Toonflow 教學：免費開源 AI 漫劇製作平台，從劇本、角色、分鏡到影片生成

- 從 15 秒短劇開始，研究可以持續運作的 AI 影視工作流 -

不會畫畫、不懂剪輯，也能用 AI 製作自己的短劇？最近發現一套值得研究的開源工具 Toonflow，它不只會生成影片，還嘗試把整個 AI 影視製作流程整合起來。

最近我一直在研究 AI 網紅、AI 短影音，以及 AI 漫劇的製作流程。從最早使用 ChatGPT 產生劇本、設計角色三視圖，再到 Google Flow、Seedance、H3 等影片生成模型，最後用剪輯工具把影片組合起來。

這套流程已經可以做出不錯的作品，但有個問題始終存在：工具太分散了！

劇本放在 ChatGPT，角色圖片放在資料夾，分鏡又是另一批圖片，影片生成得切換不同平台。只要其中一個鏡頭不滿意，就得回頭找素材、修改提示詞、重新生成。

如果只是做一支 15 秒短片，還能接受。但如果要做一部 3 分鐘的 AI 漫劇，甚至是一整個系列呢？最近發現的 Toonflow，就是試圖解決這個問題。

本文依公開文件整理功能，並提供建議的製作練習與整合構想；尚未完成 Toonflow 安裝、影片生成、角色一致性或 Codex 外部控制的實測。軟體開源不代表模型呼叫免費，實際能力與費用仍須依使用版本、模型與服務商確認。

一、Toonflow 是什麼？為什麼適合研究 AI 漫劇？

Toonflow 是由 HBAI-Ltd 開發的開源 AI 影視創作平台，主要面向 AI 短劇、AI 漫劇與影片創作者。它最大的特色，是把 AI 影片製作需要的工作集中到同一個視覺化工作台。

依照官方繁體中文說明，可以關注的功能包括：

• AI 輔助劇本創作。
• 角色設定與三視圖。
• 場景與分鏡設計。
• 3D 導演台與鏡頭構圖。
• AI 圖片與影片生成、多張參考圖片控制。
• AI Agent 工作流程，以及 MCP、A2A 等外部整合方向。

它不只是輸入一段提示詞，然後等待 AI 生成影片，更接近一個可以管理角色、場景、分鏡和生成任務的 AI 影視工作室。

目前專案採用 MIT 開源授權，支援繁體中文。Windows、macOS 可從官方發行頁下載桌面版；Linux 可依官方文件採用伺服器或 Docker 部署方式，不能把不同平台的安裝方式視為完全相同。

不過要先說清楚：Toonflow 軟體開源，不代表所有 AI 影片模型都能免費使用。 使用第三方付費 API 仍會產生模型費用；採用本機模型，也需要自己的運算環境與資源。

二、Toonflow 最值得注意的五個功能

1. 無限畫布：把整個影片製作流程放在一起

這是我最感興趣的功能之一。

傳統流程經常是：ChatGPT 寫劇本 → AI 生圖工具生成角色 → 影片模型生成片段 → 剪輯軟體組合影片。

Toonflow 提供無限畫布的工作方式，讓創作者可以在同一個工作空間中組織素材與生成任務。這對 AI 漫劇特別重要，因為漫劇除了漂亮畫面，還需要管理角色、場景、鏡頭，以及每個分鏡之間的關係。

當作品從 5 個鏡頭增加到 50 個鏡頭時，素材管理的重要性就會大幅提高。

2. 角色三視圖：協助建立一致的參考素材

製作 AI 網紅或 AI 漫劇時，最麻煩的問題之一，就是角色一致性。同一個人物，正面看起來很漂亮，換個角度卻可能變成另一個人。連續劇情裡，觀眾很容易發現五官、髮型或服裝突然改變。

