printfilm用 Python 搭一条 AI 短视频与漫剧的生产流水线如果你正在做 AI 视频方向的工程应该清楚这类系统最费劲的部分往往不是调用模型本身而是怎么把「文案 → 分镜 → 生图 → 生视频 → 合成」串成一条能稳定跑通、能容忍失败重试的流水线。printfilm 这个开源项目恰好把这条链路完整搭了出来而且技术选型非常主流后端 Python 3.12 FastAPI前端 React 19 TypeScript数据库 PostgreSQL Redis。本文从工程实现角度拆解它重点讲流水线设计、任务编排、模型接入和部署边界帮助判断它是否适合作为自建 AI 视频工具的起点。一、它到底解决什么问题典型的 AI 视频工作流人工介入点非常多写文案、切分镜、逐张生成图片、逐段生成视频、配音、拼片。printfilm 把这一串变成「模板驱动」的自动流程创作者选定主题或剧本系统自动产出分镜脚本、配图、视频片段再用 FFmpeg 合成最终成片。两条产品线——AI 短视频与 AI 漫剧——共用同一套生成能力只是业务外壳不同。这种「一套内核、两个前端产品」的设计对想复用的团队是加分项。二、核心架构与技术栈项目分成四个目录职责清晰backendPython 3.12 FastAPI SQLAlchemy承担业务逻辑与模型编排frontendReact 19 TypeScript Vite用户端界面adminReact 管理后台含模板、用户、订单、任务队列等运营能力deployDocker 与部署配置后端依赖值得留意fastapi、sqlalchemy、asyncpg异步 PostgreSQL、redis、celery、httpx、oss2、edge-tts。默认配置里USE_CELERYfalse任务在进程内跑用不上 Celery 也能工作需要横向扩展时再打开。模型层接入 TokenFree New API文字、生图、生视频、TTS 共用一把 Key通过环境变量OPENAI_API_KEY与OPENAI_BASE_URL配置。默认模型包括 kimi-k2.6文字、seedream-5-0-pro生图、seedance-2-5生视频、qwen-tts配音。三、流水线是怎么设计的项目把「生成」抽象成模板驱动的流程几个关键点值得参考主题到剧本输入主题后模型生成结构化的剧本包括序幕、发展、转折、高潮、结局。分镜拆分剧本被拆成分镜Beat / Fragment每个分镜有画面描述、旁白台词、时长。并行生成图片与视频生成有并发上限PIPELINE_IMAGE_CONCURRENCY、PIPELINE_VIDEO_CONCURRENCY在模型 API 限流内尽量并行。成片合成所有分镜片段通过 FFmpeg 拼合字幕用中文字体渲染。进程内任务平台的设计思路是把每个生成阶段当作一个可重试的任务单元失败单独重跑不阻塞整条流水线。这个抽象对没有专职运维的团队尤其友好——不需要额外起 worker单进程即可串起来。四、前端与后台前端基于 React 19 Vite用xyflow/react做流程图、jszip处理分镜打包整体是标准现代前端栈。管理后台负责用户、订单、任务队列、模型切换、模板管理等运营功能前后端分离nginx 反代/api与/static。分镜工作台能直观看到文案大纲、分镜列表、每个分镜的台词与生成状态是理解整套产品形态最快的入口五、部署与边界官方提供两条启动路径Docker 全栈docker compose --env-file deploy/.env.docker up -d一条命令拉起 PostgreSQL、Redis、API、前端、后台。源码模式按 deploy 说明启动 PostgreSQL / Redis后端uvicorn app.main:app前端npm run build后用 nginx 托管。需要留意的边界模型全走第三方 TokenFree 网关API Key 需要自己申请离线不可用。计费模块默认关闭BILLING_ENABLEDfalse内置易支付网关的商户号需自行申请接入前评估支付合规。默认密钥均为占位符部署前必须更换SECRET_KEY与数据库密码。六、小结printfilm 的工程价值在于把一条复杂的多模型生成链路做成可扩展、可观测的生产系统而不只是模型调用的演示 Demo。它的任务编排、前后端分离、模板驱动设计值得做 AI 视频或 AIGC 应用的人读一遍源码。想在自己环境跑通的话git clone https://github.com/yi1108/printfilm后按 deploy 说明操作即可。后续我会再拆「分镜拆分」与「成片合成」这两个子模块的实现细节。本文来源https://github.com/yi1108/printfilm