如果说过去的 AI 视频工具解决的是”生成一个视频”，那么 Jellyfish 想解决的是”生产一部短剧”。

最近逛 GitHub 时，发现了一个非常有意思的开源项目——Jellyfish。

GitHub 地址：
Forget-C/Jellyfish

短短几个月时间，项目便收获了数千 Star，成为 AI 视频创作领域最受关注的开源项目之一。它最大的特点不是模型能力，而是重新定义了 AI 短剧的生产流程。(T.co)

今天，我们就来聊聊这个项目到底解决了什么问题，以及为什么它值得所有 AI 创作者关注。

---

AI 视频工具很多，但为什么大家还是做不好短剧？

现在市面上的 AI 工具已经非常丰富。

• ChatGPT 写剧本
• Midjourney、Flux 生图片
• Kling、Runway、Veo 生成视频
• ElevenLabs 配音
• 剪映完成剪辑

看起来工具已经齐全。

但真正做过 AI 短剧的人都会发现一个现实：

工具越来越强，流程越来越乱。

例如：

• 今天生成的人物，明天就变脸了；
• 同一个角色换了三种服装；
• 一个场景重复生成几十次；
• Prompt 到处复制粘贴；
• 图片、视频、角色素材散落在几十个文件夹里。

真正限制 AI 短剧发展的，从来不是模型。

而是生产流程。

Jellyfish 正是围绕这个问题设计的一套完整工作流。

---

Jellyfish 并不是一个 AI 生视频工具

官方对它的定义非常明确：

An end-to-end production workspace for AI-generated short dramas

翻译过来就是：

面向 AI 短剧创作的一站式生产工作台。

很多人第一次看到项目，会误以为它又是一个：

输入一句 Prompt → 输出视频

实际上完全不是。

它更像：

AI 短剧版 Notion + Jira + Midjourney + Runway 的结合体。

它关注的是整个生产链路，而不是单次生成。

---

它把短剧生产拆成了一条完整流水线

Jellyfish 将整个创作流程标准化。

整个流程大致如下：

剧本
↓

AI 理解剧本

↓

自动拆分分镜

↓

识别人物
识别场景
识别道具
识别服装

↓

建立统一资产

↓

确认每个镜头

↓

AI 图片生成

↓

AI 视频生成

↓

统一管理任务

↓

导出成片

官方将这一流程概括为：

Script → Storyboard → Asset → Generation → Export。

这已经不是一个”工具”，而是一条生产流水线。

---

最大亮点：角色一致性管理

如果做过 AI 视频，你一定知道最大的痛点：

角色一致性。

例如：

第一集女主长这样。

第二集换了一张脸。

第三集年龄变了。

第四集发型变了。

第五集衣服也变了。

最后观众根本认不出来。

Jellyfish 专门设计了一套资产管理系统。

它会把所有元素统一管理：

• 人物
• 场景
• 道具
• 服装
• 演员

每个镜头引用这些资产，而不是重新生成。

这样就避免了：

每一个镜头都重新”创造世界”。

而是：

在同一个世界里继续创作。(T.co)

---

AI 自动理解剧本

这一点也非常有意思。

传统工作流：

编剧写剧本。

导演自己拆分镜头。

现在变成：

输入剧本。

AI 自动分析：

• 人物
• 场景
• 对话
• 道具
• 情绪
• 镜头

甚至还能做：

• 剧本优化
• 内容精简
• 一致性检查

最终生成结构化分镜。

也就是说，

AI 不只是生成内容。

开始参与导演工作。

---

每一个镜头都有自己的生命周期

很多 AI 视频工具只有：

点击生成。

结束。

Jellyfish 把镜头设计成一个真正的工作单元。

每个 Shot 都会经历：

待分析

↓

待确认

↓

素材准备

↓

Ready

↓

开始生成

↓

完成

每一步都可以修改。

每一步都可以重新生成。

每一步都能追踪。

这其实就是把互联网产品里的 Workflow 思想搬到了 AI 创作里面。(T.co)

---

所有 AI 任务统一调度

另一个值得点赞的设计：

它没有把 AI 调用写死。

而是设计了一套统一任务中心。

无论：

• LLM
• 图片生成
• 视频生成

全部进入异步任务系统。

你可以：

• 查看进度
• 查看耗时
• 取消任务
• 重试任务
• 返回对应项目

这意味着未来接入任何模型：

• Flux
• SDXL
• Kling
• Veo
• Runway
• ComfyUI

都不会影响整体流程。

模型只是插件。

流程才是核心。

---

更像 AI 创作操作系统

看完整个项目后，我最大的感受是：

Jellyfish 并不是在做 AI。

它是在做：

AI 创作操作系统。

过去几年，大部分项目关注：

模型越来越强。

Prompt 越来越复杂。

但真正进入商业生产以后，大家发现：

决定效率的不是模型。

而是流程。

未来真正重要的是：

• 工作流
• 数据管理
• 素材管理
• 一致性
• 自动协同

模型反而只是底层能力。

---

谁适合使用 Jellyfish？

官方给出的典型使用场景包括：

• AI 微短剧创作者
• AI 视频工作室
• 独立内容创作者
• 教育培训视频制作团队
• 品牌营销与电商内容团队

如果你的目标是批量生产内容，而不是偶尔生成一两个视频，这类工作流工具会比单纯的生成模型更有价值。

---

写在最后

过去一年，我们见证了 AI 视频模型的快速进步。

下一阶段，比拼的重点或许不再是谁生成得更快，而是谁能建立更稳定、更高效、更可复用的生产体系。

Jellyfish 正是这种思路的代表：

它不追求成为”最强模型”，而是成为连接剧本、分镜、资产、生成、任务与导出的统一平台，把 AI 视频创作从”一次次生成”升级为”可持续生产”。(T.co)

如果你正在关注 AI 短剧、AI 视频或内容工业化，这个项目值得深入研究。

项目地址：

👉 GitHub：Forget-C/Jellyfish