在无限画布上编排 AI 短剧的剧本与分镜（影策）

影策（open-ai-canvas）是面向 AI 影视创作的开源无限画布工作台，用画布组织剧本、角色、场景与分镜，并统一调度图片、视频、音频与文本生成任务。

它接的是一条完整链路：项目从一段文字故事开始，拆出剧本结构，定义角色与场景，画出分镜，再逐个镜头生成图片和视频，配上音频，最后在时间线上拼成片。这些动作原先散在文档、聊天窗口和各类生成网站里，哪版素材对应哪一镜、哪个任务还在排队、额度花了多少，都靠人工记。影策把它们收进同一块画布和同一个任务系统。

输入是文字和素材，输出是画布上的节点图、生成好的图片/视频/音频文件，以及时间线导出的成片。前端以 TypeScript 为主（51.7%），后端用 Go（33.2%），本地开发跑 SQLite，正式部署换成 PostgreSQL 加 Redis，许可证为 MIT。这是一个二次开发项目，上游是 basketikun/infinite-canvas 的早期版本。

它解决的是什么问题

AI 影视创作最难的部分不在单张图好不好看，而在一致性：同一个角色出现在几十个镜头里，服装、脸型、场景光线要保持；分镜改了，后面生成的素材得跟着改；一批任务排队时，谁在跑、谁失败、重试花了多少额度，都要有账可查。

交给文件夹和表格管理，规模一大就会失控。影策的做法是把每个创作对象变成画布上的节点：角色是一个节点，场景是一个节点，一个镜头也是一个节点，节点之间的连线表达依赖关系。生成任务挂在节点上，进度、日志、取消和重试由任务系统统一处理。素材库负责引用校验，删除素材前会检查还有没有业务在引用它。

典型使用场景

• 个人的 AI 短剧制作：一个人同时管剧本、角色一致性和几十个镜头，把角色卡和分镜挂在同一块画布上，改设定时能直接看出影响哪些镜头。
• 影视或广告的前期预演：用 3D 预演台摆机位、画走位与运镜路径，导出白膜 MP4，再把构图回写到画布卡片，给后面的实拍或生成环节留参考。
• 自建服务对外提供生成能力：管理员配好系统渠道与逻辑模型，设置用量与积分，用管理后台看用户、配额和系统性能。
• 已有画布想加 Agent 能力：在技能页安装技能包，让画布 Agent 读取场景、创建场景，或者对已有内容打语义补丁。

几个常见疑问

一键部署卡在拉镜像这一步，是什么原因？

仓库里曾出现过这个情况：一键部署配置直接用 ghcr.io/ddcat-ai/open-ai-canvas-web 和 ghcr.io/ddcat-ai/open-ai-canvas-backend 两个镜像，镜像发布工作流是成功的，但当时的容器包不允许匿名拉取，全新服务器照 README 和 scripts/install-server.sh 走就会失败。这条 Issue 已标记为已解决。用 GHCR 镜像部署时，脚本会先按指定 Release 拉取镜像，再解析并写入 CANVAS_BACKEND_IMAGE、CANVAS_WEB_IMAGE 的 digest，生产 Compose 不接受缺失 digest 的默认镜像或 latest。

配好第三方 OpenAI 兼容渠道，为什么模型测试报「连接模型服务失败」？

有用户反馈过完整流程：后台新增渠道填名称、baseURL、API Key，拉模型列表能成功，配置模型并启用后，测试却失败，画布调用同样不通。这条 Issue 已解决。需要一并注意的是后端的默认策略：它会拒绝本机、私网和链路本地模型地址。开发阶段只通过 CANVAS_ALLOWED_PRIVATE_UPSTREAM_HOSTS 精确放行可信主机，不要用全量放行开关。

云端 Agent 的上下文超预算时会怎么处理？

早期实现是直接结束本轮：cloud_agent_runtime.go 在估算 token 超过 contextBudget.InputBudgetTokens 时调用 failCloudAgent 收尾。社区讨论过改成压缩成检查点后继续跑，这条 Issue 已标记为已解决。另外从 v1.5.9 起，画布 Agent 改为独立 yingce-agent 容器运行，配置 YINGCE_AGENT_URL 后只走独立容器，失败不会回退到内嵌进程。

