DramaClaw 开源漫剧生产线一键包：从小说剧本到分镜成片，一套源码把 AIGC 短剧流程打通

1. DramaClaw 到底解决什么问题适合谁上手DramaClaw 是一个开源的 AIGC 漫剧生产线GitHub 上已经拿到 2.1K 星标。它做的事情用一句话概括把「小说文本 → 剧本拆解 → 角色设定 → 分镜脚本 → 图片生成 → 视频合成 → 配音配乐」这一整条链路用一套源码串起来而不是让你在五六个工具之间来回复制粘贴。它不是一个「点一下出片」的傻瓜工具更像是一条可以自己组装、自己调参的流水线。它适合的人群很明确想批量做 AI 漫剧、短剧、小说改视频的创作者想搭自有 AIGC 视频生产线的小团队需要研究角色一致性、分镜流程、资产管理的开发者以及已经用过一堆 AI 工具、受够了手动拼流程的人。不太适合完全不想碰 Docker 的纯小白也不适合只想随便生成几秒视频玩一下的人。从资源要求看标准流程并不需要 GPU。官方建议 2 vCPU / 4GB 内存以上只有可选的 world 相关能力才可能需要 GPU 和 CUDA 镜像。系统方面 macOS、Windows Docker Desktop WSL2、Linux Docker Engine 都支持。端口占用是 Web UI 默认 8080REST API 默认 8780自托管网关默认 3000。数据存储不依赖 Postgres、Redis、Celery、Ray状态主要放在本地文件系统和 SQLite这对个人开发者和小团队来说部署门槛低了很多。真正需要提前想清楚的是模型接入。DramaClaw 支持文本、图片、视频、配音等多个阶段通过统一网关调用模型你可以用官方 key也可以接入自己的 OpenAI 兼容网关。视频生成 API 通常是主要成本来源批量做漫剧前最好先小规模测试单集成本再决定是否长期量产。这不是项目缺点而是当前 AIGC 视频生产的现实成本——DramaClaw 解决的是流程组织、资产管理、分镜协同和批量生产不是把所有模型算力免费送给你。2. 前置准备用 TaoToken 统一 Key 打通模型通道DramaClaw 的模型配置支持 OpenAI 兼容网关这意味着你只要有一个兼容 OpenAI 接口规范的 Key 和 Base URL就能把文本、图片、视频、配音各阶段的调用统一收口到一个通道里。我这边用的是 TaoToken 作为统一模型服务入口官网在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 地址是 https://taotoken.net/api 。为什么建议用统一网关而不是每个阶段单独配一家因为 DramaClaw 的流水线里剧本拆解要调文本模型角色立绘要调图片模型分镜转视频要调视频模型配音还要调语音模型。如果每个阶段都单独维护一套 Key、一套计费、一套限流排障的时候你根本分不清是哪个环节挂了。统一到一个 OpenAI 兼容通道后config.toml 里只需要维护一份 base_url 和 api_key出问题也只需要在一个地方查。具体操作分三步。第一步登录 TaoToken 控制台创建 API Key地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 在 API Keys 页面新建一个 Key 并复制保存。第二步确认你要用的模型名称可以在模型对话页面 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 先手动发一条消息验证 Key 是否可用。第三步把 Key 和 Base URL 填进 DramaClaw 的配置。如果你打算长期跑编码和 Agent 类任务比如让 DramaClaw 的剧本拆解环节调用更强的推理模型可以看一下 Coding Plan 页面 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 它针对长时间、高频次的编码与 Agent 场景做了额度优化。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 里面有完整的接口说明和参数示例遇到报错可以先对照文档排查。3. 可复制配置config.toml 骨架与 CC Switch 示例先把项目拉下来并启动基础服务。这一步和官方快速启动一致git clone https://github.com/dramaclaw/dramaclaw.git cd dramaclaw cp .env.example .env docker compose up -d --build启动后打开 http://localhost:8080 就能看到 Web UI。接下来是重点模型配置。DramaClaw 的配置文件是 config.toml下面给一份可以直接改的骨架把 api_key 换成你在 TaoToken 控制台创建的那一串即可。# config.toml —— DramaClaw 模型网关配置骨架 [gateway] # 统一走 OpenAI 兼容通道 provider openai-compatible base_url https://taotoken.net/api api_key sk-你的TaoToken密钥 timeout 120 max_retries 3 [models.text] # 剧本拆解、角色设定、分镜脚本 model gpt-4o-mini temperature 0.7 max_tokens 4096 [models.image] # 角色立绘、场景图 model dall-e-3 size 1024x1024 quality standard [models.video] # 分镜转视频成本主要来源 model your-video-model duration 5 fps 24 [models.audio] # 配音 model tts-1 voice alloy speed 1.0 [pipeline] # 流水线阶段开关 enable_script true enable_storyboard true enable_image true enable_video true enable_audio true [storage] # 状态存本地不依赖外部数据库 backend sqlite path ./data/dramaclaw.db assets_dir ./data/assets如果你同时维护多个网关比如一个用于测试、一个用于生产可以用 CC Switch 做配置切换。CC Switch 本质上是一个配置管理工具帮你把不同的 base_url api_key 组合存成 profile切换时不用手改 config.toml。下面是一个 CC Switch 的配置示例{ profiles: { taotoken-prod: { base_url: https://taotoken.net/api, api_key: sk-你的生产密钥, description: 生产环境走 TaoToken 统一通道 }, taotoken-test: { base_url: https://taotoken.net/api, api_key: sk-你的测试密钥, description: 测试环境小额度验证 } }, active: taotoken-test }几个参数需要重点说明。