deep-printfilm：把劇本、角色定妝和關鍵幀收進同一個專案的 AI 漫劇工作台

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

deep-printfilm 是一個把劇本拆解、角色定妝、關鍵幀與影片片段收進同一個專案狀態的 AI 漫劇工作台，原始碼以 TypeScript 寫成並公開在 GitHub。README 宣告採用 MIT 授權，但倉庫本身沒有獨立的 LICENSE 檔、package.json 也沒有 license 欄位，宣告與檔案存在落差，商用前最好先向作者確認。它適合已經跑過幾次 AI 影片流程、受夠了提示詞散落和角色前後長不一樣的人；如果你期待的是按下按鈕就吐出一部能上架賺錢的短劇，那它不是這種工具。

一句話結論：deep-printfilm 解的是「流程割裂」這個 AI 漫劇最痛的問題，但解法建立在重度依賴第三方付費 API 之上，加上授權宣告與實際檔案對不起來，要不要碰得看你在不在意這兩件事。

Pin

deep-printfilm 在解什麼問題

做 AI 影片最讓人挫折的，往往不是某一次生成失敗，而是整套流程太散。劇本寫在記事本裡、角色設定塞在提示詞裡、關鍵幀散落在資料夾，主角上一幕穿西裝下一幕變成夾克，為了修這種一致性問題，你只能在好幾個工具之間來回貼上貼下。

deep-printfilm 把這件事看成工作流問題，而不是模型問題。它採用作者稱為 Script-to-Asset-to-Keyframe 的順序：先把劇情和分鏡敲定，再產出角色定妝照和場景概念圖當成視覺資產，最後才在 AI 工作台裡用這些資產去跑關鍵幀和影片片段。它的價值不在於自己生出一個更強的影片模型，而在於讓你每次呼叫模型時都有一份統一的角色與場景參考可以對照。

用一個比喻，它像攝影棚裡的場記，不負責按快門，但負責把分鏡表、演員定妝照、場景道具清單整理在同一份專案裡，讓攝影師每次舉機時都有得對照。

關鍵幀驅動是它的核心想法

純粹的 Text-to-Video 很難穩定控制角色長相、構圖和鏡頭的起止畫面。deep-printfilm 引入動畫和影視製作裡的關鍵幀概念，把它套到 AI 工作流上。

運作邏輯大致是這樣：先為每個鏡頭生成起始幀和結束幀，再透過影片模型在兩幀之間補上運動過渡；生成畫面時會帶上角色定妝、造型變化和場景概念圖當參考，盡量讓同一個角色在跨鏡頭時長得一致。每個階段都圍繞同一份專案狀態推進，省下反覆複製提示詞和手工整理素材的力氣。

要特別注意的是，這套做法能不能穩住角色一致性，最終還是取決於你背後接的影片與影像模型有多強、以及你給的定妝參考夠不夠好。工作台把資產串起來，但沒辦法承諾輸出品質，輸出的上限是模型的上限。

四個階段的工作流

deep-printfilm 把工作流拆成四個階段，每個階段對應專案裡的一個面板。

第一階段是劇情創作。你輸入故事大綱或小說片段，AI 產出劇本結構、角色清單、場景列表和分鏡表，你可以手動調整角色描述、台詞和分鏡畫面提示詞。

Pin

第二階段是場景與角色。這裡會生成每個角色的定妝參考圖，並讓你維護多套造型變化（例如主角的常服、行動裝束、負傷外觀等不同情境下的穿搭），同時產出關鍵場景的環境概念圖。你也可以手動上傳既有的角色或場景圖當資產。

第三階段是 AI 工作台，這是核心區域。所有鏡頭以網格排列，你為每個鏡頭生成起始幀與結束幀，再基於關鍵幀去跑影片，畫面生成時會把當前場景、角色定妝和造型變化一起帶進去當上下文。較長的鏡頭可以再細切成更小的段落，每一段生成都有紀錄可回查。

