不会写分镜也能拍：开源 Toonflow 保姆级实测，1 分钟漫剧从剧本到成片

AI 工具实战 · 漫剧特辑 · 保姆级

上一期我们只做了一件事：同一个剧本、同一组关键帧，比 Muse、Grok、本地 H3 谁拍 15 秒更好。评论区问得最多的反而不是「哪家引擎强」，而是：我不会写分镜、不会剪辑，有没有一个开源的工作台，能把剧本 → 分镜 → 角色 → 出片串起来？

这期补的就是这条路。主角是开源画布工作台 Toonflow，题材沿用《雨夜便利店》，从 15 秒扩到 60 秒 14 镜，每一步都写清楚点哪里、填什么、哪里会翻车、花了多少钱。

Toonflow 是什么，为什么选它

一句话：开源版的 LibTV / TapNow——一块无限画布，上面放文本、图片、视频、音频节点，节点之间连线，AI 对话助手帮你拆剧本、搭流程。

• 仓库：github.com/HBAI-Ltd/Toonflow-app
• 协议：MIT，可以商用（这一点在开源漫剧工具里并不常见，后面红绿灯一节细说）
• 热度：GitHub 约 2 万 star（我们查的时候约 19.9k），10 月底仍在更新
• 形态：Windows / Apple 芯片 Mac 桌面版、Android ARM64 版、Docker、源码；可以接云端 API，也可以接本地 ComfyUI

选它做保姆级主线，原因很朴素：star 最多、协议最干净、有图形界面，新手踩雷的概率最低。

第一步：安装（四个真实的坑）

新手首选桌面版：去 GitHub Releases 下载安装包，双击装好就行。但官方没有 Linux 桌面版——Linux、NAS、云服务器只能走 Docker 或源码。我们就是在 Linux 上用 Docker 装的，下面四个坑全是实际踩到的。

有 compose 的正常机器，照抄这几行

git clone https://github.com/HBAI-Ltd/Toonflow-app && cd Toonflow-app
# 坑 1：bun.lock 里写死了已停用的淘宝源，先换成 npmmirror（上游修了的话这行不会改动任何东西）
sed -i 's#http://registry.npm.taobao.org/#https://registry.npmmirror.com/#g' bun.lock
docker compose up -d --build
docker compose logs -f   # 看到 [服务启动成功] 就可以开浏览器
# 打开 http://127.0.0.1:3000

坑 1：bun install 报 HTTP 5xx

bun.lock 里有 28 个包的下载地址是 http://registry.npm.taobao.org/，这个域名早就停用了。不改，Docker 构建一定卡在依赖安装这一步。上面那行 sed 把它换成 https://registry.npmmirror.com/，修好后我们第二次构建用了 2 分 20 秒，镜像约 3.16 GB。

坑 2：3000 端口被占

很多人电脑上 3000 端口已经被别的开发工具占了（我们这台被 Remotion Studio 占了）。两种改法：

• 在 compose.yaml 里把端口改成 "127.0.0.1:3010:3000"；
• 或者设置环境变量 TOONFLOW_SERVER_PORT——README 里没写，是翻 apps/server/src/index.ts 才看到的（同一处还有 TOONFLOW_DATA_DIR）。

坑 3：没有登录鉴权，别把端口直接放到公网

README 自己也写了：Toonflow 的网页端没有登录。装在云服务器上时只绑 127.0.0.1，远程用 SSH 隧道访问：

ssh -N -L 3000:127.0.0.1:3000 用户@你的服务器
# 然后在自己电脑浏览器打开 http://127.0.0.1:3000

坑 4：host 网络会监听所有网卡

我们这台机器的 Docker 没有 bridge 网络（构建时报 network bridge not found），只好 --network=host，于是 -p 127.0.0.1:... 不生效，服务监听的是 *:3010。机器不对公网问题不大；对公网的服务器请用正常的 bridge 网络 + -p 127.0.0.1:3000:3000，或者用防火墙挡住。

