DramaClaw: dây chuyền sản xuất video từ tiểu thuyết trên một máy

TL;DR

DramaClaw là một pipeline source-available theo giấy phép Elastic License 2.0, được thiết kế để biến một bản thảo tiểu thuyết thành video hoàn chỉnh mà không cần ghép một chồng công cụ rời rạc lại với nhau. Ở bản CE, mọi thứ chạy trên một máy: FastAPI làm backend, SQLite và file local giữ trạng thái, task chạy inline, còn model được gọi qua một OpenAI-compatible gateway. Nói ngắn gọn, đây không phải một UI minh hoạ cho vui - đây là dây chuyền sản xuất nội dung có thể tự host được.

Bài toán mà repo này nhắm tới

README của dự án nói rất rõ: mục tiêu không chỉ là tạo ra thêm một công cụ sinh nội dung, mà là bỏ lớp ma sát giữa bản thảo và thành phẩm. Khi làm short drama hoặc video kể chuyện, vấn đề thật không nằm ở một model nào đó mạnh hay yếu hơn một chút. Vấn đề là workflow bị vỡ vụn: một công cụ xử lý văn bản, một công cụ khác lo asset, một tool khác dựng storyboard, rồi thêm một service nữa để ghép âm thanh và export.

DramaClaw chọn cách khác. Repo này gói toàn bộ chuỗi đó vào một hệ thống nhất quán: nhập manuscript, parse thành story graph, chia episode, sinh script, tạo character và prop asset, dựng sketch và first frame, thêm voice-over, rồi compose thành MP4 cùng subtitle và asset pack. Nếu bạn nhìn nó như một pipeline sản xuất thay vì một app đơn lẻ, quyết định kiến trúc của repo sẽ trở nên hợp lý hơn rất nhiều.

Điểm đáng chú ý là dự án cố tình giữ cho người dùng kiểm soát được dữ liệu, model và hạ tầng. Manuscript của bạn, nhân vật của bạn, server của bạn. Đó là khác biệt lớn giữa một hệ thống creative có thể tự host và một dịch vụ cloud đóng.

Dòng chảy xử lý từ bản thảo đến video

Đây là phần cốt lõi nhất của repo. Theo feature overview và architecture docs, pipeline được chia thành các chặng rõ ràng để bạn có thể chạy tuần tự, bỏ qua bước không cần thiết, hoặc resume từ checkpoint khi task dài bị ngắt giữa chừng.

1. Import và story graph - Manuscript được parse bởi Cognee để tạo ra tập đối tượng có thể truy vấn: nhân vật, quan hệ, mốc thời gian, bối cảnh.
2. Script và episode - Từ story graph, hệ thống sinh script có cấu trúc, rồi chia thành episode và scene theo nhịp kể.
3. Characters và props - Repo tạo được nhân vật, bộ ba góc cho prop, và cơ chế giữ identity nhất quán xuyên shot, xuyên episode.
4. Scenes, sketches và first frames - Mỗi shot có thể được dựng sketch và first frame trước khi đi tiếp vào production.
5. Voice-over và compose - Audio được tạo theo từng beat, sau đó ghép thành video cuối cùng với subtitle và gói tài nguyên đi kèm.

Một hình dung đơn giản là mọi chặng của quá trình làm phim ngắn đều được biến thành một bước có interface riêng. Cái lợi là bạn không còn phải viết một pipeline ad hoc cho từng dự án mới. Cái khó là bạn phải chấp nhận kỷ luật workflow, vì mọi bước đều có dữ liệu đầu vào, đầu ra và trạng thái rõ ràng.

Hạ tầng: nhẹ ở local, mở ở model layer

Architecture docs cho thấy CE được thiết kế theo kiểu single-machine. Không PostgreSQL, không Redis, không Celery, không Ray. Task chạy inline, trạng thái nằm trên filesystem local và SQLite. Điều đó làm cho việc cài đặt đơn giản hơn nhiều so với một stack production truyền thống, đặc biệt nếu mục tiêu của bạn là tự host trên laptop hoặc một VPS nhỏ.

Nhưng nhẹ ở local không có nghĩa là đóng ở model layer. DramaClaw kết nối text, image, video và audio thông qua một gateway tương thích OpenAI. Có ba cách điển hình:

Ở góc độ vận hành, đây là một lựa chọn rất thực dụng. Bạn không phải tự mình dựng một cụm dịch vụ chỉ để bắt đầu. Bạn cũng không bị kẹt nếu muốn đổi nhà cung cấp model sau này. Repo giữ được tính model-neutral, còn quyền kiểm soát hạ tầng vẫn nằm với bạn.