Pin

第四階段是製片匯出，把前面累積的成果集中起來檢視與下載，包含逐鏡預覽、檢視生成歷程，以及把素材打包給後期剪輯軟體接手。

本地部署不等於離線，這是它最容易誤解的地方

deep-printfilm 可以用 Docker 在伺服器或 NAS 上跑，也提供 Windows 桌面安裝包（Electron 打包），看起來像裝完就能離線用。但這裡有一個關鍵落差：所謂的本地部署指的是「工作台這套軟體跑在你自己的機器上」，但文字、圖像、影片這三段生成全部重度依賴第三方 API。

專案預設相容於 GitCC 或 OpenAI 格式的 API 端點，你在模型設定裡填入自己的 API Key，每一次劇本拆解、定妝生成、關鍵幀繪製、影片片段生成都會向這個第三方端點發出請求。換句話說，跑模型是要花錢的，而且每次生成時，你的提示詞、參考圖和請求內容都會送出去。如果你想找的是完全不上雲、純本機推理的工具，這條路要對接像 FreeLLMAPI 這類 API 閘道，自己再評估費率與穩定度。

另一個容易被忽略的陷阱是專案資料的儲存位置。deep-printfilm 把劇本、分鏡、資產全部存在瀏覽器的 IndexedDB 裡，回應速度快，但這也代表一旦你清理瀏覽器快取或網站資料，整個專案會瞬間蒸發。如果你打算長期使用，務必定期用第四階段的匯出功能把專案資產備份出來，不要把 IndexedDB 當成唯一的家。

授權、版權與商用，這三件事要先釐清

這部分是我建議你在動手前最該花時間確認的，因為 deep-printfilm 在這三個面向都沒有給出明確保證。

授權狀態：宣告 MIT，但檔案對不起來。 截至本文查證（2026 年 7 月），README 結尾寫著採用 MIT 授權，但倉庫沒有獨立的 LICENSE 檔，package.json 的 license 欄位也是空的。這是個灰色地帶：作者有意以 MIT 釋出，但少了獨立授權檔這份法律上最穩的憑證，下游要主張權利時會卡關。比起 Agent Battery 那種連 README 都沒提授權的情況，deep-printfilm 的意圖清楚得多，但同樣建議商用前先跟作者確認，或等補上獨立 LICENSE 檔再正式投入。

訓練資料與生成內容版權：取決於你接的模型。 deep-printfilm 本身不訓練模型，它只是工作台，真正的生成發生在你接的第三方 API 上。所以生成內容的版權歸屬、能不能商用、是否帶有浮水印，全部取決於你使用的模型服務商條款。Sora 2、Veo 3.1、GitCC 各有不同的商用政策，你必須自己逐家確認，不要假設跑出來的畫面就自動屬於你。

角色版權：上傳既有角色風險自負。 如果你在第二階段上傳受版權保護的既有角色（例如漫畫、動畫、電影裡的人物）當參考資產，再拿生成結果去跑商業流量，這條鏈上的版權責任落在你身上。工具不會替你判斷素材是否合法。

跟其他 AI 漫畫工具的差別

如果你只是想做單張 AI 漫畫圖，Image Provenance 那類工具或直接用 Midjourney、Nijijourney 就很夠；deep-printfilm 解的是另一個層次的問題，它處理的是「連續鏡頭之間的資產管理」。

跟 ComicAI、ComicFactory 這類漫畫生成平台相比，deep-printfilm 的差異在於它把整條從劇本到成片的流水線攤開給你，每一段（劇本、定妝、關鍵幀、影片）都是獨立可控的階段，你可以自己挑背後的模型 API。要付出的功夫是你得自己處理 API Key、計費和模型挑選，進場成本明顯比一鍵平台高。

跟純粹的 Text-to-Video 工具相比，它多了角色定妝和關鍵幀這層資產約束，這對解決「主角前後長不一樣」這個 AI 漫劇最經典的痛點確實是有意義的設計，能不能落到實際成效仍取決於模型。

