dsh-openreelbench

dsh-openreelbench

我们为什么做它

大语言模型会写,ComfyUI 会画,配音模型会说——可是从「一句话」到「一部能看的片子」,中间隔着几十次往返: 写什么、配什么图、先出哪个、谁说了算、出了错谁来兜。

OpenReelbench 想做的,就是把这段路铺平。它是 DeepSeek Harness 的开源创意插件: 你说出想法,AI 把它变成一部完整的解说片;而创作的主导权,始终握在你手里。

我们相信开源生态从不缺生成能力,缺的是把这些能力组织成创作的骨架。 OpenReelbench 是这个方向的一次认真尝试——用人工智能的潜力,为开源生态注入创意力量。

一条受管的创作流水线

四段状态机,两道人工闸。推不动的地方,是真的推不动——每一关,都由你亲自放行:

简报 ──〔你确认〕──> 脚本 ──〔你确认〕──> 配音 · 配图 ──> 合成

图像、配音、配乐由 dsh-comfyui 的 ComfyUI 工作流生成,组装由 FFmpeg 在本地完成。 你不必打开一次 ComfyUI 界面,也不必写一条 ffmpeg 命令。对 Agent 而言,这一切收敛为五个工具: 项目、状态机、合成、预览、剪辑——能力有了边界,创作才没有后顾之忧。

立项 —— 从一句话到一份创作意图

一切从一个念头开始。你说出它,AI 和你一起把它聊成一份简报:主题是什么、讲给谁听、时长几何、 用什么风格说。项目就此立项——往后的每一份素材、每一次状态、这部片子的全部家当,都在这一步安家。 想法还没聊透?没关系,换个方向重来是流水线的常态,不是事故。

脚本 —— 分段即分镜

脚本不是一篇流水文。它被切成一段一段,每一段就是将来的一格画面;每段写多长,由风格自带的 语速档说了算。画面提示词只写看得见的东西——光线、构图、动作,不写形容词堆出来的空话。 初稿不满意就改,改到满意为止。但请注意:脚本没有你的确认,管线一步都不会往前走。

配音 —— 让片子开口说话

先挑一支音色:从工作流现成的音色里选,或让 AI 按你的描述设计一支新的。样音先行—— 先听一小段,满意了再批量生成全片。所有配音一次生成完毕,时长以实测为准,绝不采信口头申报: 后面的时间轴和字幕,都按真实声音排布。

分镜 —— 让每一格画面有话说

镜头语言在这里落进画面:镜别、焦段、光线、景深,五层提示词层层递进。一份风格契约管住全片 画风——第一张图和第三十张图,来自同一个世界。配音先行、配图在后,批次井然, ComfyUI 不必来回装卸模型,把时间都花在出图上。

合成 —— 从想法到成片,你只需要关心内容本身

时间轴按实测时长排布,字幕逐句对齐声音,配乐自动压到解说之下、响度对齐平台规范。 点下合成,拿走成片和字幕文件——不用打开 ComfyUI,不用写一条 ffmpeg 命令。 繁琐的都交给了管线,省下来的精力,请全部投给内容。

十一份技能,全程同行

管线之上,十一份内建技能陪跑全程——一半把关创意质量,一半配合具体创作:

把关创意	配合创作
自审协议 —— 提交之前,先按规矩自挑毛病	解说片总纲 —— 节点图与全局规矩
叙事结构 —— 因果链、钩子与整片弧线	简报 · 脚本 · 配音 · 分镜 · 合成 —— 五段各自的作业细则
镜头语言 —— 镜别、光线与高光镜	工具契约 —— 工具如何表现,报错如何处置
声音设计 —— 选曲的两条硬规矩

安装

本地修改版的预编译插件包为 dsh-openreelbench-0.1.0-alpha.11.tgz。在 DSH 的插件管理界面 填写 TGZ 的完整路径即可安装。桌面版、Web profile 的详细步骤见 安装说明。

支持 xAI / Grok Imagine 视频协议：自动识别模型，支持一张本地参考图、480p / 720p 选择、任务查询和鉴权下载。火神及兼容中转站配置见安装说明。

• DeepSeek Harness 0.2.0-rc.2、Node ≥ 22.19、PATH 上的 ffmpeg / ffprobe
• 搭档插件（可选）:dsh-comfyui ≥ 0.4.0 —— 使用 ComfyUI 提供方时安装并在面板里备好工作流

npx -p @deepseek-ai/dsh@0.2.0-rc.2 dsh plugin --profile <你的非 desktop profile> add "<插件 TGZ 的完整路径>"

装完重启 profile。配置在「设置 → OpenReel 创意台」,或 cordis.yml 的 openreel 层—— 绑定表里只写工作流的名称,怎么调由工作流自己的参数清单说了算。 更多细节见 插件开发标准。

生成提供方

配音页和分镜页都有「生成方式」选择：ComfyUI 或 API 模型。API 模式不经过 Agent， 由插件直接调用配置的 HTTP 接口并把返回文件写入项目资产目录；完成后仍然走原来的 manifest、 审批闸和 FFmpeg 合成流程。分镜页在 API 模式还可以选择输出图片或视频，视频会作为 video 资产 进入同一条时间轴。