Toonflow 提供角色設定與三視圖相關功能，可以協助建立角色參考素材。我的建議是先固定設定，再製作分鏡，至少包含：

• 正面、側面與背面參考圖。
• 臉部特寫。
• 固定服裝與髮型。
• 角色外貌描述。
• 主要場景設定。

但三視圖並不代表影片一定能維持一致性。最後效果仍取決於生成模型、參考圖片與提示詞設計。

3. 3D 導演台：先規劃鏡頭，再生成畫面

很多 AI 短影音創作者不缺生圖能力，真正缺的是鏡頭語言：什麼時候用遠景？什麼時候切到人物特寫？什麼時候讓鏡頭推進？角色應該站在哪裡？

這些問題會直接影響敘事效果。Toonflow 的 3D 導演台提供鏡頭構圖與預演的可能性；如果能把設定有效轉換成生成素材，就有機會減少反覆嘗試提示詞的時間。

不過，對不同影片模型的實際控制程度，仍然需要測試。分鏡規劃也可搭配閱讀AI 影片九宮格分鏡教學。

4. AI Agent：讓 AI 參與多步驟創作任務

這是我認為 Toonflow 最有發展潛力的方向。一般 AI 影片工具主要負責生成內容，而 Agent 可以參與多步驟任務。

例如，製作一支 30 秒搞笑短劇，理想流程可能是：

1. 根據主題產生短劇腳本。
2. 將劇本拆成多個分鏡。
3. 整理每個鏡頭需要的角色與場景。
4. 產生分鏡參考圖片。
5. 呼叫影片模型生成片段。
6. 檢查結果，找出需要修改的鏡頭。
7. 整理素材交給剪輯工具。

官方文件列有開放 Agent 與相關整合能力，但這套理想流程能自動執行到什麼程度，仍須依版本、工具權限與模型設定確認。

真正值得研究的，不只是 AI 能不能生成影片，而是 AI 能不能管理影片的製作流程。

5. MCP、A2A 與 ComfyUI：把工具串成工作流

對一般創作者來說，可以先這樣理解：

官方文件列出 MCP、開放 Agent、A2A 與本機 ComfyUI 串接方向，代表 Toonflow 有機會成為整個 AI 內容製作流程的一部分。

例如，可以研究讓 Codex 負責劇本規劃、Toonflow 管理分鏡、ComfyUI 處理特殊圖片，再由 FFmpeg 完成剪輯。這是我建議測試的架構，不代表 Toonflow 已經完整支援所有外部操作。

三、Toonflow 怎麼安裝？先從桌面版開始

步驟 1：前往官方 GitHub 與 Releases

先開啟 Toonflow GitHub 專案，再進入 Releases 版本發布頁面。

步驟 2：下載適合電腦的版本

依作業系統選擇安裝檔。Windows 使用者選擇 Windows 版本，Mac 使用者要特別注意處理器架構：Apple Silicon 的 M 系列選擇 ARM64，Intel Mac 選擇 x64。實際檔名與可用安裝包，以當次發行頁為準。

Mac 桌面版可依官方發行說明將應用程式拖入「應用程式」，再開啟使用。本文不需要先執行終端機安裝指令。

步驟 3：設定 AI 模型

安裝後先確認目前版本支援哪些提供者，再設定語言模型、圖片模型與影片模型。使用第三方 API 時，通常需要相應的 API Key。

建議一開始不要設定太多模型。先讓一套文字、圖片與影片生成流程正常運作，再逐步增加其他服務。

步驟 4：建立第一個測試專案

不要一開始就製作十分鐘短劇。我建議先做一支 15 秒短片，測試整個流程是否順暢。

影片越長，角色一致性、場景銜接、對白同步與重生成本都會增加。先用小作品驗證，才知道工具適不適合自己的需求。

四、製作練習：用 Toonflow 規劃一支 15 秒搞笑短劇

我最近正在研究「美女日常 × 第一人稱跟拍 × 對話誤會 × 搞笑反轉」這類短影音。通常只有 15～30 秒，故事簡單，適合拿來測試 AI 影片生成流程。

以下是建議練習，不是已在 Toonflow 跑完的操作紀錄；介面、參考圖數量、片段長度與音訊能力，應以實際版本及所選模型為準。

步驟 1：先讓 AI 設計劇本

可以使用 ChatGPT 或其他語言模型，輸入以下提示詞：

1
2
3
4
5
6
7
8
9
10
11
12

請幫我設計一支 15 秒的搞笑短影音。

影片風格：真人寫實、第一人稱跟拍、日常生活、自然對話。
主角是一位成年年輕女性，故事以諧音誤會或語意誤解為核心。

要求：
1. 前 3 秒建立吸引觀眾的鉤子。
2. 中間透過對話製造誤會。
3. 最後 5 秒揭露真相，形成搞笑反轉。
4. 最多三個鏡頭。
5. 每個鏡頭包含秒數、畫面、人物動作、對白與運鏡。
6. 避免複雜動作與多人互動，降低 AI 影片生成難度。