主要功能

• 自由画布：节点、连线、框选、缩放、小地图、撤销重做、导入导出和只读分享。项目内容以节点图的形式呈现，而不是文件列表。
• 影视创作工作流：剧本、角色、场景、风格板、参考素材、结构化分镜和 3D 导演台。3D 预演台在 v1.6.1 重构，分摆场、姿态、动画、摄影机四种工作模式，时间轴、关键帧与 Auto Key 只在动画模式开放，渲染视图按模式过滤；新建场景先选模板（空场景、单人对白、双人对话、人物走位、产品/道具镜头）。
• 多媒体生成：文本、图片、视频、音频任务，支持参考图、首尾帧、运镜、续写、局部修改和批量生成。音频生成支持 IndexTTS2 情感控制，并保留多条音频结果。
• 任务与素材管理：异步队列、进度与日志、取消与重试、素材库、资源引用校验，登录后可跨设备同步。
• 时间线剪辑：片段编排、拆分、修剪、字幕转写和服务端成片导出，编辑面板支持插件化。
• 云端 Agent 与技能生态：持久化对话、画布摘要、流式事件回放；README 说明当前为只读阶段，真实环境能力以文档和验收清单为准。社区技能库 judian-skills 提供 34 个场景域包索引，在技能页选「安装技能」→ GitHub 标签，仓库地址填 https://github.com/itsWyatt-K/judian-skills，子目录填 skills/drama/story-structure-engine 这类域包路径。
• 管理与渠道：系统渠道、逻辑模型、用量与积分、功能开关、对象存储、响应拦截和管理后台。后台可设置 Agent 同时对话上限，默认 30，范围 1 到 64，降低上限不会中断已开始的对话。

安装与最短示例

环境要求写在 README 里：Bun 用于前端和文档站，Go 1.25 用于后端，Docker Compose 只在容器开发或部署时需要。

git clone https://github.com/ddcat-ai/open-ai-canvas.git
cd open-ai-canvas

mkdir -p .local/project-workbench-debug .local/cache/go-build .local/cache/go-mod

# 终端一：后端
cd backend
CANVAS_BACKEND_ADDR=127.0.0.1:8080 \
CANVAS_BACKEND_DATA_DIR=../.local/project-workbench-debug \
GOCACHE=../.local/cache/go-build \
GOMODCACHE=../.local/cache/go-mod \
go run ./cmd/server

# 终端二：前端
cd ../web
bun install --frozen-lockfile
bun run dev

打开 http://localhost:3000，首次使用注册管理员账号，并在设置中配置模型渠道。前端默认把 /api 代理到 http://127.0.0.1:8080。Windows PowerShell 用户可以在仓库根目录执行 .\scripts\start-local.ps1。

Linux 云服务器走源码构建脚本，会安装 Docker、拉取源码、生成受保护的 .env，再启动 PostgreSQL、Redis、后端和网页，默认访问 http://服务器IP:3000：

curl -fsSL https://raw.githubusercontent.com/ddcat-ai/open-ai-canvas/main/scripts/install-server.sh | sudo bash

关键参数

• CANVAS_BACKEND_ADDR、CANVAS_BACKEND_DATA_DIR：后端监听地址与数据目录，本地开发时指向 .local/project-workbench-debug。
• VITE_API_PROXY_TARGET：前端开发服务器的 API 代理目标，默认 http://127.0.0.1:8080。
• CANVAS_WEB_HOST_PORT、CANVAS_BACKEND_HOST_PORT：覆盖默认的前端 3000 与后端 8080 端口。
• CANVAS_REGISTRATION_ENABLED：公网部署应保持 false，首次管理员注册要在受控网络完成。
• CANVAS_CORS_ORIGINS：设置准确来源，公网不要用 *。
• CANVAS_ALLOWED_PRIVATE_UPSTREAM_HOSTS：精确放行可信的私网模型地址，后端默认拒绝本机、私网与链路本地地址。
• YINGCE_AGENT_URL：配置后画布 Agent 只走独立的 yingce-agent 容器。
• CANVAS_IMAGE_TAG、CANVAS_BACKEND_IMAGE、CANVAS_WEB_IMAGE：镜像部署与 Compose 用的标签和镜像地址。

