Jellyfish 是什么
一句话：一个 AI 短剧生产工作台。从剧本输入到分镜拆解、角色一致性管理、镜头准备、视频生成到最终导出，全流程覆盖。
GitHub 上 3,600+ star，Apache 2.0 协议。
跟其他 AI 视频工具有什么不一样
市面上的 AI 视频工具大多解决"从文字到视频"这一步。但做短剧不只是生成画面——你得管角色不能串脸、场景不能乱换、道具服装得跟剧本对上。
Jellyfish 把重心放在了这里：
- 剧本理解 → 自动拆分成镜头
- 提取每个镜头里的角色、场景、道具、服装、对白
- 集中管理所有角色和场景，确保跨镜头一致性
- 生成前做"镜头准备"检查，确认素材到位才开跑
说白了，它不是做一个视频工具，而是做了一个短剧生产流水线。
工作流程
它的核心流程是：
剧本拆解 → 镜头准备 → 候选素材确认 → 镜头就绪 → 生成工作台
每个环节都有对应的 UI 和状态管理。不像普通 AI 工具那样输入一段文字就完事，Jellyfish 让你在每一步都能人工介入调整。
一致性管理是亮点
做 AI 短剧最头疼的问题是什么？角色串脸。上一集还是这张脸，下一集就变了个人。
Jellyfish 用了一套中央实体模型来解决：角色/演员、场景、道具、服装全部统一管理。生成镜头时直接引用已有资产，大幅降低 AI 的随机性。
技术栈
- 前端：React + Vite + TypeScript
- 后端：FastAPI（Python）
- 数据库：MySQL + Redis
- 文件存储：RustFS
- 部署：Docker Compose 一键启动
前后端通过 OpenAPI 协定对接，前端请求代码可以直接从后端 Schema 生成。
模型支持
支持多供应商/多模型管理，可以按类别设置默认模型。图片、视频、文本生成都走统一的异步任务系统，支持状态追踪、取消和恢复。
提示词模板也支持管理，方便复用常用的生成参数。
适合谁用
- 短剧 / 微剧创作者
- 批量生产视频内容的 AI 工作室
- 想做竖屏短剧的个人创作者
- 教育团队做课程视频
- 品牌和电商团队做故事化营销内容
怎么部署
官方提供了 Docker Compose 配置，在 deploy/compose/ 目录下：
cp deploy/compose/.env.example deploy/compose/.env
docker compose -f deploy/compose/docker-compose.yml up --build
启动后前端在 7788 端口，后端在 8000 端口（含 Swagger 文档）。
本地开发也方便：后端 uv sync + uvicorn，前端 pnpm dev。
我的看法
Jellyfish 的定位很聪明——它不是跟 Sora、Runway 这类视频生成模型竞争，而是做它们之上的编排层。
视频生成模型负责"画"，Jellyfish 负责"管"。管剧本、管角色、管镜头、管生成任务。这个分工是对的。
3,600+ star 说明这个方向确实有需求。如果你在做 AI 短剧或者有批量视频生产的需求，值得试试。