完成後，就有一份可以進一步拆解的短劇腳本。

步驟 2：建立角色設定

準備主角的角色參考圖。如果已經有固定的 AI 網紅角色，最好直接使用原本的角色圖片，而不是每次重新生成。

至少準備一張高解析度定裝照；如果可以，再加入正面、側面與全身參考圖，有助於後續一致性控制。

步驟 3：拆解成三個鏡頭

這是剪輯目標時間；如果模型只提供特定生成秒數，需在後製裁切。每個片段可以獨立生成，不滿意時只重做特定鏡頭。

步驟 4：在 Toonflow 中組織素材

把角色、場景、分鏡圖片與影片生成任務放進工作流程，優先確認：

• 角色參考圖能否重複使用？
• 每個鏡頭能否獨立修改？
• 分鏡與生成結果能否清楚對應？
• 失敗時能否只重新生成該片段？

這些問題，比單次生成畫面漂不漂亮更重要。

步驟 5：逐一生成影片

使用當前版本支援、且已完成設定的影片模型生成片段，建議先以 9:16 直式比例為目標。

每個鏡頭都要檢查五官、服裝、動作、對白與場景。角色不一致時，優先調整參考圖與提示詞；動作不自然時，降低動作複雜度或重新設計分鏡。

若模型支援同步生成對白與環境音，保留原始片段與同步音軌，後製再決定是否替換或混音；不支援音訊時，則另外規劃配音。

步驟 6：剪輯與輸出

匯出片段後，可以使用 DaVinci Resolve、CapCut、FFmpeg，或熟悉的剪輯工具進行後製：

• 依時間軸排列影片。
• 視需要補充對白、音效與背景音樂。
• 製作字幕，調整切換節奏。
• 輸出 9:16 直式短影音。

已有 Codex 自動剪輯工作流的人，也可以研究讓 Codex 接手這個階段。更多流程思路可參考Codex AI 影片工廠。

五、官方案例：兩小時完成兩分鐘 AI 短劇？

Toonflow 官方英文說明的案例章節記錄過使用 Seedance 2.0 製作短劇的數據：

這是官方單一案例的約數，不能當成一般使用者平均成本，也不是固定報價。官方展示影片為壓縮後的 480p 版本，不能據此推定所有生成素材的原始解析度。

實際費用會受到模型價格、長度、解析度、重試次數與一致性要求影響。需要多次重新生成的鏡頭，可能讓成本增加不少。

我建議測試時記錄三個數字：每支影片總花費、總製作時間、成功鏡頭比例，才能判斷是否提高效率。

六、Toonflow、ComfyUI、Codex 應該怎麼選？

三種工具不完全互相取代，以下是本文建議的工作分工：

想製作第一支 AI 漫劇，可以先試 Toonflow。已熟悉 ComfyUI，需要控制姿態、構圖與圖片流程的人，仍可保留既有工作流。希望批次製作內容或建立生產系統的人，則可以研究加入 Codex 這類 AI Coding Agent。

我認為理想方向不必是三選一，而是讓 Toonflow 負責視覺化創作、ComfyUI 處理特殊影像、Codex 協助自動化與後製。這是進階整合目標，初學者不必一開始就完成全部架構，能力也會隨版本與設定改變。

