AI 视频创作不该只是“输入一句话，等待一个结果”。真正的创作需要看见过程、保留素材、追踪参考关系，并在某一步出错时只修改那一步。
这是我正在开发的开源项目 OpenReel Studio。截至本文检查时，本地版本为 0.1.13。我重新查看了当前代码、公开文档、工作流协议和正在运行的本地实例，也实际核对了创作画布、流程编辑器、时间线与模型设置界面。
它的定位很明确：让 Agent、节点画布、可复用工作流与帧级时间线在同一个创作桌面协作。
- GitHub：yutianxiao6/openreel-studio
- 最新安装包：GitHub Releases
- 开源协议：MIT
OpenReel Studio 是什么
OpenReel Studio 是一套开源的聊天式 AI 视频创作工作台。你可以从一句自然语言需求开始，让 Agent 创建剧本、角色图、场景图、分镜、视频和音频；也可以把成熟的制作方法保存成工作流，最后在内置时间线上整理素材、剪辑并导出成片。
图：2026-07-18 从本地运行实例直接截取的空白工作台。没有预先塞入演示节点时，用户可以从对话、手动节点或流程模板三种入口开始。
它不是把所有步骤藏在一个“生成”按钮后面，而是把工作区拆成四个可以互相协作的部分：
| 工作区 | 负责什么 |
|---|---|
| Agent 对话 | 用自然语言描述目标、补充约束、要求修改或执行多步任务。 |
| 创作画布 | 展示真正交付的文本、图片、视频和音频节点，以及它们之间的依赖。 |
| 流程面板 | 搭建、保存和运行可复用的生产流程，处理输入、分支、集合与循环。 |
| 视频时间线 | 对生成素材进行排列、裁剪、分割、画面调整、声音处理和导出。 |
为什么 AI 视频需要“工作台”
单次图片或视频生成并不难。真正麻烦的是：
- 剧本改了，哪些分镜需要更新？
- 角色图、场景图和最终视频之间到底使用了哪些参考？
- 某个镜头失败时，能不能只重做这个镜头？
- 多次生成之后，如何保留旧结果并选择更好的版本？
- 一套已经跑通的方法，怎样换一个故事继续使用？
- 生成完成后，是否还要切换到另一个软件才能完成最基本的剪辑？
OpenReel Studio 的答案是“节点优先”：用户真正能看到、修改和交付的内容，都以节点留在画布上。文本节点保存剧本、分段和提示词；图片节点保存人物、场景、分镜与风格参考；视频和音频节点保存镜头、成片、配音与音乐。
节点之间的连线不是装饰。它们表达真实的生产依赖：哪个视频参考了哪张角色图，哪组分镜来自哪段脚本，哪个成片由哪些素材剪辑得到。修改上游不会偷偷覆盖下游，什么时候重新运行，由创作者自己决定。
从一句话到可编辑的成片
一条典型的制作链可以这样展开：
- 描述目标：告诉 Agent 题材、时长、画幅、风格以及已有素材。
- 拆解内容：生成创意简报、剧本、分段或镜头节奏。
- 建立视觉基准：制作人物、场景、道具或风格参考图。
- 生成镜头：根据脚本、分镜和参考图运行图片或视频节点。
- 局部检查与重做：在出问题的节点上修改提示词、模型参数或参考素材，不必推倒整个项目。
- 进入时间线：把图片、视频和音频放入轨道，完成剪辑、声音处理和导出。
图：公开演示项目“云海巡光”。左侧对话给出制作目标，右侧画布把创意简报、角色视觉、场景参考、镜头脚本、六格分镜和最终视频组织成可追踪的节点链。
这里最重要的变化是：Agent 的回复不再只是聊天记录。真正有价值的内容会进入画布，成为可以单独编辑、运行、复用和进入历史记录的产物。
核心能力一：Agent 与节点共同创作
OpenReel Agent 可以读取当前项目状态和所需 Skill，再调用受权限控制的工具创建、修改或运行节点。高层需求交给 Agent，具体产物仍然落在用户可见的画布上。
当前画布统一使用四类产物：
- 文本：剧本、分段、制作说明、提示词、评审结果；
- 图片：人物、场景、道具、分镜、首尾帧、故事模板图；
- 视频：单个镜头、视频片段、拼接结果或最终成片；
- 音频：配音、音乐、音效或从视频中分离的声音。
每个节点都可以保存提示词、模型设置、运行状态、参考关系和历史结果。新一次生成失败时，最近一次成功预览仍会保留；创作者可以阅读错误、修正最小范围后再重试。
对于参考图，系统还区分了“给 LLM 看图理解”“交给媒体模型作为视觉参考”和“直接采用现有图片作为结果”等不同角色。这样人物设定、场景图和分镜不会因为都叫“参考图”而被混成一类。
核心能力二：Workflow V2，把方法沉淀下来
一次性的创作可以直接使用节点；需要反复执行的生产方法，则可以进入流程面板。
图：Workflow V2 编辑器。流程输入、分集规划、脚本等步骤通过明确依赖连接；文本、图片、视频和音频产物可以按需要写回创作画布。
Workflow V2 当前支持：
- 动态输入与必填项；
needs执行依赖；- 媒体
uses与视觉参考选择； - 集合展开和固定次数循环；
- 条件分支；
- 有上限的质量反馈循环；
- 自动生成与等待人工确认后再生成两种执行方式；
- 内置模板、用户模板、导入、另存副本和画布投影。
例如，一条视频工作流可以先生成分镜，再由审核步骤给出评分、问题和修改建议。未达到标准时，下一轮读取完整审核反馈，重写提示词后再生成；达到标准便停止循环并把通过的产物交给下游。循环有明确次数上限，避免不受控制地持续调用模型。
流程画布负责描述“制作方法”，创作画布负责显示“本次真正产生了什么”。集合整理、循环控制和提示词准备可以留在运行态中，不必把大量内部步骤堆到创作画布上。
