Toonflow：開源 AI 短劇產生器，把小說拆成分鏡與角色鎖定的桌面工作台

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

想把一本連載小說變成可連續播放的短劇，最磨人的部分不是寫劇本，而是把文字逐一拆成分鏡、固定角色長相、再讓每個鏡頭動起來。Toonflow 是一款以 Apache-2.0 釋出的開源桌面應用，把這整條工作流收進一個 Electron 視窗，由劇本 Agent、分鏡 Agent、製作 Agent 三層協作，搭配本地 SQLite 與 ONNX 向量記憶，形成可長期累積素材與設定的創作工作台。

同類工具目前大致分為三條路徑。第一條是瀏覽器內即用、把流程編排交給使用者自行組裝的Jellyfish AI 短劇工作流或YumCut 自架短影片工作流，門檻低但工程化程度有限。第二條是以關鍵幀與角色定妝為核心的創作型工作台，例如 deep-printfilm AI 漫劇工作台，把劇本、角色與鏡頭收進同一個專案，但偏重半手動創作。第三條就是 Toonflow 走的路：把小說拆解、劇本改編、分鏡產出、角色卡生成、影片轉化整串工序包進單一桌面應用，再透過可程式化的供應商系統，把生成模型交給使用者自選。

從工程指標看，Toonflow 在同類工具裡規模最大、活躍度最高。GitHub 上 HBAI-Ltd/Toonflow-app 倉庫截至 2026 年 7 月累積約 11,800 個星標、2,180 個 fork，預設分支只開放 develop 接受 PR，master 保持穩定。最新穩定版 v1.1.8 於 2026 年 6 月發布，2026 年 7 月仍持續閉單，近期包括 OpenAI gpt-image-2 端點整合、DeepSeek V4 Pro 分鏡截斷、分鏡 prompt 未自動生成等問題都已對應修復。

核心機制：三層 Agent 與章節事件圖譜

Toonflow 的架構核心是三層 Agent 協作體系。決策層負責拆解任務與選擇策略，執行層實際生成劇本、分鏡、角色卡與影片，監督層做品質審閱與修訂回饋。官方原始碼把這套分層實作為 scriptAgent（劇本 Agent）與 productionAgent（製作 Agent）兩個主要模組，Skill 提示詞則外化為 Markdown 檔案，可線上編輯即時調整，免去改原始碼與重新編譯。

針對長篇小說最怕的資訊丟失，Toonflow 設計了章節事件圖譜機制。匯入原著後系統會先做章節事件抽取，把每個章節的核心事件結構化儲存到本地 SQLite，之後劇本改編時可依事件圖譜精準召回上下文，避免把長文壓成單一 prompt 時丟失伏筆與人物關係。這個圖譜結合本地 ONNX 向量檢索（透過 @huggingface/transformers）形成跨工作階段的 Agent 記憶，可以保留短期訊息、長期摘要與語意召回三層資料。

前端介面採用無限畫布而不是線性步驟列，這也是它與 Jellyfish、YumCut 等流程工具最明顯的差異。劇本、角色卡、分鏡、素材與影片節點都能在畫布上自由排列、回溯與並行生產，每個分鏡節點獨立攜帶提示詞、參考圖與產出結果，可以單獨精調後再回流主工作台。

路由結構也呼應這套設計。官方原始碼把劇本、分鏡、素材、角色、藝術風格、供應商選擇、任務排程等職責拆成獨立模組，每個模組對應一組 REST 端點，前端與桌面殼透過 Socket.IO 即時接收進度更新。這種細粒度切分讓你能單獨抽換某一環節（例如換掉圖像模型、保留劇本 Agent）而不影響其他環節，是 Toonflow 把整條產線拆成可組裝模組的工程基礎。

官方 README 附了一段示範專案的製作紀錄，可以當作估算產能與成本的參考基準。這段 2 分鐘成片使用 Claude Opus 4.6 寫劇本、GPT Image 2 畫分鏡、Seedance 2.0 做動態影片，全程約 2 小時完成，原始素材 3 分鐘經剪輔後留下 2 分鐘。這個數字是 HBAI-Ltd 團隊的內部測試結果而非第三方實測，實際產能會因為模型選擇、劇本複雜度、算力等級與剪輔標準而漂移，但作為「這套工作流能跑出什麼等級的東西」的參考值已經足夠具體。