下表把幾條常見路線擺在一起比，方便你判斷 deep-printfilm 在自己的工具鏈裡佔哪個位置。

適合誰，不適合誰

適合：已經跑通過一兩次 AI 影片流程、會自己申請並管理 API Key、能接受 Docker 或 Electron 部署、並且願意花時間在模型選型和提示詞調校上的人。對這類讀者，deep-printfilm 是一個思路很對、能省下大量專案管理精力的提效工作台。

不適合：完全沒接觸過 API 呼叫的純新手、期待下載安裝後按一個鈕就出片的人、需要嚴格離線與資料不上雲保證的人，以及必須在授權上拿到明確商用許可的商業專案。對這些情境，先別碰，等授權與合規狀態更明朗再說。

怎麼開始試用

如果你決定試，建議走保守路線。先到 GitHub 的 yuanzhongqiao/printfilm 下載 Windows 安裝包或用 Docker 起一個本機服務，申請一個小額度的 API Key，跑通一個幾十秒的短片看看角色一致性與成片品質能不能接受，再決定要不要把它當成主力工具。

在正式投入之前，三件事先做：第一，逐字讀你打算接的模型服務商條款，確認生成內容的商用權利；第二，把 IndexedDB 裡的專案定期匯出備份；第三，持續關注專案有沒有補上獨立 LICENSE 檔，授權狀態一旦完整，你的使用權利也會更明確。要把 AI 影片這條路走穩，工作台只是輔助，更值得花心力的是模型選型、提示詞調校，以及弄清楚每一份素材的合規邊界。

部署與版本現況

幾個查證到 2026 年 7 月的具體數字，幫你判斷這個專案目前的成熟度。GitHub 倉庫 yuanzhongqiao/printfilm 約 2757 顆星、279 個 fork，主分支以 TypeScript 寫成，Electron 桌面版對應的 package name 是 ai-manga-studio，最新 Release 標籤是 PrintFilmPro-V-1.2.03（2026 年 6 月發布）。Docker 部署預設開在 3005 連接埠，compose 會起 ai-manga-studio-app 容器，前端的 Nginx 把 /api-proxy 反向代理到 GitCC API。

專案活躍度看起來不錯，但它仍屬於個人維護的小型專案（作者帳號 yuanzhongqiao 並未在 profile 留下姓名或組織資訊），穩定性與長期維護節奏要自己評估。官方網站 printfilm.com 目前定位已經轉向「Sora 2、Veo 3.1、Wan 2.6 等閉源模型的 AI 影片生成 SaaS」，跟 GitHub 上這套自架工作台是同一個品牌底下的兩條不同產品線，不要把網站當成桌面版的入口。

常見問題

deep-printfilm 是開源專案嗎？ 半開源狀態。README 宣告採用 MIT 授權，但倉庫沒有獨立的 LICENSE 檔，package.json 也沒有 license 欄位，宣告和檔案對不起來。嚴格說，作者有意以 MIT 釋出，但少了獨立授權檔這份法律憑證，建議商用前先向作者確認。

裝完就能離線生成嗎？ 不行。工作台軟體本身跑在你自己的機器上，但文字、圖像、影片三段生成都靠第三方 API，每次呼叫都會花錢並把提示詞與參考圖送出去。

生成的內容可以商用嗎？ 取決於你接的模型服務商條款，deep-printfilm 本身不訓練模型也不給版權保證。Sora、Veo、GitCC 的商用政策各不相同，必須逐家確認。

專案資料會被清掉嗎？ 會。劇本、分鏡、資產全部存在瀏覽器的 IndexedDB，一旦你清快取或網站資料就會蒸發，務必定期用匯出功能備份。

它跟官方網站 printfilm.com 是同一個東西嗎？ 同一個品牌，但定位不同。網站現在主推接 Sora 2 與 Veo 3.1 的閉源 AI 影片生成 SaaS，GitHub 倉庫則是自架的漫劇工作台，兩條產品線不要混為一談。

支援哪些部署方式？ Windows 桌面安裝包（Electron）、Docker、本機 npm 開發模式三種，行動裝置目前沒有對應版本。