SwotAtmk / infinite-creation

# Agent无限创作 · 把你的故事变成亿帧画面
**免费开源本地 Agent 全自动视频生成 ✨，小说/剧本一键生成长视频。** 
 🇬🇧 English users please read README in English 
## 项目简介
- 免费开源本地Agent全自动视频生成的开源项目✨，不用演员、配音、导演和剪辑师就能本地一键生成超长视频。可以做小说生成视频、漫剧广告、故事类讲解视频，让你所想到的故事变成亿帧画面。
- 小说一键生成视频，不限时长，输入小说/剧本通过本地ComfyUI-MiniMaxH3+Agent+Skill技能一键全自动无限生产视频
## 生成样例
- 《妈妈的时间》
更多样例
## 项目计划
- [持续进行] 解决项目中存在的BUG
- [计划中] 适配低显存的家用级显卡，博主的测试设备有限，需要更多的用户帮忙测试并反馈到仓库中的Issues多多反馈🙏🏻
- [计划中] 解决并优化内部Agent存在的工具调用安全及上下文压缩等……问题
- [计划中] 插件系统开发，支持插件上传、插件调用、插件框架……
- [计划中] 自动流水线支持提示词自定义编排插件
- [计划中] 收录更多高阶Skill技能，提升Agent技能视觉美感
- [计划中] 工具Web页面美化工作，需要一个非常有美感的AI设计师
- [计划中] 打包构建Docker部署、桌面端App
- [计划中] 工作流接入视频超分，让生成的视频更加清晰
- [计划中] 接入Seedance、kling、wan、MiniMax-H3在线版Api接口一键生成视频
- [✅] 支持上传txt文本文件，自动解析创建多章节并共享参考素材
- [✅] 新增「场景站位一致性」Skill：为每个场景建立人物/道具站位表（空间锚点+角色方位+180度轴线），消除跨镜左右漂移与越轴等分镜一致性问题
- [✅] 接入外部 Agent 运行时：支持本机 CLI Agent（Claude Code、Codex CLI、Gemini CLI、Qwen Code、Cursor Agent、Qoder CLI、Grok Build、Hermes、自定义命令）通过本地 MCP 工具桥接管「小说→视频」流水线，同时保留内置 openclaude 作为默认运行时
- [✅] 支持自动生成视频字幕：项目级开关，把分镜台词/旁白按时间轴烧录进成片（自动隐藏角色名），同时保留不带字幕版本与 SRT 字幕文件供下载
- [✅] 支持背景音乐管理，接入 MiniMax Music3 本地/云端自动生成背景音乐并合成到视频中，含「背景音乐库」（手动生成/预览/选择/应用到章节）
- [✅] 添加Agent安全审批策略，防止Agent越权操作，删除项目或执行危险命令
- [✅] 接入在线RunningHub-ComfyUI工作流生成，会员MiniMax-H3夜间免费运行
- [✅] 把项目装进Skill技能，支持Agent一键调用
- [✅] 把文生图、图生图工作流进行整合使用最新Qwen-Image2.1的文生图+图生图工作流
- [✅] 接入Qwen-Image-2.1文生图+图生图工作流
- [✅] 支持提交参考素材，及Agent整理参考素材
- [✅] 优化本地MiniMax H3人物语音电流声或者语音不清晰的问题
- [✅] 上传小说/剧本生成视频本地全链路Agent全自动工作流生成方案
- [✅] 优化图片素材生成的质量
- [✅] 优化人物参考音频的声音设计
- [✅] 支持人物服装管理，每个人物可以支持设计多套服装
## 项目宗旨
提供Agent生成超长视频全链路整合方案
## 项目架构
基于**本地 ComfyUI**（MiniMax H3 优化版 + Qwen-Image 2.1 文生图/图生图 + Krea2 文生图 + Qwen3-TTS + MiniMax Music3 背景音乐）的**全自动「小说/剧本 → 视频」Agent 工作流**。项目目前整理了35个Skill技能，其中包含MiniMax-H3提示词优化，分镜剧本生成，小说转剧本、场景站位一致性等。
只要把一部小说/剧本粘贴进项目，点一下「开始」，Agent 会全自动完成：
> 剧本/大纲 → 人物圣经 + 风格指南（一致性锚点）→ 人物/场景/道具/语音资产生成 → 分镜脚本 → 逐镜视频（MiniMax H3 Ref2VA）→ 背景音乐（MiniMax Music3）→ 自审重试 → ffmpeg 合并成片。
**全程无需人工介入**，可以长时托管无需人工干预运行（跑一晚/一整天均可）；完成后可逐段**审查分镜**并对不满意的片段**单独重生成**。
## 我的电脑运行配置
 [code] 
**具体本地的显卡配置需要多大的显存，我这边暂时还没有做详细测试，如果有相关测试的结果，欢迎加入群聊分享，理论上来说8GB以上显存都是可以运行的**
**注意**：须先安装ffmpeg，否则可能会影响最后的合并成片的功能，下载地址：https://ffmpeg.org/download.html
## 核心能力
- **无限视频时长**：支持生成任意时长的视频，无需手动调整分镜脚本或视频参数，上传小说/剧本自动生成长视频。
- **自动分镜**：根据人物动作、场景变化、道具移动等自动分镜，无需人工干预。
- **项目隔离**：每个项目的素材文件 + Agent 上下文（人物圣经/风格指南/连续性记录）完全隔离，资源按分类整理（人物/场景/道具/语音/音乐/音效/其他）。
- **人物一致性**：每人物一张 canonical 参考图跨分镜复用 + 统一外观描述 + H3 参考标签规则。
- **技能系统**：默认预装 MiniMax-H3 视频Skill技能 + 本项目 novel-to-video 主技能；支持把 SKILL.md 丢进 skills/ 目录扩展。
- **自迭代（技能工厂）**：上传一个新的 ComfyUI 工作流 JSON，自动解析节点 → 生成工作流规格 + 起草对应技能，Agent 立即可调用。
- **断点续跑**：任务持久化 + 幂等跳过，进程崩溃/重启后可继续，不重复生成。
- **审查/重生成**：分镜级预览与重生成（换种子 / 按反馈改写提示词）。
- **背景音乐**：视频阶段自动生成纯音乐背景音乐并合成到成片；另有「背景音乐库」支持手动生成（可填 caption/歌词/时长）、预览、选择，并一次性应用到多个已完成的章节。
- **自动字幕**：项目设置可开关「自动添加字幕」，合并成片时把分镜台词/旁白按时间轴烧录进画面（自动去掉角色名），同时保留不带字幕版本与 SRT 字幕文件；「成片」页可分别下载带字幕、不带字幕视频与 SRT，并支持单个/批量删除。
- **分阶段运行**：生成拆成 文本创作 / 资产生图 / 音色设计 / 分镜视频 四个独立阶段，可任意勾选单独跑或续跑 —— 按显存约束自动拆批，不需要的阶段不拉起对应进程。
- **显存维护**：设置页可配「每 N 个生成后自动释放 ComfyUI 显存」（默认 3，0 = 关