Pin

部署型態與首次啟動

Toonflow 提供三種主要部署型態。最常見的是直接下載桌面安裝包，官方在 GitHub Release 針對 Windows x64/ARM64、macOS Apple Silicon/Intel、Linux x86_64/ARM64 都有編譯好的安裝檔，安裝完成即可啟動。第二種是 Docker 自建，倉庫內附 Dockerfile 與 docker-compose 範例，預設監聽 10588 連接埠，可作為團隊共享服務。第三種是 PM2 + Node.js 24 的雲伺服器部署，官方文件列出 Ubuntu 20.04+ 與 CentOS 7+ 的完整步驟。

macOS 使用者要注意一個小坑：Toonflow 的 dmg 安裝包沒有正式開發者簽章，下載後必須到系統的隱私與安全性設定手動允許，否則第一次啟動會被 Gatekeeper 擋下。這是 Electron 開源專案常見的狀況，與 Toonflow 本身的安全性無直接關係，但對不熟悉 macOS 機制的使用者會是個進入門檻。

首次啟動後登入畫面會要求輸入帳號密碼，預設值是 admin 與 admin123。這組預設憑證寫在 README 與登入頁提示上，也意味著如果你把 Toonflow 部署到對外伺服器，務必第一時間在系統設定裡改密碼，否則任何人知道這套預設值都能登入你的執行個體，連帶看到你設定過的 API Key 與所有劇本草稿。

BYOK 模型層與資料流向

評估這類創作工具時，需要把「工具本身」與「生成模型」分成兩件事看。Toonflow 是編排層：負責劇本拆解、分鏡調度、角色卡管理、素材歸檔、Agent 協作與記憶，所有專案檔案、素材、SQLite 資料、向量索引都存在你本機的 data 目錄下，不上任何雲端物件儲存。但實際的內容生成（語言模型寫劇本、圖像模型畫分鏡、影片模型讓畫面動起來）發生在你設定的外部 API 上，這部分就是 BYOK（Bring Your Own Key）架構。

Toonflow 的供應商系統底層採用 Vercel AI SDK，從 package.json 可看到 @ai-sdk/openai、@ai-sdk/anthropic、@ai-sdk/openai-compatible 三個主要相依。openai-compatible 是關鍵：任何相容於 OpenAPI 規格的端點都能接進來，包含 DeepSeek、智譜、MiniMax、通義千問、xAI、Stability、Runway、Seedance 等服務。設定中心還允許你直接寫 TypeScript 片段定義供應商邏輯，即時生效不用重啟。

這裡要畫清楚一條決策軸：把素材留在本機，不代表 AI 處理也在本機。你餵給模型的劇本台詞、角色描述、分鏡 prompt，會送到你選的雲端模型供應商，適不適合放上敏感劇本，取決於你對該供應商資料政策的信任程度。官方 README 明確建議，如果劇本涉及企業機密或創作機敏，可改接本地部署的 LLM（例如 Ollama）與本地圖像模型（例如透過 ComfyUI 啟動的 Stable Diffusion），把生成層也收進自己機房。這個建議同時意味著：未特別設定的預設安裝，是「資料私有、AI 處理雲端」的中間狀態，不是純本地。

另一個容易忽略的細節是供應商設定的 UX 複雜度。Toonflow 雖然把 modelProvider 寫成 TypeScript 讓你即時修改，卻也代表使用者要先理解什麼是 OpenAI 相容端點、哪個欄位填 base URL、哪個欄位填 API Key、模型名稱要逐字複製貼上。GitHub Issue #225 就反映新使用者第一次設定供應商時常卡在這一步，建議加入更明確的欄位提示。如果你過去沒接過 Vercel AI SDK 或 OpenAI 標準介面，初次設定會需要對照文件慢慢試，這跟純 Web 工具填一個 Key 就開始跑的體驗差距不小。

Apache-2.0 授權與成本結構

Toonflow 採用 Apache License 2.0，是公認商業友久的開源授權：可商用、可修改、可再散布，只需要在衍生專案中保留授權聲明與 NOTICE 檔案。這與同類工具中某些 PolyForm Noncommercial 或 NO-LICENSE 的同類工具相比是重要差異，尤其對企業內容團隊或商業製作公司來說，授權是否乾淨直接影響能不能放進正式產線。附帶一提，Apache-2.0 也涵蓋專利授權條款，對涉及模型與演算法的專案多一層保障。

