性方面，系统提供了扎实的落地机制。首先是断点续跑，若生成过程中程序崩溃，重启后可直接沿用进度，避免重复渲染；其次是分镜级审查机制，成片后用户可对各镜头逐个预览，如果对某个镜头不满意，只需针对该镜头单独“重新生成”或通过反馈调整提示词、更换随机种子，完全无需全片重来；此外，系统实行项目间完全隔离，每个作品的上下文数据与媒体资产互不干扰。

项目的第二大亮点是可扩展的“技能工厂（Skill Factory）”。系统出厂预装了 27 个基础技能（如分镜切分、提示词优化、文本改写等）。更巧妙的是，它支持将社区公开的 ComfyUI 工作流 JSON 文件直接粘贴进系统，系统会自动解析该工作流的输入输出节点并推导出规范，自动起草一份技能文档并注册入库。随后，Agent 便能直接把该工作流当作新技能调用。这意味着系统的能力边界没有被作者写死，一旦社区涌现出更强大的视频生成模型或生图工作流，直接导入即可无缝升级。配套的前端界面也不是简陋的命令行封装，而是包含了项目管理、章节管理、服务配置、技能管理、资产管理、运行日志、分镜审查和导出成片等 8 个完整页面的成熟 Web 应用。

- **预装技能数量**：27 个内建技能，覆盖剧本转换、分镜与提示词优化各环节 - **技能工厂机制**：自动解析 ComfyUI JSON 工作流，自建技能文档并动态注册 - **鲁棒性设计**：支持断点续跑、单镜头局部重绘/换种子重生成、多项目资产完全隔离 - **前端规格**：具备 8 个功能页面的 Web 客户端（非 CLI 简易套壳）

[04:32](https://www.bilibili.com/video/BV1fuYP6tEUb?t=272s) 三点客观判断与清醒审视

针对 infinite-creation 的实际价值与现实局限，主讲人给出了三点透彻的客观评估：

第一，这是 Agent 端到端叙事的一个合格样本。以往见到的多智能体系统（如论文助手或数据分析 Agent）往往局限在某个单一环节或垂类垂直领域，而该项目真正把“小说到成片”整条复杂的创作流水线从头到尾实现了 Agent 化。更关键的是，它借助天然可扩展的架构配合断点续跑机制，敢于给出“无限时长”的承诺。正如主讲人所评价：“他跑不跑得完美另说，方向是成立的。”

第二，人物圣经加上参考图的一致性方案，打中了 AI 视频制作的真正软肋。单帧画质和视频流畅度往往会随着底层大模型的迭代自然改善，但长视频中的跨镜头一致性却是一个纯粹的工程难题。项目通过“人物档案 + 参考图 + 标签规则”的三重锚定设计，主讲人强调：“这是用架构补模型的短板，思路值得所有做 AI 视频的人借鉴。”

第三，泼三盆必要的冷水以理性看待项目现状： 1. **成熟度预期**：这是一个诞生仅三周、获 28 颗星的个人开源项目，作者坦承代码中还有许多需要调优之处，工程成熟度不能过高估计。 2. **生成质量天花板**：整部影片的画质与动态天花板完全受制于本地的 MiniMax H3 视频模型，主讲人直言：“Agent 再好也编不出模型没有的表演力”，成片水平建议参考仓库自带的样例片《妈妈的时间》。 3. **效率与部署门槛**：本地单镜头串行渲染耗时数分钟，生成一部中篇小说的成片往往需要挂机跑一整夜。此外，作者提供的一键安装包仅支持 Windows 系统且通过网盘分发，Mac 用户需自行部署 ComfyUI 并逐一调试工作流。主讲人指出：“它降低的是创作门槛，不是安装门槛。”

归根结底，这个项目当下最具价值的地方，并不在于目前它生成的视频有多惊艳，而在于它在工程上验证了一套自洽的工业级流水线：“人物圣经管一致性，技能工厂管扩展，断点续跑管长度，模型每升级一代，这条流水线就自动变强一截。”该项目已在 GitHub 开源，采用 MIT 许可协议（仓库地址为 github.com/SwotAtmk/infinite-creation），配有较为详尽的中文说明文档。

## Notable quotes > [04:32](https://www.bilibili.com/video/BV1fuYP6tEUb?t=272s) Agent 再好也编不出模型没有的表演力 — AI技术投降派

> [04:32](https://www.bilibili.com/video/BV1fuYP6tEUb?t=272s) 用架构补模型的短板，思路值得所有做 AI 视频的人借鉴。 — AI技术投降派