七、使用 Toonflow 前，還有三件事要注意

1. 開源軟體不代表生成免費

目前專案採 MIT 授權，但第三方模型仍可能付費，影片生成通常是成本較高的一環。建議先設定預算上限，避免反覆生成超出預期。

2. 伺服器部署要先規劃存取控制

官方英文文件「Access and Data」章節提醒，服務的網頁與 API 沒有獨立登入驗證；伺服器部署需限制服務連接埠存取。

因此不建議直接公開到網際網路。多人使用或遠端存取時，應另外規劃身分驗證、反向代理與存取控制，並重新確認所用版本的安全設定。

3. 先驗證工作流，再追求生成品質

這是我自己研究 AI 影片工具時，很重視的一件事。

影片模型進步非常快，今天畫面品質最好的模型，可能過幾個星期就被超越。但影響長期效率的，不只是畫面多漂亮，而是整個製作流程能不能持續運作。

假設要製作十支 15 秒短影音，每支三個鏡頭，總共就是 30 個鏡頭：

• 其中十個鏡頭不滿意，能不能只重做這十個？
• 角色換衣服，能不能快速更新相關分鏡？
• 同一個故事改成 30 秒，能不能保留角色、場景與素材？
• 換另一個影片模型，工作流程是不是得重新建立？

這些才是判斷工具值不值得長期使用的關鍵。我會優先選擇能保留素材、重複利用設定、獨立修改鏡頭，又方便整合其他工具的平台，而不只看展示影片。

八、進階應用：Toonflow 能變成 AI 影片自動化工廠嗎？

這是我個人最想研究的方向。

過去即使每一步都有 AI 協助，我們仍得親自寫劇本、生成角色、建立分鏡、產生影片、下載素材、剪輯與上字幕，不斷切換工具。

能不能把 Toonflow 當成製作工作台，再搭配 Codex，讓 Agent 完成大部分流程？我的理想架構分成四個階段，以下都屬於待驗證構想。

第一階段：AI 自動規劃內容

先由 Codex 或其他 Agent 負責企劃，例如提出：

1
2
3
4
5

幫我規劃十支 15 秒的 AI 網紅搞笑短影音。

主要風格是第一人稱跟拍、日常對話、諧音誤會與搞笑反轉。
每支影片最多三個鏡頭，角色與服裝保持一致。
場景以咖啡廳、街道、便利商店等日常環境為主。

Agent 可以協助整理十支故事、劇本、分鏡、角色服裝與場景設定、生成提示詞及素材清單。

這些資料最好用 JSON 等結構化格式儲存，減少重複整理，也方便工具交換資料。但資料格式仍需對接各工具實際接受的結構，不能假設直接匯入就能使用。

第二階段：Toonflow 管理分鏡與生成任務

接著把劇本、角色圖片與場景素材交給 Toonflow，管理分鏡與生成工作。如果它能透過 API、MCP 或其他介面接受外部指令，就有機會減少人工操作。

這裡必須先確認：Toonflow 支援 Agent，不代表外部 Codex 一定能完整控制 Toonflow。

能否建立專案、匯入角色、產生分鏡、呼叫模型、取得狀態與下載結果，都必須檢查介面、原始碼與權限，再實際測試。不能只看到 MCP 就認為所有功能都能自動化。

如果無法完整控制，也可以先讓 Toonflow 負責人工審核與視覺化製作。

第三階段：Codex 協助自動剪輯

片段完成後，可以研究由 Codex 呼叫其他工具後製：

這是工具分工構想，不是已驗證的 Toonflow 內建功能。每個工具仍需相應環境與可用介面，也不一定全部要用。

搞笑短片通常更重視對白節奏與反轉時機；電影感漫劇則可能需要更細緻的畫面與音效。依需求選工具即可。

第四階段：建立品質檢查機制

成熟的 AI 影片工廠，除了生成，還需要檢查：

1. 角色是否符合原始設定？
2. 影片是否符合指定秒數？
3. 畫面有沒有明顯變形？
4. 對白與字幕是否一致？
5. 鏡頭之間是否連貫？
6. 比例是否符合 9:16 或 16:9？

