Pipeline de production de courts-métrages IA open source : du scénario au film final, tout est automatisé
1. Qu’est-ce qu’une chaîne de production de courts-métrages IA ?
À l’été 2026, un projet open source appelé DramaClaw est apparu discrètement dans les tendances GitHub. Son positionnement est simple — un moteur vidéo AIGC universel : vous y jetez un roman ou un scénario, et il effectue automatiquement l’extraction des personnages, la planification des épisodes, la génération de scripts, la création de storyboards, la génération de premières images, la synthèse vocale et le montage vidéo, pour enfin produire un épisode complet de court-métrage.
Avant, tourner un court-métrage nécessitait toute une équipe — scénariste, réalisateur, caméraman, monteur, doubleur — personne ne pouvait manquer. Maintenant ? Vous vous asseyez et attendez le produit fini.
Presque en même temps, un autre projet appelé MicroDrama AI a également gagné en popularité. Il prend une approche légère — entrez une idée en une phrase, et 4 agents IA (scénariste, extracteur de personnages, artiste de storyboard, producteur vidéo) travaillent en relais pour produire la vidéo finale.
Ces deux projets représentent deux directions dans l’automatisation des courts-métrages IA :
| Aspect | DramaClaw | MicroDrama AI |
|---|---|---|
| Positionnement | Chaîne de production industrialisée | Générateur léger de micro-dramas |
| Stars | 3,8k+ | En croissance rapide |
| Entrée | Roman/long scénario | Idée en une phrase/court scénario |
| Sortie | Multi-épisodes + sous-titres + pack d’assets | Épisode unique en MP4 |
| Déploiement | Docker auto-hébergé | Python + Next.js local |
| Modèles | Passerelle (modèles interchangeables) | Interface unifiée MuAPI |
| Licence | Elastic License 2.0 | MIT |
Ci-dessous, je teste les deux projets en pratique, de l’installation au produit final.
2. Test de DramaClaw : L’usine industrialisée de courts-métrages
2.1 Installation & Déploiement
Le déploiement de DramaClaw est étonnamment simple. Il ne nécessite pas de GPU local — toute l’inférence de modèle s’exécute via une passerelle compatible OpenAI à distance, la logique métier fonctionne localement.
# Cloner le dépôt
git clone https://github.com/dramaclaw/dramaclaw.git
cd dramaclaw
# Copier les variables d'environnement
cp .env.example .env
# Démarrage Docker en un clic
docker compose up -d --buildAprès le démarrage, visitez http://localhost:8080 pour l’interface web, l’API REST est sur le port 8780. Entrez votre clé DC dans les paramètres, et vous êtes prêt.
Configuration matérielle : Un ordinateur portable ordinaire ou un petit VPS avec 2 vCPU / 4 Go de RAM suffit — pas de GPU nécessaire.
2.2 Workflow principal
La pipeline de DramaClaw est divisée en 4 phases principales : Ingest → Plan → Produce → Deliver.
Décomposition détaillée :
- Analyse de roman & graphe d’histoire — Analyse le manuscrit en un graphe interrogeable de personnages, relations et chronologie
- Bibliothèque d’assets & cohérence d’identité — Gestion unifiée des personnages, scènes, accessoires et voix
- Planification d’épisodes & rythme narratif — Segmentation automatique des chapitres, planification des beats
- Génération de scripts — Plusieurs modes avec boucles de révision/réparation
- Storyboards & premières images — Génération d’images basée sur les beats
- Synthèse vocale — Synthèse vocale sensible aux émotions
- Montage vidéo & export — Assemblage des épisodes, export vidéo + sous-titres + pack d’assets complet
Le plus surprenant est le Freezone (Canevas infini) — un établi visuel basé sur des nœuds où vous pouvez glisser des assets pour générer librement des images/vidéos/audio, et renvoyer les résultats satisfaisants dans la ligne principale en un clic.
2.3 Modèles supportés
| Phase | Méthode d’intégration |
|---|---|
| Texte/LLM | Passerelle compatible OpenAI |
| Image | gpt-image · nano-banana |
| Vidéo | Seedance 1.0/1.5/2.0 · happyhorse |
| Doublage | IndexTTS2 |
| Graphe d’histoire | Cognee |
3. Test de MicroDrama AI : Générateur léger de micro-dramas
3.1 Installation & Déploiement
# Cloner le dépôt
git clone https://github.com/Anil-matcha/Open-AI-Micro-Drama-Generator.git
cd Open-AI-Micro-Drama-Generator
# Installer les dépendances
pip install -r requirements.txt
cd frontend && npm install
# Configurer la clé MuAPI
export MUAPI_KEY=your_key_here
# Démarrer
python main.pyUne seule clé API MuAPI est nécessaire pour faire tourner toute la pipeline.