# 我们最终的启动命令（没有 compose 插件时的等价写法）
docker build --network=host -t toonflow:local .
docker run -d --name toonflow --init --restart unless-stopped \
  --network=host -e TOONFLOW_SERVER_PORT=3010 \
  -v toonflowData:/app/data toonflow:local

数据在卷 toonflowData 里。千万别 docker compose down -v，那个 -v 会把你的项目一起删掉。

第二步：第一次打开，跟着点

界面默认跟系统语言。我们第一次打开是英文，先点右上角「语言」切成「简体中文」，下面所有截图和按钮名都以中文界面为准。

1. 快速开始页：点「稍后配置」

首次打开 #/hello「快速开始」：登录 TF-Router 自动配置 / 设备互联 / 添加私有提供商 / 稍后配置。

四个按钮里，新手直接点最小的那个 「稍后配置」。前两个会把你带去注册官方中转、配对设备；第三个要你马上填 API Key。这时候你还不知道要用哪家模型，没必要先填。

2. 首页：先认一下侧栏

首页 #/home：侧栏「首页 / 项目 / 探索 / 素材库 / 设备互联 / 设置」；中间是「今天要做点什么？」输入框和「新建项目」。

3. 设置：知道 Key 填在哪就行，现在可以不填

设置左侧分类：界面设置、常规配置、文本模型、媒体模型、插件市场、MCP、网络设置……

文本模型（写剧本、拆分镜用）：TF-router（官方）「粘贴 API Key」→「保存」；也可以「添加供应商 / 添加自定义供应商」。

媒体模型（出图、出视频用）：同样是粘贴 Key；另有「获取模型 / 编辑模型」。截图里没有填任何密钥。

供应商和要填的字段（只列字段名，Key 请你自己在界面里输入）：

4. 新建项目 = 选一个服务器上的文件夹

首页点「新建项目」，弹出的不是起名框，而是「选择服务器工作目录」：新建文件夹 → 点「选择此目录」。

这一步第一次会让人愣一下：「新建项目」其实是选一个工作目录。点「新建文件夹」建一个（比如 rain-night），进去后点「选择此目录」。

5. 进入画布

空画布 #/workspace：中间「双击画布 自由生成节点」+ 图片生成 / 视频生成 / 音频生成；顶部「画布 | 文档」；右侧 AI 对话（搭建创作画布 / 梳理故事分镜 / 生成图片素材）。

6. 添加节点

底栏「+ 添加节点」：文本、图片、视频、音频、音频生成、3D导演台、逐帧拉片、图片生成、视频生成、上传。

「文本」节点：放剧本或单镜提示词。节点上有编辑、添加到素材库、下载图标。

另外两个界面细节：Toonflow 没有全局「导出」按钮，成品靠每个节点上的「下载」图标导出；顶部切到「文档」能看到工作区里的 assets 文件夹和 画布1.json。

第三步：剧本和分镜（这是决定成败的一步）

60 秒剧本：两个人、一个房间、一个道具

我们用了 defto 的新手原则：第一部片只练 两个人（林夏、店员阿哲）、一个场景（便利店内外）、一个道具（07 号钥匙）。结构按 钩子 → 升级 → 反转 → 悬念：

全片对白只有 32 个字，平均每秒约 0.5 字——节奏靠画面推，不靠嘴。

分镜怎么写：五条铁律

字段规范借用 RooYun《AI 漫剧分镜怎么写》，我们精简成五条：

1. 情绪必须翻译成动作。 不写「她很害怕」，写「猛抬头、后退撞到柜门」。AI 看不懂形容词，只看得懂动作。
2. 每镜 2–6 秒。 超过 6 秒画面容易崩，要更长就拆成两镜。
3. 台词 ≈ 每秒 4 字，单镜不超过 20 字。 超了就拆镜或删字。
4. 写清开始和结束状态。 下一镜的开始 = 上一镜的结束，这样才能用尾帧接首帧。
5. 画面里的中文后期贴。 纸条、手机屏、钟面，AI 经常写错。