主程式碼與 Toonflow-web 前端介面分屬兩個 GitHub 倉庫，前者是後端 API + Electron 桌面殼，後者是 Vue3 前端，桌面安裝包已內建編譯好的前端資源，普通使用者只需下載主倉庫的 Release。除了 GitHub，HBAI-Ltd 同步把原始碼鏡像到 Gitee 與 AtomGit，中國大陸使用者可走 Gitee 取得較穩定的下載速度。

成本結構方面，Toonflow 軟體本身完全免費，但實際跑出成片需要自付模型 API 費用。官方 README 附了一個 2 分鐘示範短劇的成本明細，以 Claude Opus 4.6 寫劇本、GPT Image 2 畫分鏡、Seedance 2.0 生成影片，官方拆解的總成本約人民幣 130 元（換算新台幣約 600 元上下），其中影片模型就佔約 120 元人民幣，等於超過九成成本落在影片生成階段。這個數字值得參考的原因是它點出了 Toonflow 類工具的真實單位經濟：軟體免費、但每分鐘成片的 API 成本落在百元等級，跟主流商業 SaaS 月費訂閱相比是不同計價模型。

與同類工具的定位對比

把 Toonflow 放回同類工具裡看，差異主要落在授權、部署型態與工作流粒度三個維度。下表整理這個品類目前最具代表性的四個工具，方便快速比對位置。

從對比可以看出，Toonflow 的位置偏向工程化、可商用的桌面向工作台，適合把整個產線收進單一工具的團隊；Jellyfish 與 YumCut 比較偏流程與部署靈活度，deep-printfilm 則更接近半手動創作工作台。如果你已經在這個品類裡挑過其中一個，Toonflow 的價值在於把工作流粒度做得更細，代價則是初期設定成本（模型供應商、密碼、Docker 或雲伺服器擇一）比純 Web 工具高。

適合誰、不適合誰

適合的需求情境

• 連載小說推文號主，需要把大量文字內容產線化為短劇或漫畫形式，重視產出數量與角色一致性。
• 企業內容或教育訓練團隊，想把內部文件轉成視覺化培訓素材，且需要 Apache-2.0 這類乾淨授權才能落地。
• 技術玩家與開發者，想用 TypeScript 供應商系統串接自己架的 ComfyUI、Ollama 或私有模型端點。
• 有批量產出需求的創作者，已經熟悉 OpenAI、Anthropic、Stability 或 DeepSeek 等雲端模型計費方式。

不適合的需求情境

• 期待一鍵產出好萊塢等級動作大片的人。Toonflow 生成的影片幅度較小，README 也直言屬於動態簡報等級，適合敘事類內容而非動作場面。
• 完全不願意碰設定、不想理解 API Key 與模型計價的使用者。這個工具的彈性建立在你能自己挑模型與供應商的前提上。
• 希望軟體完全免費、不付任何 API 費用的人。Toonflow 軟體免費，但實際生成需要呼叫付費模型或自架模型。
• 需要正式開發者簽章的 macOS 環境。Toonflow 目前沒有 Apple 公證，企業統一部署會多一道手動允許手續。

限制與社群反饋

從近期 GitHub Issue 可看到幾個使用者實際踩到的狀況。7 月下旬陸續有使用者反映接 OpenAI 標準介面的 gpt-image-2 模型時無法使用，對應 Issue #233 與 #230 都在數天內被維護團隊關閉，顯示對接新模型的相容性問題反應速度不慢，但仍意味著你升級到最新模型時可能會遇到短期空窗。Issue #232 通報使用 DeepSeek V4 Pro 時分鏡表被截斷，反映模型輸出長度上限與 Toonflow 工作流之間的容錯設計還有調整空間。Issue #225 則反映供應商設定介面對新手不夠友善，使用者建議加入更明確的欄位提示。

另一個值得注意的營運決策是官方與智星雲（ai-galaxy.com）的合作。智星雲是 Toonflow 官方授權的商用 GPU 鏡像服務商，可以直接租用預裝好 Toonflow 與 ComfyUI 的 4090 執行個體，免去本地部署的麻煩，代價是算力與 Token 費用走智星雲計價。這對沒有 GPU 的使用者是可行的替代路徑，但也等於把信任邊界從 Toonflow 軟體本身延伸到第三方算力供應商，敏感劇本是否走這條路需要自己衡量。