## Mentioned AI技术投降派, infinite-creation, ComfyUI, MiniMax H3, DeepSeek, OpenAI, FFmpeg, 《妈妈的时间》, GitHub, MIT

## Video description 投稿推荐的一个国产开源项目，题材正好踩在 AI 创作的核心命题上：Agent 到底能不能端到端干完一整件创作的事。项目叫 infinite-creation，无限创作——把一部小说粘贴进去，点一下开始，Agent 全自动完成从剧本到成片的全部工序：分镜、人物、配音、生成、剪辑，一条龙，不限时长，全程无需人工介入，可以托管跑一整晚。作者的口号很直接：不用演员、不用配音、不用导演、不用剪辑师。

技术底座是本地 ComfyUI 加自研 Agent，不是调一两个云 API 拼起来。模型组合：视频用 MiniMax H3 本地视频调优版，图片文生图加图生图两套，语音内置 TTS 加参考音色克隆；大脑走 DeepSeek API，任意 OpenAI 兼容接口可换。作者参考配置 i5 加 RTX 三千零八十，不是顶级工作站，README 称理论八 G 显存以上可跑。成本结构清楚：视频图片全本地，只有 Agent 大脑走 API——投稿说的"基本只消耗一点电费"，方向上不算吹牛。

流水线七步全自动：剧本大纲、人物圣经加风格指南（每个人物档案固化外观性格服装，所有分镜参照——解决 AI 视频最头疼的人物一致性）、资产生成、自动分镜、逐镜生成、自审重试、ffmpeg 合并成片。工程细节扎实：断点续跑崩溃重启不重复生成；分镜级审查，不满意的单镜头单独重生成，不用整片重来；项目完全隔离。

第二层看点是技能工厂：预装二十七个技能之外，粘一个社区分享的 ComfyUI 工作流 JSON，系统自动解析节点、起草技能、注册入库，Agent 立刻可调用——更强的生成工作流出现，粘进来就升级。前端是正经的八页 Web 应用。

我的判断：这是 Agent 端到端叙事的合格样本——整条创作流水线 Agent 化加无限时长承诺，方向成立；人物圣经加参考图加标签规则的三重锚定，抓住了跨镜头一致性这个真正的工程瓶颈，用架构补模型的短板，值得所有做 AI 视频的人借鉴。冷水：28 星三周新项目，个人独立开发，成熟度要有预期；质量天花板是本地 H3 模型本身，Agent 编不出模型没有的表演力，样例片建议去仓库自己看；串行生成单镜头数分钟，整片要跑一晚；一键安装包仅 Windows——它降的是创作门槛，不是安装门槛。

00:05 开场：小说进去成片出来 00:55 本地工厂：模型四件与成本 01:58 流水线：七步全自动 03:24 技能工厂：能力边界不写死 04:32 三点判断 06:14 收尾

源码：github.com/SwotAtmk/infinite-creation（MIT · 样例片《妈妈的时间》在 README）

觉得有用的话点个关注，每天一个值得拆的开源项目。

[Source](https://www.bilibili.com/video/BV1fuYP6tEUb)

中文简报

开源项目用本地ComfyUI与Agent实现小说全自动成片该系统通过人物档案与参考图的三重锚定架构补齐模型短板，证明端到端长视频创作在工程链路已完全成立，但实际表现仍受制于本地视频模型的渲染天花板。视频深入剖析了开源项目 infinite-creation 的架构逻辑与工程实现。该项目以本地 MiniMax H3 视频模型、内置 TTS 及 DeepSeek API 为技术底座，搭建起涵盖剧本大纲、人物圣经、资产生成、分镜切分、逐镜生成、自审重试及 FFmpeg 合成的七步自动化流水线。同时，它设计了支持动态导入 ComfyUI JSON 的“技能工厂”与断点续跑机制，以架构手段解决了跨镜头人物一致性与无限时长的难题。主讲人最后理性泼出“三盆冷水”，指出其受限于本地模型表现力、单镜头耗时长以及 Windows 专有一键包的高部署门槛。开源项目 infinite-creation 实现了“小说输入直接输出成片”的端到端全自动生产，基于本地 ComfyUI 与自研 Agent，承诺无限生成时长且支持整晚无人值守托管。 (0:00) 系统采用低成本架构，图像与视频依赖本地算力（MiniMax H3 调优版），调度大脑走 DeepSeek API，理论显存 8GB 起步，极大地压缩了边际使用成本。 (0:55) 为攻克 AI 视频跨镜头一致性难题，项目构建了包括剧本大纲、人物圣经与风格指南在内的七步流水线，以架构锚定弥补单模型缺陷。 (1:58) 内置“技能工厂”机制支持直接导入并解析社区 ComfyUI JSON 工作流，无需修改系统核心代码即可将外部最新模型动态扩充为 Agent 技能。 (3:24)