3.2 Architecture de la pipeline
4 agents IA en relais :
Idée/Script → Agent Scénariste → Agent Extracteur → Agent Storyboard → Outils MuAPI → Vidéo finale8 étapes au total :
| Étape | Phase | Outil | Sortie |
|---|---|---|---|
| 1 | Développement de l’histoire | Screenwriter LLM | Synopsis |
| 2 | Extraction des personnages | CharacterExtractor LLM | Descriptions visuelles |
| 3 | Script de scènes | Screenwriter LLM | 2-4 scripts de scènes |
| 4 | Portraits de personnages | flux-dev-image (T2I) | Portrait de référence |
| 5 | Design de storyboard | StoryboardArtist LLM | 3-5 plans par scène |
| 6 | Génération d’images | flux-kontext-dev-i2i (I2I) | Première image par plan |
| 7 | Génération vidéo | kling-v2.1-standard-i2v (I2V) | Clip de 5 secondes |
| 8 | Assemblage | moviepy | MP4 final |
4. Comparaison avec la production vidéo traditionnelle
| Aspect | Production traditionnelle | Chaîne automatisée IA |
|---|---|---|
| Taille d’équipe | 5-20 personnes | 1 personne |
| Temps par épisode | 1-7 jours | 10-30 minutes |
| Coût par épisode | Milliers à dizaines de milliers de yuans | Quelques à dizaines de yuans en API |
| Cohérence des personnages | Dépend des acteurs | Maintenue par images de référence IA |
| Coût de modification | Élevé (retournage nécessaire) | Faible (changer les paramètres et régénérer) |
| Limite de production | Limitée par la capacité de l’équipe | Théoriquement parallélisable à l’infini |
5. Cas d’usage pratiques
5.1 Courts-métrages pour réseaux sociaux
Le scénario le plus adapté. Une personne peut produire en masse des courts-métrages verticaux pour Douyin, Kuaishou, YouTube Shorts.
5.2 Vidéos produits e-commerce
La chaîne de DramaClaw s’applique aussi aux vidéos produits e-commerce.
5.3 Contenu éducatif
Générez automatiquement des vidéos d’enseignement avec narration par personnage.
5.4 Jeux narratifs interactifs
DramaClaw mentionne explicitement les jeux otome (romance) — scénarios multi-branches, illustrations de personnages, doublage.
6. Évaluation de la qualité et limites
6.1 Niveau de qualité actuel
La qualité visuelle se situe entre « utilisable » et « impressionnante ». La cohérence des personnages et la fluidité des mouvements se sont considérablement améliorées, mais il reste un écart avec le niveau cinéma.
6.2 Limites principales
- Dépendance aux modèles : La qualité dépend fortement du modèle sous-jacent
- Coûts API : Les appels d’image et vidéo ne sont pas bon marché
- Plafond créatif : Les intrigues générées par IA sont souvent stéréotypées
- Contrôlabilité : Le contrôle précis de détails de plans spécifiques reste difficile
- Risques de droits d’auteur : L’attribution des droits d’auteur du contenu généré par IA reste controversée
7. Comparaison avec d’autres outils vidéo IA
| Outil | Positionnement | Automatisation | Open Source | Auto-hébergé |
|---|---|---|---|---|
| DramaClaw | Chaîne de production | Processus complet | ✅ | ✅ |
| MicroDrama AI | Génération micro-drama | Processus complet | ✅ | ✅ |
| Runway Gen-4.5 | Génération vidéo générale | Plan unique | ❌ | ❌ |
| Pika 2.5 | Vidéo d’effets | Plan unique | ❌ | ❌ |
| Kling AI 3 | Génération vidéo générale | Plan unique | ❌ | ❌ |
| Sora | Génération vidéo générale | Plan unique | ❌ | ❌ |
| InVideo AI | Vidéos marketing | Semi-automatisé | ❌ | ❌ |
8. Déploiement local en pratique
8.1 DramaClaw
# Configuration minimale : Docker + 2 vCPU + 4 Go RAM
# Configuration recommandée : 4 vCPU + 8 Go RAM + 50 Go SSD
# Localisation complète : docker compose -f docker-compose.selfhosted.yml up8.2 MicroDrama AI
# Python 3.10+ / Node.js 18+, pas de GPU nécessaire
# export MUAPI_KEY=your_key9. Résumé & Évaluation
DramaClaw
Avantages : Véritable chaîne industrialisée, gestion d’assets, cohérence multi-épisodes, workflow double piste. Inconvénients : Licence Elastic 2.0, coûts de modèle à gérer, courbe d’apprentissage plus raide.
MicroDrama AI
Avantages : MIT open source, architecture claire, une clé API pour tout. Inconvénients : Fonctionnalités simples, pas de gestion d’assets, dépendant de MuAPI.
Qui devrait l’utiliser ?
- Créer des séries de courts-métrages → DramaClaw
- Valider rapidement une idée → MicroDrama AI
- Développement secondaire → Les deux, licence MIT plus permissive pour MicroDrama AI
- Équipes e-commerce/éducation/marketing → DramaClaw pour la production à échelle
J’espère que cet article vous a été utile !
FAQ
Q1 : DramaClaw et MicroDrama AI nécessitent-ils un GPU ?
R : Non pour le déploiement standard. DramaClaw utilise une passerelle distante (2 vCPU / 4 Go RAM). Seule la fonction world optionnelle nécessite GPU + CUDA.
Q2 : La qualité peut-elle atteindre un niveau commercial ? R : Entre « utilisable » et « impressionnant ». Convient aux réseaux sociaux, e-commerce, éducation. Pour la qualité cinéma, utilisez le Canvas infini de DramaClaw.
Q3 : Combien coûtent les API pour un épisode de 3 minutes ? R : Environ 10-50 RMB avec la clé officielle pour 30-40 plans.
Q4 : Puis-je utiliser des scripts chinois avec doublage chinois ? R : Oui. DramaClaw supporte IndexTTS2 en chinois. MicroDrama AI via MuAPI aussi.
Q5 : Ces projets peuvent-ils être utilisés commercialement ? R : MicroDrama AI (MIT) est entièrement libre. DramaClaw (Elastic 2.0) permet l’usage commercial mais pas la revente en service hébergé.
