BAIZE AI RESOURCE

AI 视频创作工作室

Open-director

OpenDirector 是开源自托管 AI 视频工作室,通过 9 个专职 Agent 完成调研、脚本、分镜、配音、配乐和素材生成,最终渲染成片。

Open-director

资源介绍

OpenDirector 是一个 Docker 优先、可自托管的 AI 视频制作系统,定位为“开源 AI 视频工作室”。它的核心是一条由 9 个专职智能体组成的导演流水线:调研智能体按需检索公开资料,脚本智能体生成故事大纲,美术风格智能体从 34 种内置风格中选型,分镜智能体拆解镜头与台词,角色与场景智能体产出视觉设定,配音与配乐智能体分别匹配音色和氛围音乐,最后由素材智能体编排图像、语音与音乐并交给渲染 Worker 输出成片。每个智能体都是 LangGraph 节点,执行过程通过 SSE 实时流式展示,用户可以逐步看到方案成型。系统提供创作模式(完整导演流程)与批量模式(短视频量产),支持 16:9、9:16、1:1 画幅与 480p/720p/1080p 导出,可接入 OpenAI、Gemini、DeepSeek、Qwen、MiniMax、Ollama 等多种模型,数据保存在自有服务器上。适合希望私有化部署 AI 视频生产能力的团队与个人创作者。

核心能力

9 智能体导演流水线

调研、脚本、美术风格、分镜、角色、场景、配音、配乐、素材九个专职智能体按序协作,每个节点实时流式输出,方案可逐步查看。

创作模式与批量模式

创作模式从一句话生成完整方案并支持手动编辑脚本;批量模式输入主题自动生成多条脚本,批量产出短视频并生成多个版本供挑选。

内置 34 种美术风格

覆盖电影感、商业、未来、复古、动漫、3D、插画、写实、实验等 9 大类,可在生成前选定整体视觉方向。

配音、字幕与配乐

内置 Edge TTS 免费语音并支持多音色实时预览,字幕可自定义字体、字号、颜色、位置与描边,背景音乐可按氛围生成或指定本地文件。

多模型与可插拔媒体服务

支持 OpenAI、Google Gemini、DeepSeek、Qwen、MiniMax、Ollama 等模型提供方,媒体生成服务可通过环境变量切换。

Docker 一键自托管

通过 docker compose 启动 Web、渲染 Worker、MySQL、Redis 与 MinIO,数据与素材保留在自有服务器,界面支持中英文。

使用方法

  1. 准备 Docker 与 Docker Compose 环境,克隆仓库并复制 .env.example 为 .env,填入所需模型与媒体服务的 API Key。

  2. 执行 docker compose up --build 启动服务,浏览器访问 http://localhost:3000 进入工作室界面。

  3. 在创作模式输入一句话创意,等待导演流水线依次生成脚本、风格、分镜、角色、场景、配音与配乐方案。

  4. 按需手动编辑脚本、调整画幅比例与导出分辨率,预览分镜中图像、旁白与背景音乐的同步效果。

  5. 在批量模式输入主题,配置片段时长、TTS 音色、字幕样式与背景音乐,批量生成多条短视频并挑选最佳版本。

  6. 导出最终视频,或通过渲染 Worker 队列查看渲染进度与产物。

使用案例

一句话创意生成成片

使用场景个人创作者快速验证创意

输入一句故事想法,由 9 个智能体自动完成调研、脚本、分镜、角色、配音与配乐,直接得到带旁白和背景音乐的完整视频。

短视频批量量产

使用场景内容运营批量产出短视频

在批量模式输入多个主题,AI 自动生成多条脚本并批量渲染,可配置 2-10 秒片段节奏、字幕样式与配乐,一次产出多个版本。

私有化视频生产环境

使用场景对数据合规有要求的企业团队

通过 Docker Compose 在自有服务器部署 Web 与渲染 Worker,接入自选模型服务,创意与素材数据不出内网。

包含内容

open-director-source.zip
README-中文安装说明.md
LICENSE-LGPL-3.0.txt
SHA256.txt

常见问题

OpenDirector 需要什么运行环境?
官方推荐使用 Docker 与 Docker Compose 一键启动,会同时拉起 Web 应用、渲染 Worker、MySQL、Redis 与 MinIO;本地开发需要 Node.js 20 及以上版本。
它支持哪些 AI 模型和媒体服务?
支持 OpenAI、Google Gemini、DeepSeek、Qwen、MiniMax、Ollama 等多种模型提供方,媒体生成服务可插拔,可通过环境变量切换。
生成的视频支持哪些画幅和分辨率?
支持 16:9、9:16、1:1 三种画幅比例,导出分辨率可选 480p、720p 和 1080p。
配音和背景音乐是免费的吗?
内置 Edge TTS 语音可免费使用并支持实时预览;背景音乐可按故事氛围自动生成,也可指定本地音乐文件并调整音量。
数据会保存在哪里?
系统为完全自托管架构,应用数据存放在自建的 MySQL、Redis 与 MinIO 中,创意与素材保留在自有服务器上。