8 天落地、20 元跑通：我用 Claude Code + GLM-4.7 做出开源 AI 漫剧 App「漫导」

核心问题：一位零移动端经验的后端工程师，怎样在 8 天（含元旦 3 天假）里把「一句话生成剧本→角色三视图→分镜图片→分镜视频→合成漫剧」全流程装进一部安卓手机，并只花 20 元 token 成本就上线可玩？

1. 背景：为什么非得自己造一个「手机端漫剧工厂」？

本段欲回答的核心问题：
市面上已有不少 AI 漫剧方案，为何作者仍要重写一个移动端 App？

• 作者去年连发两篇 AI 漫剧技术文章，收到大量读者私信：能不能在手机上随时创作？
• 现有平台几乎全为 Web 端，需要电脑、翻墙、配环境，门槛高。
• 武汉本地 AI 圈线下沙龙，30 多位创作者现场吐槽：手机端空白，「谁做出来谁就是第一」。
• 作者本人「不留遗憾」信条发作，和老婆立 8 天军令状：若做不出来就当自己疯了。

**一句话总结：**需求真实、竞品空缺、假期空档，三力合一，开干。

2. 目标与约束：8 天 MVP 必须长成什么样？

本段欲回答的核心问题：
在时间、金钱、技术三重硬封顶下，MVP 的验收标准是什么？

验收清单（checklist 形式）：

• [x] 一句话输入自动生成 8 格剧本
• [x] 角色三视图固定主角脸
• [x] 7 个场景、2 个主角可配置
• [x] 每场景输出 1 张分镜图 + 1 条 4 秒视频
• [x] 最终合成 1 条 32 秒竖版漫剧
• [x] 安卓端离线可安装包 < 60 MB

3. 技术选型：为什么最终锁死「Flutter + GLM-4.7 + ReAct」？

本段欲回答的核心问题：
在满屏技术栈里，如何 10 分钟敲定组合并敢押注 All in？

1. 开发工具
   Claude Code（CLI Agent）对 Flutter 代码生成准确率最高，作者亲测 5 分钟可出 100 行无报错界面。

2. 前端框架
   Flutter：单代码基输出安卓 APK，UI 默认美观，Hot Reload 适合 8 天冲刺。

3. 大模型大脑
   GLM-4.7：

   • 中文剧本生成 SOTA 级，JSON 格式化稳定。
   • 官方活动送 1 亿 token，成本可压到 20 元内。

4. 多模态接口

   • 图像：Gemini 绘图 API（已备接口文档）
   • 视频：Veo 2.0 接口（已备文档）

5. 架构模式
   ReAct（Reason+Act）循环：
   用户输入 → GLM 规划 → App 执行工具 → 结果回灌 → GLM 再规划 → … → 输出成片

作者反思：

当时也想过 React Native，但 Claude 对 RN 生成代码常带第三方库冲突，排错耗不起；Flutter 的 widget 树结构更像「写提示词」，AI 出错率最低，于是 10 分钟拍板，后面没再犹豫。

4. 系统架构：一张图看清「漫导」数据流

本段欲回答的核心问题：
一句话生成视频的魔幻背后，数据到底怎样流动？

graph TD
    A[用户输入] -->|文本| B[GLM-4.7 规划层]
    B -->|JSON 指令| C[App 执行层]
    C --> D{工具路由}
    D -->|1. 剧本| E[本地缓存]
    D -->|2. 角色图| F[调用 Gemini 绘图]
    D -->|3. 分镜图| G[调用 Gemini 绘图]
    D -->|4. 分镜视频| H[调用 Veo 视频]
    F & G & H -->|URL 结果| I[回灌 GLM]
    I --> B
    B -->|全部完成| J[FFmpeg 合成]
    J --> K[32s 漫剧 MP4]

角色一致性实现秘诀：

• 三视图固定 1 组 seed + 通用负面提示词
• 后续所有分镜图强制引用该 seed & 角色 LoRA 权重 0.8
• 视频生成时首帧贴角色三视图作为 Reference Frame

5. 8 天冲刺日记：从 0 行代码到 APK 上架

本段欲回答的核心问题：
时间线怎样排布，才能确保第 8 天一定交卷？

作者反思：

最崩溃的是 D5 凌晨 2 点，Veo 返回「Invalid Aspect Ratio」连错 7 次，最后发现官方文档把竖版 9:16 写成 16:9，一字之差。那瞬间深刻体会「读文档要读到像素级」。

6. 实战演示：32 秒「草莓蛋糕」漫剧是怎样诞生的？

本段欲回答的核心问题：
读者能否复刻一条成片？每一步的输入、输出、耗时、踩坑点全公开。

Step 0 触发

用户输入：
「生成一个小姐姐做草莓蛋糕的视频，要可爱的风格」

Step 1 剧本（GLM-4.7 生成）

{
  "title": "草莓甜心",
  "scenes": 8,
  "hook": "当她把第一颗草莓放上蛋糕，心跳声比烤箱计时器还响",
  "characters": [
    { "name": "小莓", "age": 22, "features": "粉色短发、围裙上有一颗草莓徽章" }
  ]
}

耗时：3.2 s | token：1.1 k

Step 2 角色三视图

提示词（节选）：
「pink hair short bob, strawberry badge on apron, three-view sheet, seed=128475, negative: blurry, extra limb」
输出：1024×1024 png，一致性评分 0.87（内部脚本计算）

图片来源：作者生成

Step 3 分镜图×7

示例第 3 镜：
「特写，小莓把草莓轻放奶油山，阳光透窗打侧脸，seed=128475」
出图 6 s，尺寸 1024×1792，竖版直接可用。

Step 4 分镜视频×7

调用 Veo：

{ "image_url": "<step3 图片>", "duration": 4, "motion": "subtle head tilt and cream swirl" }

