dsh-short-video-studio

dsh-short-video-studio

完全本地 · 免费 · 零云端依赖的短剧 / 动画画布工作室，作为 DeepSeek Harness 双面插件运行。所有生成都跑在本地 ComfyUI 上——不需要任何付费云 API、不消耗额度，装好即用，一次生成、无限出片。

画质已可达 2K / 4K 交付：生成侧有两阶段潜空间放大（hires：首遍 896×512 → latent ×1.5 → 二遍重建，交付 1344×768）与学习式 3D latent 放大（…-2k 族：×2 → 交付 2688×1536）；后处理侧有独立的视频超分 video.upscale（逐帧 CNN ×2/×4 + RelayVSR 参考帧扩散 ×2/×4，×2 仅 25.3s，内容不变、音轨原样带回）与视频重生成 video.regenerate（Open-H3 Regenerate，1080p/2K，会重画内容）。加速侧可选 Pika H3 Flex 6 步 / PDD 8 步 / Sol-Attn 块稀疏，见社区加速与放大技术。 一句话：Agent 按你定义的 skill 编排流程，把生成请求派发到本地 ComfyUI 执行，产物落进可视化画布，还能通过飞书远程操控创作。 🌟 模型无关：FLUX 2 / MiniMax H3 只是插件随附的内置默认工作流，不是产品边界。本插件是通用的 ComfyUI 工作流执行器 + 能力注册表——任何 ComfyUI 能跑的模型（SDXL / SD3.5 / Qwen-Image / Wan / CogVideoX / LTX / 本地 Kling 等，图片或视频、带不带声音都可以）都能通过导入一份工作流清单接入，skill 与工具契约无需任何改动。换模型 = 加一份 JSON。 30 秒速览 是什么：本地 ComfyUI 上的短剧 / 动画画布工作室——Agent 按 skill 编排，产物落画布，可飞书远程创作。 零云端成本：默认图片 FLUX 2、视频 MiniMax H3（带声音、原生字幕），全部本地跑；模型可整体替换。 画质：原生 768p → 独立超分 2K/4K（内容不变）或独立重生成 1080p/2K（会重画）；可选 48fps 补帧。 安装：dsh plugin --profile web add dsh-short-video-studio → dsh web → 打开「画布」tab。 第一句：把「一只想当宇航员的小狐狸」做成 30 秒 3D 动画短片。 深入：架构 · 工作流目录 · 实测数据 · 文档索引 · 更新日志 社区加速与放大技术（2026-11 重点）

2026-11 最值得用的社区加速与放大 / 重建技术都已在注册表里，且都做成了可选实现：新实现一律 priority 2K、可与链式续接叠用 | 保内容 vs 重画：video.upscale（含 RelayVSR / SeedVR2）不改内容；video.regenerate 会重画（身份 / 口型可能漂，必须抽帧核对）。两者都是后处理、都不占 H3 的 token。选型细节：Pika docs/research/pika-h3-flex-assessment.md · PDD / Sol docs/minimax-h3-acceleration-lora.md · 超分 docs/video-upscale.md · 重生成 docs/video-regenerate.md · 补帧 docs/video-interpolate.md。 功能亮点 完全本地 · 零云端成本：默认图片 FLUX 2、视频 MiniMax H3 AV 模型（带声音、参考图绑定、画面内原生字幕），全部跑本地 ComfyUI；所有模型都只是内置默认，可整体替换为任何 ComfyUI 工作流。 能力注册表 · 受控三档：Agent 只表达能力（capability）与档位（fast / balanced / quality），实现由配置解析；工具面不接受 workflow=，换模型 = 加一份 JSON。 画布 + 飞书：每个会话一个画布 tab（简报 / 卡片 / 镜头表 / 分镜 / 片段 / 成片），文本实时 markdown、媒体内嵌；飞书里远程对话创作，产物自动送达（文本导出 PDF）。 同场景续接：continuity_from=上一镜节点 id 把上一镜的服务端 latent 钉进本镜（画面逐帧接住结尾、音频从接缝继续），r2v / i2v 双侧支持、可跨形状续接。 通用后处理：抽帧 / 抽音轨 / 裁切 / 拼接 / 超分（像素 · SeedVR2 · RelayVSR）/ 重生成（Open-H3）/ 补帧（RIFE）/ BGM（Music 3）——一条龙出片。 归档可搬走：给画布配一个归档路径（本地盘 / NAS），DSH 里归档会话时把这个会话的 canvas/ 整体搬过去、取消归档再搬回；跨盘自动拷贝+删源、冲突留 .dup、绝不覆盖，留空则完全等同旧行为。 画布编辑 + 资产库：画布上的图片 / 视频 / 音频 / 文本都能入库为跨会话资产（id 永久不变、显示名可改），图片可直接作 ref_nodes、音频作 audio_ref_nodes；画布内可上传、替换、重排、删除。 开场可选的字幕与审查节奏：画面内字幕 burned-in（默认，逐字烧进画面）/ none（对白照常发声、无字幕）；片段审查 per-shot 逐镜确认 / batch 全部渲完