base_url 必须带 /api 后缀不要写成 https://taotoken.net 否则请求会打到官网首页而不是 API 端点。timeout 建议设 120 秒以上因为视频生成阶段耗时较长设太短会频繁超时。max_retries 设 3 次比较稳妥网络抖动时能自动重试。video 阶段的 model 字段要填你实际可用的视频模型名称这个字段填错是最常见的报错来源。4. 验证请求跑一次端到端生成任务配置写完后不要急着批量生产先用一集短内容做端到端验证。准备一个几百字的小说片段存成 novel.txt 放到项目根目录然后通过 REST API 触发流水线。DramaClaw 的 REST API 默认在 8780 端口。curl -X POST http://localhost:8780/api/pipeline/run \ -H Content-Type: application/json \ -d { input_file: ./novel.txt, output_dir: ./output/ep01, stages: [script, storyboard, image, video, audio], config_profile: taotoken-test }请求发出后你可以通过任务查询接口看进度curl http://localhost:8780/api/pipeline/status?task_id你的任务ID成功的话会返回类似这样的结构{ task_id: task_20250101_001, status: completed, stages: { script: {status: completed, output: ./output/ep01/script.json}, storyboard: {status: completed, output: ./output/ep01/storyboard.json}, image: {status: completed, count: 8}, video: {status: completed, count: 8}, audio: {status: completed, count: 8} }, total_cost: 0.42, duration_seconds: 186 }看到 status 是 completed并且各阶段都有 output 路径说明配置生效了。这时候去 ./output/ep01 目录下应该能看到分镜图、视频片段和配音文件。Web UI 的 8080 端口也能看到这次任务的资产预览。验证阶段有几个观察点。第一看 script.json 里的剧本拆解是否合理如果文本模型返回的是乱码或空内容说明 text 阶段的 model 名称填错了。第二看 image 阶段生成的图片数量是否和分镜数一致不一致通常是 max_tokens 或并发限制的问题。第三看 total_cost 字段这是本次任务的实际消耗用它来估算单集成本再决定是否批量跑。我试过先跑三集不同长度的小说片段把成本曲线摸清楚之后再开批量任务比一上来就跑十集稳妥得多。5. 本篇常见报错排查配置和验证过程中最容易踩的坑集中在几个地方下面按报错现象倒查原因。报错一401 Unauthorized 或 invalid api key。先检查 config.toml 里的 api_key 是否完整复制有没有多余空格。然后确认 base_url 是不是 https://taotoken.net/api 少写 /api 会打到官网而不是 API 端点。如果 Key 本身没问题去 TaoToken 控制台 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 确认这个 Key 是否被禁用或额度耗尽。报错二connection timeout。视频生成阶段耗时最长timeout 设 120 秒以下很容易触发。把 config.toml 里的 timeout 调到 300max_retries 保持 3。如果还是超时检查 Docker 容器的网络是否能正常访问外部 API可以用docker exec -it dramaclaw-api curl -I https://taotoken.net/api测试连通性。报错三model not found。这是 model 字段填了不存在的模型名。text、image、video、audio 四个阶段的模型名称要分别确认不能混用。比如把视频模型名填到 text 阶段就会报这个错。去模型对话页面 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 确认可用模型列表再对照修改。报错四端口被占用。8080、8780、3000 三个端口如果被其他服务占了docker compose up 会失败。用lsof -i:8080查占用进程或者在 docker-compose.yml 里改端口映射。改完记得同步改 config.toml 里 REST API 的地址。报错五SQLite 写入失败。数据目录权限问题。确认 ./data 目录对 Docker 容器可写Linux 下可以用chmod -R 755 ./data。如果之前用 root 跑过切回普通用户后可能遇到权限不一致删掉 ./data/dramaclaw.db 重新初始化即可。报错六视频阶段返回空结果但没报错。这种情况通常是视频模型返回了异步任务 ID但 DramaClaw 没等到回调就超时了。检查 video 阶段的 duration 和 fps 参数是否超出模型支持范围把 duration 先设成 5 秒做最小验证。排查时的一个通用思路先用模型对话页面手动发一条请求确认 Key 和模型名本身可用再回到 DramaClaw 里查配置。这样能把「Key 问题」和「配置问题」分开不用在两层之间反复猜。6. 把通道固定下来再谈批量生产端到端验证通过之后建议把测试用的 profile 切到生产 profile并且把 config.toml 里的 gateway 配置固定下来不要每次跑任务都改。CC Switch 的 active 字段改成 taotoken-prod 即可。长期跑编码和 Agent 类任务的话Coding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 的额度模型更适合高频调用场景接入文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 里有完整的参数说明和错误码对照排障时先查文档比盲目改配置快。批量生产前还有一件事值得做把单集成本、单集耗时、各阶段失败率记一张表。跑够五到十集之后你会对这条流水线的真实产能有个判断。DramaClaw 把流程组织、资产管理、分镜协同这些脏活累活接过去了但模型调用本身的成本和稳定性仍然取决于你选的通道和模型。通道固定、配置固定、成本可预期这条漫剧生产线才算真正跑起来。