Quickstart của dự án cũng đi theo tinh thần đó: `docker compose up -d --build`, mở UI ở `:8080`, API ở `:8780`, rồi nhập key để chạy. Bản self-hosted có thêm `:3000` cho gateway nội bộ. Với một repo nhắm vào creator workflow, đây là mức ma sát phù hợp để người dùng thật sự đi từ đọc README đến chạy được lần đầu.

Freezone, Director World và Xia Director

Phần làm cho DramaClaw khác một workflow automation thông thường là những công cụ creative đi kèm. Freezone là một infinite canvas theo kiểu node-based, nơi bạn có thể kéo asset của project vào để sinh ảnh, video hoặc audio, rồi chọn những phương án tốt nhất để đẩy ngược lại main pipeline. Ý tưởng này khá hay: không ép người dùng phải chọn giữa exploration và production. Hai luồng đó chạy song song.

Director World, hay 3GS/world feature, giải quyết bài toán consistency không gian. Khi làm nhiều shot cùng một location, điều người xem nhận ra đầu tiên là sai lệch về blocking, camera placement hoặc spatial structure. Repo này cố đóng khung các yếu tố đó trong một virtual set có thể framable, để cảnh quay giữ được cảm giác liên tục.

Xia Director đóng vai trò như một trợ lý hội thoại trong pipeline. Nó không chỉ trả lời câu hỏi, mà còn theo dõi tiến độ project, đẩy task script hoặc shot đi tiếp, kiểm tra deliverable còn thiếu gì và gợi ý bước kế tiếp. Đây là chi tiết rất đáng chú ý vì nó biến một pipeline thủ công thành một hệ thống có thể được dẫn dắt bằng hội thoại, nhưng vẫn giữ được tính kỷ luật của workflow.

Visual Style cũng là một mảnh ghép quan trọng. Thay vì để từng shot tự phát triển một look khác nhau, dự án cho phép dùng template style và auto-extract parameter từ ảnh tham chiếu. Với các series dài, đây là cách giảm drift trực quan rất hiệu quả.

Ai nên dùng, và ai nên cân nhắc lại

DramaClaw không phải công cụ dành cho tất cả mọi người. Nó hợp nhất với ba nhóm chính: creators muốn tự chủ pipeline, indie studio muốn chuẩn hoá production, và creative engineers muốn xây một hệ thống có thể lặp lại thay vì làm từng project một cách thủ công. Nếu bạn chỉ cần tạo một video lẻ tẻ thỉnh thoảng mới làm, hệ thống này có thể là quá nặng.

Ngược lại, nếu bạn đang làm nội dung theo series, cần giữ nhất quán nhân vật qua nhiều episode, hoặc cần một quy trình có thể resume khi task dài bị ngắt, DramaClaw đáng để xem rất kỹ. Cái giá để đổi lấy sự nhất quán và khả năng tự host là bạn phải chấp nhận một workflow có cấu trúc hơn. Không có chuyện bấm một nút rồi để mọi thứ tự bay lên mà không cần định nghĩa gì.

Cũng cần nói thẳng một điểm: CE là source-available, không phải open source theo nghĩa OSI. Điều đó không làm nó kém hữu ích, nhưng nó ảnh hưởng trực tiếp đến cách bạn dùng, fork, hoặc triển khai thương mại. Repo đã tách khá rõ ranh giới giữa CE và EE thông qua ports & adapters, nên nếu bạn quan tâm đến kiến trúc một codebase - hai distribution, đây là một case study đáng học.

Kết

DramaClaw thú vị không phải vì nó “dùng AI để làm video”, mà vì nó định nghĩa lại một production line đầy đủ cho creator: có nhập liệu, có knowledge graph, có script, có asset, có camera logic, có voice, có export, có task center, có canvas để khám phá, và có model gateway để không phụ thuộc một vendor duy nhất. Nói cách khác, repo này không chỉ cho bạn một tính năng mới - nó cho bạn một cách tổ chức công việc mới.

Nếu bạn đang tìm một nền tảng có thể tự host để làm short drama, video kể chuyện, quảng cáo ngắn hoặc các format tương tự, DramaClaw là một repo đáng đọc từ đầu đến cuối. Còn nếu bạn đang tìm một ví dụ tốt về cách thiết kế một sản phẩm creative theo kiểu pipeline-first, repo này cũng đáng xem vì cách nó chia ranh giới giữa CE, EE, local state và gateway model rất rõ.

via GitHub: dramaclaw/dramaclaw · via Architecture · via Feature Overview · via Quickstart