秒數與尺寸可用程式檢查，角色與連貫性可由視覺模型協助篩選；故事好不好笑、情緒有沒有到位，仍要創作者審核。技術檢查通過，也不能取代完整播放與人工判斷。

我的理想是讓 AI 處理可以明確驗收的重複工作，把創意與最後品質判斷留給人。

九、不同創作者，應該怎麼使用 Toonflow？

第一次接觸 AI 影片的人，先別急著研究複雜 Agent 架構。從桌面版做一支 15 秒短片，熟悉角色設定、分鏡管理、生成與匯出。

已經會用 Google Flow、Seedance、H3 等工具的人，可以把 Toonflow 當成新工作台，測試是否減少切換工具與整理素材的時間。

製作漫劇或連續短劇的人，則要特別測試角色一致性、場景重複利用、分鏡修改與多集素材管理能力。

熟悉 Codex、Claude Code 或 ComfyUI 的進階使用者，可以研究整合介面，確認哪些功能能交給外部 Agent。

但不需要為了整合而整合。新工具必須帶來明確效率提升，才值得導入：原本製作一支影片兩小時，是否縮短到一小時？原本十個鏡頭重做五個，現在能否降低比例？角色與場景是否可以重複使用？

這些才是我會評估的指標。

十、AI 影片創作，正在從生成工具走向製作系統

回頭看這幾年，我們最早在意 AI 能不能生成漂亮圖片，後來關心能不能把圖片變影片，再來是角色一致性與連續鏡頭。

現在，我認為下一個值得關注的問題是：AI 能不能管理整部影片的製作流程？

Toonflow 讓我感興趣的地方就在這裡。它嘗試把劇本、角色、場景、分鏡、模型與 Agent 放進同一套創作環境。

這不代表它已經能完全取代導演、編劇與剪輯師，也不代表按一個按鈕就能完成高品質漫劇，但它提供了值得探索的方向。

過去我們花很多時間研究提示詞，未來更重要的能力，可能是設計一套可以持續產出內容的工作流程。讓 AI 負責重複工作，創作者把時間放在故事、角色、情緒與創意上。

這也是我認為 Toonflow 值得研究的原因。除了免費開源，它讓我們看到 AI 影片創作下一步，可能是建立能持續產出好作品的製作系統。

接下來，我也打算實際測試 Toonflow，特別是角色一致性、短劇分鏡與 Codex 整合。如果能把劇本、分鏡、生成與自動剪輯串起來，距離個人 AI 影視工作室就更近了一步。

常見問答 (FAQ)

Q1：Toonflow 免費嗎？製作 AI 漫劇還要付費嗎？

目前 Toonflow 專案採 MIT 開源授權，但第三方圖片、影片與語言模型 API 可能按用量收費。本機模型也需要運算資源。官方約人民幣 130 元的短劇記錄僅是單一案例，不能當成固定報價或平均成本。

Q2：新手應該怎麼開始使用 Toonflow？

先從官方 GitHub Releases 下載適合電腦與處理器架構的桌面版，完成模型設定，再用最多三個鏡頭製作一支 15 秒測試短片。優先確認角色參考、鏡頭修改、素材管理與匯出是否順暢，再增加片長與複雜度。

Q3：角色三視圖能保證 AI 影片角色一致嗎？

不能保證。三視圖可以協助建立多角度參考，但影片中的五官、服裝、髮型與動作，仍受模型能力、參考圖支援與提示詞影響，需要逐鏡檢查並視情況重做。

Q4：Codex 能直接控制 Toonflow，自動產出整部影片嗎？

本文尚未完成這項實測。官方列有 MCP、A2A 與開放 Agent 等整合方向，但外部 Codex 能否建立專案、匯入角色、呼叫生成、查詢任務與下載素材，仍須逐項驗證介面及權限。本文的四階段自動化架構是研究構想。

Q5：Toonflow 伺服器可以直接公開到網際網路嗎？

不建議直接公開。官方文件提醒網頁與 API 沒有獨立登入驗證，伺服器部署應限制服務存取；若需多人或遠端使用，應額外規劃身分驗證、反向代理與存取控制，並確認實際版本設定。

相關資源

• Toonflow GitHub 原始碼
• Toonflow 繁體中文說明文件
• Toonflow 官方網站（原稿提供網址）
• Toonflow 最新版本下載
• 官方英文說明與案例記錄

本文依據 Toonflow 公開專案說明整理，並加入個人 AI 影片製作工作流的研究與應用構想。進階整合架構屬建議測試方向，並非已完成的實測成果。原稿提供的官方網站網址在本次查核時讀取逾時，予以保留供讀者參考；功能與下載依 GitHub 文件及發行頁確認。