核心能力三：不离开项目的帧级剪辑
生成不是交付的终点。OpenReel Studio 内置视频时间线，可以直接从视频节点进入剪辑。
图：公开视频剪辑演示。左侧是媒体池，中间是画面监看，底部显示真实视频帧和音频波形，右侧可以调整当前片段的画面与声音属性。
当前时间线提供的能力包括：
- 图片、视频和音频拖入轨道；
- 片段吸附、移动、裁剪与分割；
- 视频帧缩略图与音频波形；
- 多视频轨、多音频轨排列；
- 位置、缩放、旋转、不透明度和矩形裁剪；
- 片段音量、轨道音量、静音、淡入与淡出；
- 序列渲染和导出进度；
- 导出结果作为新的成片视频节点返回原画布。
最后一点很关键：剪辑结果不是孤立文件。它会重新进入节点系统，继续参与版本管理、引用和后续创作。
核心能力四：把模型选择权留给用户
OpenReel Studio 不把产品锁死在某一个模型上。LLM、图片、视频和音频服务分别配置，节点在运行时选择具体模型、比例、分辨率、画质或帧率。
图：使用公开占位数据的 LLM 配置界面。强模型、平衡模型和小模型可以承担主创作、图片理解、工作流规划、审查与轻量辅助等不同任务。
LLM 可以按角色设置强模型、平衡模型和小模型；媒体 Provider 则单独配置服务地址、模型 ID、协议与密钥。
图：使用虚构域名和掩码密钥的公开视频 Provider 配置。不同服务商的 HTTP 请求结构由声明式协议目录承接。
这套设计适合同时使用多个服务商，也方便接入兼容接口或自有服务。工作流模板保存的是生产方法，不保存 API Key，也不会把具体部署密钥写进可分享的 Spec。
需要说明的是，OpenReel Studio 不内置模型额度。实际调用 LLM 或生成图片、视频、音频时，需要配置自己的服务商账号和 API Key。
它与“一键生成工具”关注的不是同一件事
| 维度 | 常见单次生成界面 | OpenReel Studio 的关注点 |
|---|---|---|
| 输入 | 一段提示词 | 需求、脚本、素材、参考图与结构化输入 |
| 过程 | 后台黑盒任务 | 用户可见的文本、图片、视频、音频节点 |
| 依赖 | 通常不展示 | 通过节点引用和连线追踪 |
| 修改 | 重新生成整个结果 | 修改并重跑最小必要节点 |
| 复用 | 复制提示词 | 保存为带输入、依赖、循环和条件的工作流 |
| 后期 | 另开剪辑软件 | 内置时间线并把成片送回画布 |
| 模型 | 平台预设 | LLM 与媒体 Provider 分别配置 |
| 数据 | 主要保存在平台 | 支持本地、桌面或自有服务器运行 |
OpenReel Studio 并不是要把所有专业软件功能一次性塞进一个界面。它目前最鲜明的价值，是把 AI 视频生产中最容易断裂的几段——需求、产物、参考关系、流程复用和基础剪辑——接在一起。
适合哪些人
- 个人创作者：需要管理角色、场景、分镜和多个镜头，不想靠文件名记忆关系。
- 短视频与短剧团队：希望把稳定的制作方法保存成模板，让不同项目沿用同一流程。
- 品牌内容团队：需要反复更换文案、产品或画幅，同时保持视觉标准和步骤一致。
- 模型与工作流研究者：希望观察 Agent 调用、节点状态、工具结果、Token 使用和失败位置。
- 需要私有部署的团队：希望在本地或自有服务器管理配置、资产、数据库和工作流。
如果你的需求只是偶尔生成一张图片，直接使用模型官网可能更简单；如果你要持续制作多镜头视频、保留生产上下文并反复迭代，工作台式组织才会逐渐体现价值。
技术结构与数据边界
OpenReel Studio 采用前后端分离架构：
- Web：Next.js、React、TypeScript、React Flow；
- API：FastAPI、SQLite、LiteLLM 和 MCP 风格工具注册；
- 通信：REST + SSE，实时推送聊天、节点、画布和媒体状态；
- 桌面端：Electron；
- 数据：SQLite 保存项目与运行状态，本地目录保存上传、生成和导出资产；
- 部署：源码运行、Docker，以及 Windows、Linux、macOS 桌面安装包。
删除画布、全量重置等破坏性操作需要结构化确认；API Key 不应进入日志、截图或公开仓库。项目仍在持续开发，工作流协议、模型适配、桌面打包和剪辑体验会继续迭代，正式生产前应在自己的模型服务和素材格式上完成验证。
快速开始
想直接安装桌面版，可以从 GitHub Releases 下载 Windows、Linux 或 macOS 安装包，也可以运行：
npx openreel-studio-installer从源码启动：
git clone https://github.com/yutianxiao6/openreel-studio.git
cd openreel-studio
bash install.sh然后分别启动 API 与 Web：
pnpm api:dev
pnpm dev第一次打开后，在右上角设置中至少配置一个 LLM；需要生成哪类媒体，再配置对应的图片、视频或音频 Provider。建议先用最小文本节点验证 Agent，再用最短提示词验证媒体模型。
最后
OpenReel Studio 想解决的并不是“怎样再多生成一条视频”，而是一个更长期的问题：当 AI 真正进入视频生产，怎样让每个产物都看得见、每个依赖都找得到、每次修改都只影响该影响的部分，并把跑通的方法留下来。
如果你也在做 AI 视频、Agent 工作流或节点式创作工具，欢迎查看代码、试用安装包或提交反馈：
评论
登录后即可评论