《雨夜便利店》14 镜总表

完整版每镜还有开始/结束状态、声音、参考图、连续性要点、生成模式、引擎建议和可直接粘贴的英文提示词，都在下面的 CSV 里。

模板下载（Excel / WPS / 飞书表格可直接打开）

• 分镜模板 · Markdown（含单镜卡和五条铁律）
• 分镜模板 · 空白 CSV（15 行，18 个字段）
• 角色卡模板 · Markdown
• 《雨夜便利店》填好的 14 镜分镜 CSV（含英文提示词）
• 《雨夜便利店》60 秒剧本全文

在 Toonflow 里怎么放

• 手动（新手推荐）：添加一个「文本」节点，粘贴整份剧本；再按镜号每镜加一个「文本」节点，粘贴 CSV 里那一镜的英文提示词。14 个节点竖着排一列，一眼能看到全片。
• 用 Agent：右侧对话点「梳理故事分镜」，或者直接说「拆成 14 镜、每镜 4–5 秒、竖屏 9:16，每镜写开始和结束状态」。前提是文本模型已经填了 Key。

第四步：角色定妆和关键帧

角色一致性靠两样东西：一张五视图定妆图，加上每条提示词里逐字粘贴的角色锚点。我们的锚点是：

Lin Xia (young East Asian woman, 24, short black bob haircut with straight bangs,
beige trench coat, bright red scarf draped over left shoulder)

林夏：正面 / 3/4 / 侧面 / 背面 / 脸部特写。黑色波波头、米色风衣、红围巾、白手机。小问题：围巾两肩都搭了，单镜提示词里要再强调「scarf over left shoulder」。

阿哲：凌乱黑发、深绿店员马甲、名牌「哲」（字写对了）、黑眼圈、始终低头，右手拿灰抹布。

在 Toonflow 里：添加「图片生成」节点贴定妆提示词生成；已经有图的话直接「上传」或拖进画布（单文件上限 100MB）。后面每个视频节点都把对应角色的定妆图连进去当参考。

关键帧精选

S01 · 空街、24H 霓虹倒映积水，画面中下部留了一点金属反光——给 S02 捡钥匙做铺垫。

S06 · 阿哲低头擦柜台，墙钟在上方——这个钟后面 S13 要用。

S08 · 「07号柜」这次一次写对，但正式发布仍建议后期贴字。

S11 · 柜里叠着同款红围巾和拍立得，她左手摸自己的围巾。

S12 · 拍立得右下角「明天 23:47」写对了；人物是 3/4 背影，不是严格背对，可以接受。

S14 · 手机「来自：林夏」「别回头」，玻璃倒影里多了一个人影。人影比预期明显，后期压暗一点更吓人。

S13 · ⚠️ 翻车样本：抽了两次，墙钟都不是 23:46（第一次挂在天花板上、指着约 10:10）。解决办法不是继续抽，而是剪辑时叠一张 23:46 的钟面。

第五步：逐镜出片，然后拼成 60 秒

成片（粗剪）

《雨夜便利店》第 1 集 · 60.0 秒 · 14 镜硬切 · 720×1280 · 24fps · 带 Muse 原生音轨。这是粗剪：还没加 IndexTTS 对白、没贴字、S13 钟面没修。

14 镜中帧一览（上排 S01–S07，下排 S08–S14）。脸、波波头、红围巾整体是稳的；店内布局在镜头之间有漂移。

在 Toonflow 里的操作

1. 添加「视频生成」节点 → 把这一镜的关键帧（或上一镜尾帧）、角色定妆图连进来；
2. 粘贴这一镜的英文提示词 → 选模型、画幅 9:16、清晰度、时长 → 发送；
3. 生成好后点节点上的「下载」；
4. 如果像我们一样在画布外用 Muse / Grok 出片，就把 mp4 拖回画布的「视频」节点，保持整片在一块画布上可见。

出片记录（照实写）

两个值得记下来的教训：

• S07 没有专属关键帧就容易弱。 我们偷懒用 S08 的纸条特写当首帧，结果「走过去 → 回头 → 取下 → 翻面」这么多动作塞进 4 秒，模型只做了一半。正确做法是给 S07 单独出一张关键帧，或者用首尾帧模式（首帧：站在货架口；尾帧：纸条背面朝镜头）。
• 失败了先原样重试一次，再考虑换引擎。 S11 第一次 Muse 回了一句「已按本次上传的这张图做第一帧生成……」却没有视频，Grok 兜底又 422（推测是 1584×2816 大图或参数被拒）。第二次原样重发 Muse 就过了。我们给自己定的规矩是每镜最多 3 次，三次都不行就改提示词或换引擎，别一直抽。