Reading summary

国产开源项目 infinite-creation 探索了基于本地 ComfyUI 与自研 Agent 的端到端小说转视频流水线，主讲人指出其价值在于通过工程架构弥补模型短板，但其实际效果仍受限于底层模型能力与本地部署门槛。本地化端到端架构与低边际成本 (0:00) infinite-creation（无限创作）旨在实现无需人工介入的小说全自动成片，支持剧本改编、分镜设计、配音与画面生成及最终剪辑拼接。该项目由个人开发者独立完成并在 GitHub 开源（MIT 协议），发布三周斩获 28 颗星。与调用云端服务拼凑的方案不同，该项目将整条产线搬入用户个人电脑，图像与视频依赖本地 ComfyUI 运行，视频生成采用 MiniMax H3 本地调优版，配合内置 TTS 与音色克隆，仅调度与逻辑推理调用 DeepSeek API（兼容易用 OpenAI 接口）。项目给出的参考硬件为 i5-12 代 CPU、RTX 3080 显卡与 32GB 内存，理论最低显存要求为 8GB。由于图像与视频计算完全消耗本地算力，Agent 推理产生的 API 成本极低，主讲人认为其宣称的“基本只消耗电费”在方向上是成立的，使长时间挂机批量制作具备经济可行性。工业化七步流程与一致性锚定 (1:58) 该系统的核心工程链路涵盖七大环节：输入小说自动重构为剧本大纲；建立角色专属的“人物圣经与风格指南”，将外貌、性格与服装固化为文字锚点；生成并归档角色多角度参考图、场景、道具与音色；按动作和运镜自动切分分镜脚本；由 MiniMax H3 逐镜生成；Agent 进行自动化质检与重跑；最终由 FFmpeg 合成音画。主讲人强调，长视频的一致性是行业痛点，该项目通过人物档案、参考图与标签规则的三重锚定设计，是用系统架构补齐生成模型短板的典型思路。针对生成过程中的长耗时与不确定性，系统内置了断点续跑机制，避免程序崩溃后重复渲染，并支持项目间的数据资产完全隔离。在后期成片检验阶段，用户可进行分镜级预览，对不达标镜头单独重新生成、调整提示词或更换随机种子，无需全片重跑。技能工厂与模块化扩展能力 (1:58) 为了打破能力边界，系统除了出厂预装的分镜切分、提示词优化等 27 个基础技能外，设计了可扩展的“技能工厂”机制。用户可直接粘贴社区公开的 ComfyUI 工作流 JSON 文件，系统会自动解析其输入输出节点、推导规范，并自动生成技能文档注册入库，使 Agent 能够直接把外部工作流当做新技能调度。这种设计使得系统不必受限于特定生图或视频模型，一旦社区发布更先进的工作流即可直接导入升级。在人机交互方面，项目并未采用简易命令行封皮，而是配备了包含项目管理、章节管理、技能管理、资产管理、分镜审查与成片导出等 8 个页面的完整 Web 前端。现实局限：性能天花板与部署门槛 (4:32) 主讲人对该项目的落地现状提出了三点理性审视。首先，项目上线仅三周，代码仍处于初期调优阶段，工程稳定性不能预期过高。其次，整部作品的画质与动态天花板完全受制于本地部署的 MiniMax H3，Agent 无法越过模型本身的动态与表演力限制，实际成片质量建议参考仓库自带的《妈妈的时间》。最后是渲染效率与环境配置门槛。本地单镜头串行渲染耗时数分钟，生成中篇小说通常需要连续挂机整夜；官方一键安装包目前仅支持 Windows 且依赖网盘分发，Mac 用户仍需自行安装调试 ComfyUI 与各工作流。主讲人指出，该工具降低了创作环节的操作门槛，但并未降低软硬件的配置安装门槛。主讲人总结认为，infinite-creation 当下的核心价值不在于当前成片有多惊艳，而在于以“人物圣经管一致性、技能工厂管扩展、断点续跑管长度”的架构完成了一套自洽的工业级流水线验证。随着底层模型能力的迭代，该管线有望随之自然增强。

Source quotes

[4:32] AI技术投降派: Agent 再好也编不出模型没有的表演力 [4:32] AI技术投降派: 用架构补模型的短板，思路值得所有做 AI 视频的人借鉴。

