Jellyfish AI Short Drama Factory: от разбора сценария до раскадровки, ассетов, генерации и монтажа — всё в одном месте 113

Jellyfish ai短剧工厂— это инструмент для производства AI-короткометражек с открытым исходным кодом, созданный разработчиком Forget-C на GitHub. Адрес проекта: https://github.com/Forget-C/Jellyfish. По словам авторов, это end-to-end рабочая станция для производства AI-короткометражек, охватывающая полный цикл — от ввода сценария до структурированного раскадровочного плана, управления консистентностью персонажей, подготовки кадров, генерации видео и экспорта готового фильма.

По состоянию на июль 2026 года проект получил на GitHub 5,5 тыс. звёзд и более 960 форков. Уже примерно через две недели после запуска число звёзд выросло до 1,7 тыс., и в сообществе он обсуждается довольно активно. Проект распространяется по лицензии Apache-2.0, полностью открыт и бесплатен, поддерживает локальное развёртывание и доработку под свои нужды.

Основные функции Jellyfish

• Понимание сценария и раскадровка: Jellyfish может автоматически разбивать сценарий по главам на последовательность кадров и извлекать из него ключевую информацию — персонажей, сцены, реквизит, костюмы и диалоги. Также поддерживается оптимизация, сокращение и проверка консистентности сценария, а также целенаправленный анализ портретов персонажей или деталей сцен.

• Рабочий процесс подготовки и подтверждения кадров: основной рабочий процесс выглядит примерно так: разбор сценария → подготовка кадров → подтверждение кандидатов → готовность кадра → рабочая область генерации. Система автоматически формирует варианты кадров, пользователь может принять или отклонить отдельные варианты, вручную привязать уже существующих персонажей, сцены, реквизит и костюмы, а также скорректировать базовую информацию на уровне кадра. У каждого кадра есть метка «статус готовности», по которой определяется, можно ли переходить к генерации.

• Консистентность и повторное использование ассетов: это одна из наиболее характерных функций Jellyfish. Система поддерживает общую модель сущностей, охватывающую четыре категории: персонажи/актёры, сцены, реквизит и костюмы. Все ассеты можно переиспользовать между разными кадрами, что в определённой степени решает типичные для AI-видео проблемы — смену лиц персонажей, «дрейф» сцен, нестыковки реквизита.

• Оркестрация изображений и видео на уровне кадров: после того как кадр переходит в состояние «готов», рабочая область генерации поддерживает управление ключевыми кадрами и референсными изображениями, предпросмотр промптов для видео на уровне кадра, запуск задач генерации изображений и видео, а также одиночную и пакетную предварительную проверку. Результаты генерации автоматически записываются обратно в кадр или в систему медиа.

• Единый центр асинхронных задач: генерация видео обычно занимает довольно много времени, и Jellyfish объединяет все задачи обработки текста, генерации изображений и видео в единую систему асинхронных задач. Поддерживается отслеживание статуса, отображение прогресса и времени выполнения, отмена и возобновление задач, а также переход из центра задач сразу в нужный проект или контекст кадра.

• Модели, промпты и инфраструктура генерации: поддерживается управление несколькими провайдерами и моделями, можно задавать модели по умолчанию по категориям, а также управлять шаблонами промптов, файлами и сгенерированными медиа; взаимодействие между фронтендом и бэкендом основано на контракте OpenAPI. На стороне текста можно подключать большие языковые модели вроде OpenAI, Claude и др., на стороне видео — сервисы Kling, Runway, Luma и т. д.

Техническая архитектура Jellyfish

• Фронтенд: React + TypeScript + Vite

• Бэкенд: FastAPI (Python)

• База данных: MySQL

• Кэш/очередь: Redis

• Объектное хранилище: RustFS (S3-совместимое)

• Развёртывание: Docker Compose

Запросы и типы на фронтенде проекта автоматически генерируются из спецификации OpenAPI бэкенда, что в определённой степени гарантирует согласованность интерфейсов.