在配音页或分镜页选择 API 后，可直接填写 API 地址、模型和 Key 并点击「保存 API 设置」。 这些表单与设置页「生成提供方与 API」共用配置，保存后立即生效，修改其他字段会保留已保存的 Key。 API Key 也可通过环境变量名配置。图片、视频、语音都支持自己的中转站地址与 Key。 地址可填写完整生成接口，也可填根地址或 /v1；插件仅为这些明确的根路径补全常见接口。 自定义视频接口请按中转站文档填写完整地址。

三类模型都有下拉选择和「获取模型」。已保存的接口打开时自动查询，新地址与 Key 可以先查询、 选择模型再一起保存。默认推导 /models，也可指定 modelsUrl 完整 GET 地址。 列表按用途筛选；中转站使用自定义模型名称时可切换「显示全部模型」，或启用「手动填写模型」。 筛选依据接口元数据或名称，不代表服务商一定已开通对应生成通道。查询失败会显示原因，并保留配置。

接口使用 JSON POST，文生图/文生视频接受 prompt、model、width、height、size 和时长字段； 语音接受 input/text、voice、model。响应支持直接媒体、url、data[0].url、b64_json、 base64 等常见格式。异步视频接口再填写 pollUrl，其中 {id} 会替换成任务 id。

API 生成尺寸和视频时长

分镜页选择 API 后，「分镜生成」中可以选择常用尺寸或「自定义宽高」，填写模型支持的宽、高像素。 图片和视频分别保存在当前项目，点「保存生成参数」后使用。默认跟随成片尺寸；「恢复默认」再保存可恢复跟随。 自定义尺寸按原值发送，前后端都会拒绝空值、小数或不在 1–16384 范围内的宽高，具体尺寸仍需符合中转站模型要求。

顶部同时显示生成尺寸和成片尺寸。如果两者比例不同，页面会提示合成时按风格裁切或留边。 视频可勾选「固定视频生成时长」并填写模型支持的秒数，例如 4、8 或 12；不勾选时按各镜计划时长请求。 生成时长与时间轴上的镜头占比各自有用途，合成仍按配音与镜头计划排时间。

工作流选择、ComfyUI 参考图和 LoRA 参数区只在 ComfyUI 模式显示。 编辑已有 API 分镜的占比或顺序时，保留资产的模型、尺寸和来源信息。

可选：百炼原生语音

语音默认使用通用 / 中转站协议。选择「阿里云百炼原生」时，插件使用原生千问 TTS 接口， 不用另开本地桥接。地址留空使用北京地域，也可填写专享域名或完整原生接口。 兼容模型接口若未返回本插件支持的 TTS 模型，会显示内置官方语音目录并标注来源； 该目录不代表账号实时可用模型。目录只提供此适配器支持的同步千问 TTS，不混入聊天、实时 TTS 或 CosyVoice。

内置音色可选 Cherry、Ethan、Serena，也可粘贴已复刻音色 ID。使用参考音频时只保留一段， 首次生成自动调用 qwen-voice-enrollment，并使用 qwen3-tts-vc-2026-01-22（或已配置的 VC 快照）。 缓存位于当前项目的 assets/voice-clones.json，按音频内容、模型、服务和账号区分；不存 Key 或音频内容。 可关闭缓存，也可指定 enrollmentEndpoint 自定义声音复刻接口。instructions 仅用于 Instruct 系列。 音频按实际文件头识别扩展名，落盘前修复 WAV 占位长度，供 FFmpeg 正常测量时长。

这只是开始

OpenReelbench 目前只有一条图文解说管线——这是沿着最简单的视频内容创作流程,走通的第一步。 视频广告、创意短片、数字人……更多内容制作管线,将在同一条骨架上逐步生长。

它不仅是智能时代人机协同创作的一次尝试,更为未来的全智能、自动化创作,打下了扎实的基础。

来源与致谢

本项目参考了他人的源代码，并在其基础上添加了新功能：

• 参考来源：fandc520/dsh-openreelbench
• 原作者：fandc（GitHub: @fandc520）
• 原许可证：MIT（Copyright (c) 2026 fandc）

在上游代码之上新增与改造的功能清单见 NOTICE。 原代码的版权归原作者所有，上游的版权声明已按 MIT 许可证要求保留在 LICENSE 中。 如果原作者希望调整或移除这段声明，请开 issue，我们会配合处理。

许可

MIT

alpha.6：小说导入与 API 参考素材

首页和立项页支持 TXT / MD 小说导入，识别章节并自动生成可编辑的分段脚本、分镜计划。先预览章节、字数、段数、镜数和预计时长，再确认立项及脚本。支持 UTF-8、GBK / GB18030 和带 BOM 的 UTF-16；长篇可分章节建项目，保留源文本。

API 模式提供文生图 / 图生图、文生视频 / 参考图或视频生成；支持项目上传、预览、移除选择和公开素材地址。JSON、multipart 协议及字段可配置，图片参考默认使用 images/edits。KKRICH Seedance 按公开协议适配任务提交、查询、鉴权下载、模型限制及 HTTPS / assetId 参考素材。此站 Seedance 不接受本地文件或 Base64，需公开素材地址或平台签发 ID。

使用步骤及限制见 安装说明。本版适配 DSH 0.2.0-rc.2，提供预编译 TGZ。