结果在哪里看

生成任务的进度与日志在画布的任务中心，失败的任务可以取消或重试。生成的图片、视频与音频落在素材库，删除前会做引用校验。成片由时间线走服务端导出，字幕转写也在这一环节。用量、积分、用户筛选和 Agent 服务健康状态在管理后台查看，系统性能页展示进行中与排队的 Agent 数量。画布本身的预演缩略图会显示在卡片上，白膜 MP4 从 3D 预演台导出。

实际使用中的坑

• 演示站曾被用户投诉充了钱之后 Agent 根本没法用，节点工具创建失败或任务执行不下去。这条 Issue 已解决，但反馈本身说明线上环境的生成链路依赖渠道配置与计费状态，自建时先跑通一条最小链路再放量。
• 渲染性能有过两处具体问题：Safari 下无限画布拖动卡顿，以及 Windows 11 的 1080 分辨率下分镜放大后文字模糊。两条都已解决。
• 大模型定价模式仍有待优化。用户提出 Seedance 视频生成需要区分含视频输入和不含视频输入两种计价，DeepSeek 还分高峰期与非高峰期计价，当前实现覆盖不了这些情况，这条 Issue 状态为待解决。
• 升级路径上出现过一次 Compose 校验失败：从 v1.5.8.x 在线更新时缺少 CANVAS_YINGCE_AGENT_IMAGE。v1.5.9.1 已修复，v1.5.8.x 的服务器直接在线更新到 v1.5.9.1 即可，不需要手动改配置。

和同类的差别在哪

影策处在「无限画布」和「影视生产工作流」的交叉位置，所以对比对象分成两类：一类是只做画布本体的项目，一类是围绕它的 Agent 技能生态。下面三行里，只有第一行是影策自己。

影策不如上游项目的地方在体量。仓库体积 294144 KB，正式部署要同时起 PostgreSQL、Redis、后端和网页，还要配管理员、系统渠道和逻辑模型。你只要一块画布，用 basketikun/infinite-canvas 更省事，没有账号体系、渠道配置和数据库迁移这些负担，代价是影视工作流和任务系统得自己写。反过来，如果项目本身就需要角色库、分镜和生成任务的统一管理，从上游起步意味着重复实现影策已经做完的那一层。

合规前提

影策本身不是扫描或抓取工具，它的合规风险集中在部署与素材来源上。自建实例只应服务自有团队或已获授权的用户，首次管理员注册在受控网络完成，公网保持 CANVAS_REGISTRATION_ENABLED=false，后端 8080 端口留在 Compose 网络内，不要直接暴露。接入的第三方模型渠道要有合法授权，用户的 API Key 不应出现在 URL、日志、错误上报或服务端长期明文存储中。上传的剧本、参考图和生成素材要确认版权与肖像授权，把未经许可的素材喂进生成流程，或者拿生成内容去做未经授权的商业发行，风险由部署方承担。

影策适合已经有明确短剧或影视项目、愿意自己维护一台服务器和一整套渠道配置的团队，也适合想拿它做二次开发底座的人。只想试一次图片生成、不想碰数据库和模型渠道的读者，用现成的在线服务更合适。

焚评：这个项目的量化评分

本项目的选题来自 焚.com（一个按公开公式给 GitHub 项目打分的站）。焚评当前总分 9.3 分（满分 10）。下表是各维度的得分：

评分口径、权重与计算方式见焚.com 的评分方法页；数据随 GitHub 指标刷新，具体数值以焚.com 当前页面为准。本文正文为诀.com 独立撰写，评分数据由焚.com 授权引用。