Сценарии применения Jellyfish

• Согласно официальной документации и отзывам сообщества, Jellyfish примерно подходит для следующих сценариев:

• Создатели короткометражек/микро-сериалов: быстрый массовый выпуск готовых роликов, экономия на инструментах

• AI-киностудии: пакетное производство короткометражек, единые стандарты创作

• Индивидуальные авторы: не нужно осваивать множество инструментов, можно начать с минимальными затратами

• Команды образовательных учреждений: быстрое создание обучающих микро-видео

• Брендовые и e-commerce команды: создание продуктовых промо-роликов в формате сторителлинга

V. Достоинства и недостатки

Достоинства:

• Открытый код и бесплатность, лицензия Apache-2.0, код полностью открыт

• За счёт централизованного управления ассетами в определённой степени решается проблема «дрейфа» персонажей

• Полный цикл «от сценария до готового ролика» в одном инструменте, без переключения между разными программами

• Рабочий процесс построен по схеме «кандидат → подтверждение → генерация»: AI предлагает варианты, человек принимает решение

• Система асинхронных задач поддерживает отслеживание статуса, отмену и возобновление длительных генераций

• Поддержка нескольких моделей, неплохая расширяемость

Недостатки:

• Для локального развёртывания нужен определённый технический уровень, готового инсталлятора в один клик пока нет

• Проект активно развивается, ключевой конвейер рендеринга раскадровки ещё не полностью стабилизирован

• Сам инструмент не предоставляет вычислительных ресурсов — необходимо самостоятельно подготовить API Key для каждой модели

• Итоговое качество генерации зависит от подключённой модели видеогенерации

VI. Руководство по использованию

Быстрое развёртывание

git clone https://github.com/Forget-C/Jellyfish.git
cd Jellyfish
cp deploy/compose/.env.example deploy/compose/.env
docker compose --env-file deploy/compose/.env -f deploy/compose/docker-compose.yml up --build

Порты запускаемых сервисов:

Фронтенд: http://localhost:7788

Бэкенд: http://localhost:8000 (документация Swagger доступна по пути /docs)

MySQL: localhost:3306

Redis: localhost:6379

RustFS: http://localhost:9000

Локальная разработка

Бэкенд:

cd backend
cp .env.example .env
uv sync
uv run uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

Фронтенд:

cd front
pnpm install
pnpm dev

Если на фронтенде возникают ошибки интерфейса, можно синхронизировать типы OpenAPI:

cd front
pnpm run openapi:update

Шаги рабочего процесса

Сравнение Jellyfish с конкурентами

Ниже приведено сравнение с некоторыми аналогичными инструментами с открытым исходным кодом на GitHub:

Почему стоит выбрать Jellyfish

• Jellyfish решает весьма практическую задачу — «дрейф» персонажей в AI-видео: благодаря централизованному управлению ассетами инструмент более управляем, чем обычные генераторы видео

• Он охватывает полный цикл — от сценария до готового видео, а не только генерацию отдельных фрагментов, и представляет собой полноценный рабочий стол

• Дизайн рабочих процессов достаточно прагматичен: ИИ генерирует варианты-кандидаты, а человек принимает окончательное решение, что позволяет избежать неконтролируемой «полной автоматической генерации»

• Открытый код и бесплатность, локальная обработка данных — это важно для команд, предъявляющих требования к конфиденциальности данных

• Можно покадрово настраивать план, ракурс, движение камеры и другие параметры — контроль несколько сильнее, чем в обычных инструментах

• Технологический стек — FastAPI + React + MySQL + Redis, достаточно зрелый и удобный для доработки

Часто задаваемые вопросы

В1: Jellyfish платный?

Бесплатный, лицензия Apache-2.0 с открытым исходным кодом.

В2: Можно ли напрямую генерировать видео?

Сам Jellyfish не предоставляет вычислительных ресурсов — необходимо самостоятельно подготовить API Key соответствующих моделей (например, OpenAI, Claude, Kling, Runway и др.).

В3: Высоки ли требования к оборудованию?

Для локального развёртывания рекомендуется наличие GPU; готового пакета для установки в один клик пока нет, требуется определённая техническая подготовка.

В4: Поддерживается ли китайский язык?

Поддерживаются сценарии на упрощённом китайском и английском языках.

В5: Можно ли использовать в коммерческих целях?

Да. Лицензия Apache-2.0 разрешает коммерческое использование, однако правила авторских прав и монетизации AI-генерируемого контента на некоторых платформах всё ещё развиваются — это следует учитывать.

В6: Насколько проект зрелый?

Проект находится на этапе быстрых итераций: ключевая цепочка раскадровки и рендеринга ещё не полностью стабильна, поэтому он больше подходит технически подготовленным командам, готовым экспериментировать.

В7: Что делать при ошибках интерфейса фронтенда?

После изменения серверного интерфейса достаточно выполнить в каталоге front команду pnpm run openapi:update для синхронизации.