AI Visual Director
jijiutong/ai-visual-director
Transforma histórias em execução visual com personagens e cenas consistentes
Ver no GitHubSistema de produção visual que transforma histórias em storyboards cinematográficos, design de personagens, conceitos de cenas e prompts de vídeo otimizados. Oferece 53 estilos visuais, 140+ técnicas de câmera e suporte a 5 plataformas de geração de vídeo (Runway, Pika, Luma, etc). Funciona como um linha de produção visual com controle de qualidade automático, garantindo consistência de personagens e cenas entre múltiplos planos.
Instalação
npx convez-ai jijiutong/ai-visual-director1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Produção de conteúdo de vídeo AI em larga escala com consistência visual
- Design de storyboards e composição de planos para projetos audiovisuais
- Geração de prompts otimizados para diferentes plataformas de vídeo AI
- Documentação de direção de arte e design de personagens para produções
Veredito

Ferramenta robusta e bem arquitetada para produção de conteúdo visual com IA, indo além de geração simples ao implementar governança de ativos, controle de qualidade automatizado e fluxos de direção estruturados. Excelente para equipes que precisam manter consistência visual em produções audiovisuais complexas, com curva de aprendizado significativa justificada pela profundidade de capacidades.
README
A tradução para o português deste README ainda está na fila.
AI Visual Director
一个故事进来,角色卡、场景图、故事板、视频 Prompt 和执行包出去。 它不是灵感玩具,而是一条带命令闸门、格式合同、状态锁定、资产分层和多维 QC 的视觉生产线。
Story
→ Intake
→ Director Decisions
→ Character & Scene Anchors
→ Storyboard
→ Platform Prompts
→ Quality Control
→ Execution Package
为什么需要它
AI 图像和视频模型已经足够强,但生产中的难点从来不只是“生成一张好看的图”:
- 同一角色跨镜头变脸,服装、道具和体态持续漂移
- 场景空间、光源方向与材质在镜头间失去连续性
- 展示板、营销图和视频参考图混用,导致模型读入噪声
- Prompt 在反复修改后越写越长,创意边界却越来越模糊
- 不同视频平台的参考图、首尾帧和文本规则无法直接复用
AI Visual Director 将导演工作流编码成一套可检查的约束系统:
完整能力保留
→ 默认权限收敛
→ 创意显式触发
→ 用户确认后写回
→ 视频阶段只组装,不重新设计
核心能力
| 能力 | 覆盖范围 |
|---|---|
| 53 种视觉风格 | 电影、动画、东方美学、科幻、故障艺术及导演方法参考 |
| 44 种版式布局 | 全案板、角色板、场景板、时间轴、HUD、竖屏和关键帧序列 |
| 140+ 镜头技术 | 景别、运镜、角度、焦段、画幅、转场与特殊视角 |
| 19 套编号系统 | 风格、情绪、色彩、表情、肢体、环境、材质、声音等自动映射 |
| 8 种角色一致性方法 | 角色卡、五视图、表情组、服装武器细节、DNA 与参考锚定 |
| 7 种场景一致性方法 | 全能参考板、九宫格、全景、蓝图、环绕截图与宽幅锚点 |
| 5 个视频平台 | Seedance、Runway、可灵、Luma、Pika 的差异化 Prompt 输出 |
| 12 项视频 QC | 角色、场景、光照、道具、动作、转场、字幕、声音与资产用途 |
30 秒开始
安装
npx ai-visual-director
也可以使用安装脚本或从源码安装:
curl -fsSL https://raw.githubusercontent.com/jijiutong/ai-visual-director/main/install.sh | sh