開發流程方面，HBAI-Ltd 採取 master 與 develop 分支分離的策略：master 只收官方穩定版本、完全不接受外部 PR，貢獻者請把 PR 提交到 develop 分支。這種模式好處是 master 永遠可作為發布來源，壞處是社群貢獻需要先搞懂分流規則、門檻比直接合 PR 高一些。整體而言這個專案還在快速迭代期，2026 年 1 月才建立、半年內從無到 v1.1.8，未來幾個月功能與介面都可能再變動。

Pin

合規與使用邊界

Toonflow 是中立的編排工具，本身不提供模型、不生成內容，實際產出取決於使用者選擇的模型與輸入素材。使用時需要確認幾件事：第一是素材授權，把你沒有改編權的他人小說或劇本丟進工具改作，不會因為工具是開源就免責。第二是產出內容的合法性，把生成結果用於 deepfake、不實訊息、誹謗或違反當地法規的場景，責任歸屬與一般創作工具相同。第三是模型供應商的服務條款，不同模型對商業用途、敏感內容、地區限制的規範不一致，需逐家確認。

本地使用者還要留意產出內容是否觸及肖像權、聲音權與個資法規。即使沒有專門規範 deepfake 的刑法條文（現行刑法第 319 條之 4 只規範性影像），把生成的擬真人物用於商業用途、政治操作或不實陳述，仍可能落入民事肖像權、個資法或誹謗罪的規範範圍。這條邊界屬於使用者責任而非工具責任，把 Toonflow 當作產線工具時建議建立內部審核流程，特別是商業投放前。

常見問答

Toonflow 真的完全免費嗎？

軟體本身採用 Apache-2.0 開源、完全免費。但實際生成需要呼叫語言、圖像與影片模型，這些模型的 API 費用由使用者自付。以官方示範為例，產出 2 分鐘成片大約需要新台幣 600 元的 API 成本，其中影片模型佔最大宗。如果改接本地 Ollama 與 ComfyUI，可以把 API 費用降到接近零，但需要自備 GPU 與算力。

可以不用 OpenAI 嗎？

可以。Toonflow 的供應商系統支援任何相容 OpenAPI 規格的端點，常見替代包含 DeepSeek、Anthropic Claude、智譜 GLM、MiniMax、通義千問、xAI，或自架的 Ollama。設定中心允許你寫 TypeScript 片段定義自訂供應商邏輯，即時生效。從近期 GitHub Issue 看，DeepSeek V4 Pro 是中文使用者社群討論度很高的選項。

Toonflow 適合做長篇連續劇嗎？

理論上可以，章節事件圖譜機制就是為長篇設計的，能把整本小說的事件結構化再分批改編。但實際產出規模受限於模型上下文長度、生成時間與 API 成本。每分鐘成片成本落在百元等級，做 30 分鐘的連續劇單元會累積到數千元，建議先用短篇試水、確認風格與流程穩定再放大產量。

商業用途需要額外授權嗎？

Apache-2.0 允許商業使用、修改與再散布，只需保留授權聲明與 NOTICE 檔案。你產出的內容歸屬於你自己（或你使用的模型供應商之服務條款所規定的歸屬）。注意：模型供應商的條款可能對商業用途有額外規範，例如某些圖像模型禁止生成真人特徵、某些語言模型禁止特定行業應用，這部分要逐家確認，與 Toonflow 軟體本身的授權無關。

與 deep-printfilm、Jellyfish 相比，我該選哪個？

看重工作流粒度、想長期累積角色設定與素材庫、需要桌面工作台，選 Toonflow。看重部署彈性、想把工具嵌入既有流程或自架服務，考慮 Jellyfish。看重關鍵幀半手動創作、希望介入每個鏡頭美術決策，可以試 deep-printfilm。三者並不互斥，社群裡常看到創作者同時使用多個工具各取所長。

整體來看，Toonflow 把 AI 短劇產線的工程化推到了一個新位置。Apache-2.0 授權讓商業落地沒有授權疙瘩，桌面工作台把劇本、分鏡、角色卡、素材與影片節點收進同一個畫布，BYOK 供應商系統讓模型選擇保持彈性。它的限制也值得事先知道：預設密碼必須改、未簽章 macOS 需手動允許、生成模型的雲端呼叫在預設配置下無法繞過、真實成本主要落在影片模型上。如果你是產線導向的創作者或企業內容團隊，它值得放進評估清單；如果你只是想快速試做一段短影片，入門門檻可能比純 Web 工具高一階。