拼接

每镜按分镜秒数从头裁，统一 720×1280 / 24fps，然后硬切拼接：

# 每镜：裁到分镜秒数、统一尺寸帧率
ffmpeg -i s01-muse.mp4 -t 4 -vf "scale=720:1280:force_original_aspect_ratio=increase,crop=720:1280,fps=24,setsar=1" \
  -c:v libx264 -crf 20 -c:a aac -ar 44100 -ac 2 trimmed/s01.mp4
# 全部：硬切拼接
ffmpeg -f concat -safe 0 -i list.txt -c copy rain-night-60s-rough.mp4

不想碰命令行，就把 14 段直接拖进剪映，按分镜秒数裁，效果一样。

账单（这一版 60 秒）

如果你想把有口型的镜头（S06「今晚就你一个客人」、S11「这是……我的围巾？」等）换成云端 MiniMax-H3：

时间上，出图约 30 分钟，视频单条 2–3.5 分钟、串行跑完约 40 分钟，加上配音和剪辑，一部 60 秒片大约 2.5–3 小时。

连续性：两个最实用的技巧

1. 尾帧当下一镜首帧。 分镜里写好的「结束状态」就是为这一步准备的。每镜生成后，截最后一帧（播放器截帧，或 ffmpeg -sseof -0.1 -i 上一镜.mp4 -frames:v 1 tail.jpg），连到下一镜视频节点当首帧。动作连贯的段落（S09 → S10 → S11）最受益。
2. Agent 默认走 Seedance，要用别的模型就点名。 Toonflow 内置的工作流经常默认调用 Seedance。如果你打算用 H3、Muse 或 Grok，要在对话里明确写「视频模型用 MiniMax-H3」，或者干脆跳过 Agent，用手动节点。不然很可能是一边报缺 Key、一边按你没打算用的模型计费。

协议红绿灯：想接单变现，先看这一节

B 站卖课的教程基本不讲这个，但对想拿成片接商单的人，这一节比任何提示词都重要：

想看更全的开源漫剧工具清单，推荐 awesome-manyu：41+ 个项目，每周刷新，自带协议红绿灯标注。

保姆级检查清单

• 桌面版（Win / Mac）或 Docker 装好；Docker 构建前换掉 bun.lock 里的淘宝源
• 端口冲突就改端口或用 TOONFLOW_SERVER_PORT；云服务器只绑 127.0.0.1，用 SSH 隧道访问
• 右上角切「简体中文」→ 快速开始点「稍后配置」
• 新建项目 = 选工作目录；进画布先搭剧本和 14 个分镜文本节点
• 分镜五条铁律：情绪变动作、2–6 秒、每秒 4 字、写开始/结束状态、画面中文后期贴
• 两张五视图定妆图 + 角色锚点逐字粘贴进每条提示词
• 每镜最多 3 次；失败先原样重试一次
• 用尾帧接下一镜首帧；Agent 里点名你要的视频模型
• 节点「下载」导出 → 剪映裁剪、贴字（钟面、纸条、手机屏）、配音
• 想商用：检查每个工具的协议

下一步

• 这期粗剪还差：IndexTTS 对白、S13 钟面叠图、S07 重做（首尾帧）。补完会更新成片。
• 下一篇打算做 「分镜写好 vs 写差，出片差多少？同一场戏 6 种分镜写法实测」——RooYun 的模板很好，但还没人拿出片对照证明它到底好在哪。
• 再往后是开源工作台横评：Toonflow vs LocalMiniDrama vs ArcReel，同一剧本、同一套 API，比装机时间、出错点、花费和角色一致性。

还没看过引擎对比的，可以先回看上一期：同一个剧本，三家 AI 拍 15 秒漫剧：Muse vs Grok vs 本地 H3。