Original transcript

[0:00] 一条投稿留言推荐的国产开源项目,题材正好踩在我们频道的核心命题上,Agent到底能不能端到端干完一整件创作的事?项目叫Infinite Creation 无限创作,把一部小说粘贴进去。点一下开始,Agent全自动完成从剧本到成片的全部工序:分镜、人物、配音。生成剪辑一条龙不限时长全程无需人工介入可以托管跑一整晚作者的口号很直接,不用演员,不用配音,不用导演,不用剪辑师。28颗星的三周星项目,个人开发者独立完成。今天从架构、流水线、技能系统讲到冷水,把它拆开。先看他到底在做什么?定位一句话,本地化的小说转视频全自动工厂。技术底座是本地,Conf UI+字研,Agent,不是掉一两个云,API PIN。起来是把整条生产流水线搬进你自己的电脑模型组合:视频生成用minimax h3的本地视频调U版。图片用文声图加图声图两套,语音用项目内置的TTS加参考音色克隆。大脑用Deep Seek的API,默认一个视觉闪光模型。但任何OpenAI兼容接口都能换。作者的参考配置很亲民,i512+RTX3080 32G内存,不是顶级工作站。Rimi里说理论8G显存以上就能跑,虽然没实测成本结构因此很清楚,视频图片全本地,只有Agent大脑走DeepSeek的API。量级是毛毛雨,投稿里说的基本只消耗一点电费,方向上不算吹牛。流水线是这期最值得细看的部分,因为它展示了一条成熟的agent工程链应该长什么样。第一部剧本和大纲小说进去先转剧本第二步,人物圣经加风格指南,这是整个项目的关键设计,给每个人物建立一份档案,外观、性格、服装全部固化成文字锚点,后续所有分镜都参照这份档案。解决的是AI视频最头疼的人物一致性问题。第三步资产生成人物参考图场景道具语音按分类归档第四步分镜脚本根据人物动作场景变化道具移动自动切分第五步逐镜生成,minimax H3按参考图和台词生成每个镜头。第六步自审重视Agent自己检查生成的镜头不合格的自动重来最后,FPEG合并成片。工程细节做得扎实,断点续跑,进程崩溃重启后接着跑步重复生成,分镜及审查,完片后逐段预览,不满意的当个镜头点重新生成。换种子或者按你的反馈改提示词,不用整片重来。项目隔离,每个作品的素材和Agent上下文完全分开。技能系统是它的第二层看点项目预装27个技能,小说传剧本,分镜生成,提示词优化,各思其职。更妙的是技能工厂,你找到一个别人分享的Conf UI 工作流 JSON 粘进系统,它自动解析节点,推导规格,起草一份新的技能文道。注册进技能库,Agent立刻就能把这套新工作流荡成新的工作模式来调用。这意味着它的能力边界不是作者写死的,而是可以按需扩展的。社区出现更强的生成模型工作流,粘进来就升级。这个设计跟之前我们讲过的 Text to CatPaperR Agent是同一个思路,把可扩展性做成产品架构的一部分。前端是个正经的web应用,项目管理,章节管理,服务配置,技能管理,资产管理。运行日志,分镜审查,导出成片,八个页面各就各位,不是命令行工具包个壳。三点判断第一,这是Agent端到端叙事的一个合格样本。之前我们看过的多智能体系统,PaperR Agent的论文智能体。Data Analysis的分析技能都是单环节或单领域,这个项目把一整条创作流水线从头到尾,Agent化了。而且敢于承诺无限时长,靠的是 [5:00] 天然可扩展加断点续跑。他跑步跑的完美令说,方向是成立的。第二,人物圣经加参考图的一致性设计,抓住了AI视频的真正瓶颈。生成质量的问题会随模型升级自然解决但跨镜头一致性是工程问题,用档案加参考图加标签规则三重锚定,这是用架构补模型的短板,思路值得所有做AI视频的人借鉴。第三,冷水照例三盆,28颗星三周星项目。个人独立开发,作者自己说很多地方需要调整优化,成熟度要有预期。整片质量的天花板还是minimax H3本地视频模型,agent再好也编不出模型没有的表演力,样立片的质量建议大家去仓库自己看。串行声承担镜头数分钟,一部中篇小说的成片可能要跑一整晚,这不是缺陷但要记入期待,另外一件安装包只支持Windows且走网盘分发。Mac用户要自己装Comfy UI 跑通工作流上手门槛对小白其实不低它降低的是创作门槛不是安装门槛想试的话,github/swot10k/infinitecreation/mit协议,REMI的中文文档写得相当细致。带一句话走,这个项目最值钱的不是他今天能生成多好的视频,是他验证了一条流水线,圣经馆一致性,技能工厂馆扩展。断点续跑管长度,模型每升级一带,这条流水线就自动变强一截。这期就到这里,我们下期见!