平均等待 28 s，返回 MP4 4s@30fps。

Step 5 合成

FFmpeg 命令（无重编码，秒级）：

ffmpeg -f concat -i list.txt -c copy final.mp4

最终成片：32.4 MB，720×1280，30 fps，总时长 32 秒。

播放效果：

图片来源：作者生成

7. 人物一致性方案详解：seed、LoRA、Reference Frame 三板斧

本段欲回答的核心问题：
开源社区最常问的「角色脸崩」到底如何压到 10% 以内？

1. 固定种子

   • 三视图、分镜图、视频首帧全部复用同一 seed。
   • 负面提示词全局统一，减少随机抖动。

2. 轻量 LoRA

   • 用三视图训练 20 步 rank=16 的 character LoRA，文件仅 3.7 MB。
   • 分镜图生成时 --lora_weight 0.8，既保留风格又不至于过拟合。

3. Reference Frame

   • 视频接口支持首帧垫图，把三视图 resize 到 512×512 作为参考。
   • 运动幅度限制 subtle|slow，减少面部形变。

实测：

• 同一角色 20 次随机出图，面部 IoU ≥ 0.85 占比 18/20。
• 视频侧 10 条抽样，人工打分 ≥ 4/5 占比 9/10。

8. 成本拆解：20 元人民币究竟花在哪？

本段欲回答的核心问题：
「低成本」是噱头还是真实可复现？

备注：

• 活动期 GLM 充值 20 元送 1 亿 token，实际未超量。
• 若按原价 0.06 元/1k token，总成本约 78 元，仍在百元内。

9. 开源地址与目录结构：5 分钟搞定本地运行

本段欲回答的核心问题：
读者如何把项目跑起来？需要改几行代码？

仓库树（核心部分）：

man-dao/
├─ android/                 # Flutter 安卓壳
├─ director_ai/
│  ├─ docs/
│  │  ├─ 图像生成API接口文档.md
│  │  └─ 视频处理全集.md
│  ├─ lib/
│  │  ├─ main.dart
│  │  ├─ react_loop.dart  # ReAct 核心循环
│  │  └─ lora_manager.dart
│  └─ scripts/
│     ├─ seed_lock.py
│     └─ merge_video.sh
├─ pubspec.yaml
└─ README.md

快速启动：

1. 克隆 https://github.com/yourname/man-dao
2. 填 key：

   const String glmKey = 'YOUR_GLM_KEY';
   const String geminiKey = 'YOUR_GEMINI_KEY';
   

3. 运行：

   flutter pub get
   flutter run --release
   

作者提示：

首次编译 5 分钟，后续 Hot Reload 30 秒，建议用真机调试，模拟器会缺摄像头权限。

10. 学到的 3 条教训与下一步计划

本段欲回答的核心问题：
如果重来一次，哪些坑可以避开？未来怎样持续演进？

教训

1. 文档像素级：宽高写反、seed 字段大小写都能卡半天。
2. 免费额度≠稳定：Veo 公测突然限 10 次/天，差点误了 deadline，应提前做 fallback 方案。
3. 提示词版本管理：GLM 输出格式迭代 5 版，没上 git diff，回滚靠手动复制。

下一步

• 支持中文语音：接入 CosyVoice 克隆，嘴型同步。
• 云端分享：一键生成小程序码，好友扫码即看。
• 社区模板：让用户上传自己的 character LoRA，形成市场。

实用摘要 / 操作清单

1. 装环境：Flutter 3.16 + Android Studio Hedgehog + Claude Code CLI
2. 拉代码：git clone → 填 key → flutter run
3. 写提示：ReAct 模板 200 行，直接投喂 Claude，10 分钟出壳
4. 锁种子：角色三视图 seed 记死，后续全部复用
5. 控预算：GLM 活动期 20 元买 1 亿 token，足够 100 条短片
6. 合成视频：FFmpeg concat 无重编码，秒级输出

One-page Summary

• 8 天 MVP，Flutter+GLM-4.7+ReAct，全部开源。
• 端到端：一句话 → 剧本 → 角色 → 分镜图 → 分镜视频 → 32 s 漫剧。
• 人物一致性：固定 seed + LoRA 0.8 + Reference Frame。
• 成本：20 元 token，图像视频接口白嫖。
• 已上线，GitHub 搜「man-dao」即可体验。

FAQ

1. Q：不会 Flutter，能改 React Native 吗？
   A：仓库里留了 RN 分支雏形，因 AI 生成稳定性差未继续，欢迎 PR。

2. Q：GLM-4.7 免费额度用完了怎么办？
   A：官方日常价 0.06 元/1k token，一条 32 秒漫剧约 0.8 元，仍可接受。

3. Q：视频接口 Veo 限流如何 fallback？
   A：代码已预留 Runway、Pika 备用通道，改一行 base_url 即可切换。

4. Q：能否支持横版 16:9？
   A：把 aspect_ratio 参数从 9:16 改 16:9，同步调整 FFmpeg concat 列表，UI 自适应已完成。

5. Q：商用会侵权吗？
   A：生成内容版权归用户，注意训练 LoRA 时不要使用非授权真人脸。

6. Q：iOS 能上 App Store 吗？
   A：Flutter 代码完全跨平台，需自备 99 美元开发者账号，另加视频审核说明。

7. Q：为什么声音是英文？
   A：MVP 未做语言约束，下个版本接入中文 TTS 即可。

8. Q：8 天冲刺健康吗？
   A：平均每天 5 小时，作息未通宵；若时间翻倍可更优雅，请按自身节奏调整。