git clone https://github.com/jijiutong/ai-visual-director.git
cd ai-visual-director
sh install.sh
重启 Claude Code,然后输入:
/create 雨夜古寺,两名剑客在佛像前对峙。师父发现徒弟已经入魔,二人拔剑相向。15s,7 镜。
默认执行 /create standard:
故事摄入 → 镜头预算 → 角色锚点 → 场景锚点
→ 故事板 → 视频 Prompt → QC → 执行清单
完整操作方式见 使用手册。
选择你的入口
| 你想完成的任务 | 命令 | 深入阅读 |
|---|---|---|
| 从故事一键生成完整执行包 | /create | 一键编排 |
| 读取 Obsidian、Markdown 或粘贴内容 | /source | 输入源系统 |
| 锁定角色外观与角色 DNA | /character | 角色工作流 |
| 锁定场景空间、材质与光照 | /scene | 场景工作流 |
| 设计镜头、故事板与全案板 | /storyboard | 分镜工作流 |
| 组装多平台视频 Prompt | /video | 视频工作流 |
| 设计台词、字幕与口型节奏 | /dialogue | 台词引擎 |
| 设计环境音、拟音、音乐与混响 | /sound | 声音引擎 |
| 探索风格、融合或导演方法 | /style | 风格工作流 |
| 生成独立营销海报 | /poster | 海报工作流 |
治理命令:/lock · /commit · /unlock · /check · /repair
三档生产模式
| 能力 | fast | standard | full |
|---|---|---|---|
| 故事摄入与镜头预算 | ✓ | ✓ | ✓ |
| 角色与场景锚定 | 内联 DNA | 标准模板 | 标准模板 |
| 故事板与视频 Prompt | 精简 | 完整 | 完整 |
| 台词与声音设计 | - | 按需 | ✓ |
| 全案板与完整质检 | - | ✓ | ✓ |
| 适合场景 | 快速验证 | 正式制作 | 完整交付 |
系统如何保持稳定
系统采用四层能力模型。创意能力并未被删除,只是拥有不同的默认权限:
| 层级 | 调用策略 | 职责 |
|---|---|---|
| 稳定治理层 | 始终启用 | 路由、格式合同、锁定状态、Prompt QC、自动修复 |
| 资产生产层 | 按命令调用 | 角色、场景、分镜、视频、台词、声音、海报 |
| 导演增强层 | 项目模式 | 镜头预算、节奏、情绪曲线、色彩叙事、运动物理 |
| 探索发散层 | 显式触发 | 多版本、风格融合、迁移、导演方法、系列续写 |
状态生命周期:
draft 默认草稿,不污染主状态
↓
locked 用户确认后锁定,不允许自动覆盖
↓
committed 正式写入项目状态并持久化
架构概览
flowchart LR
A[用户故事] --> B[输入源与故事摄入]
B --> C[命令闸门与格式合同]
C --> D[导演与资产规划引擎]
D --> E[角色 / 场景 / 分镜资产]
E --> F[状态与一致性锚定]
F --> G[平台 Prompt 组装]
G --> H[评分 / QC / 自动修复]
H --> I[执行包]
| 模块 | 作用 | 文档入口 |
|---|---|---|
SKILL.md | 总控路由、命令边界与执行契约 | 总控说明 |
sources/ | 粘贴、Markdown、Obsidian 与 frontmatter 摄入 | 输入源 |
engines/ | 路由、导演决策、规划、评分、修复与打包 | 引擎地图 |
docs/ | 使用手册、能力白皮书、系统架构与命令参考 | 文档中心 |
state/ | 状态注册、资产映射、镜头快照与项目依赖图 | 状态管理 |
rules/ | 格式、一致性、编号、质量与平台硬约束 | 质量规则 |
templates/ | 角色卡、场景卡、故事板、海报和声音模板 | 模板目录 |
knowledge/ | 镜头、灯光、构图、材质、表演、声音等知识库 | 知识库 |
platforms/ | 图像与视频平台适配、API 集成 | 平台适配 |
sub-skills/ | 面向用户命令的独立工作流 | 子技能 |
imitation/ | 导演与工作室视觉方法参考库 | 风格参考 |
examples/ | 示例项目与参考输出 | 示例 |
projects/ | 长片、连续剧与多段项目持久化 | 项目系统 |
.agents/ | Agent 配置目录 | — |
.claude/ | Claude Code 配置目录 | — |
完整数据流与文件归位规则见 系统架构。
文档中心
| 文档 | 适合谁 | 你会得到什么 |
|---|---|---|
| 使用手册 | 第一次使用或查命令 | 命令选择、三档模式、常见用法与状态写回 |
| 能力白皮书 | 想理解系统边界 | 四层能力模型、资产用途、默认开关与调用条件 |
| 系统架构 | 维护者与贡献者 | 执行链路、模块职责、目录结构与扩展原则 |
| 主技能契约 | Skill 开发者 | 总路由、治理规则、模块映射与全局负面清单 |
| 文档索引 | 所有人 | 从任务出发快速定位权威文档 |
平台覆盖
| 图像生成 | 视频生成 |
|---|---|
| GPT Image · Midjourney · DALL-E · SDXL / SD3 | Seedance · Runway · 可灵 |
| Flux · Ideogram · 通义万相 · Recraft | Luma · Pika · ComfyUI / IP-Adapter 扩展 |
平台配置和限制见 平台适配文档。