前置条件：本机或者远程主机已运行 ComfyUI，并已下载你计划使用的模型——内置默认（FLUX 2 / MiniMax H3）或你自己导入的模型（见配置与导入 workflow）。

安装后自动完成三件事：skills/ 下 skill 复制到 ~/.dsh/skills/（版本戳刷新：每个副本的 .dsh-studio-manifest 记下插件版本 + 内容哈希，内容被你改过就只提示、绝不覆盖，没改过才随插件升级刷新；DSH_SVS_SKILL_REFRESH=off 关掉刷新、=force 连改过的也覆盖）；Web 设置页新增 ComfyUI 配置菜单；会话多出「画布」视图 tab。

开始创作：在会话里说 把「一只想当宇航员的小狐狸」做成 30 秒 3D 动画短片

Agent 会按 skill 定义的流程推进：项目简报 → 故事大纲 → 角色卡 → 场景卡 → 镜头表 → 分镜 → 逐镜生成 → 拼接合成，关键节点用选项卡确认。产品界面（真实会话截图）： 输入框生成条（真实 UI 截图）

会话输入框工具行左端「🎨 图片 / 🎬 视频」开关，点开后即在官方输入卡内弹出紧凑参数条，命令头自动写入草稿首行、prompt 写在空行后，直接走 dsh 原生发送键提交（截图均为真实会话）： 视频条：类型 r2v（参考图）/ i2v（首/末帧） · 档位 来自档位矩阵（能力有几个档、每档长边与耗时全部读注册表 —— UI 不预设档位数量与名称，默认取该能力首个可用档）——矩阵未加载时不猜档位，命令行也不拼 tier=（交给服务端按清单解析），并显示解析到的实现 id、加速标记与缺节点告警 · 比例 · 时长，参考图/首帧/末帧可上传画布节点。图片条：类型 文生图 / 图生图——t2i 选比例（1344 长边）+ 张数；i2i 传单张参考图（尺寸跟随参考图）、档位默认 quality、可出 1–4 张。 架构概览

完整设计文档见 docs/ARCHITECTURE.md 与 docs/workflow-contract.md。核心分层：

设计主张：插件不认识「FLUX」「H3」这些名字，只认识能力（capability）与工作流清单（manifest，数据而非代码）——FLUX 2 / MiniMax H3 只是注册表里「恰好是默认」的两条记录，任何模型接入后享有同等地位。三层正交契约： 清单里的 $assets. 占位让「换模型文件只改配置」；["$model", 0] 哨兵让「按质量档插 LoRA 链」由编译期自动完成。注册表来源优先级：内置 workflows/ 完整清单（每份 manifest 的能力、图结构、资产与实测备注）见 docs/workflows-catalog.md；换模型 = 增删一份 JSON