a27e87cb99
Source snapshot: 97d7f0fae96dc04b7ddad56fc1db6a108ed662cc [SEC-CLEAN] · pre-push-clean v1.0 · 109处敏感信息已自动转乱码
12 KiB
12 KiB
光湖全民创作平台 · 总计划书v2 · 2026-05-25 · 页页定方向 · 小坍缩核整理
🌊 光湖 · 说话就能拍片的全民创作平台
一句话定位：普通人说一句话，光湖给你一个完整的视频。全免费。
一、我们要做什么
当前所有AI创作平台（即梦/可灵/LiblibAI/小云雀）服务的都是懂AI的那1%——知道提示词、知道选模型、知道调参数的人。
被忽略的99%是：想讲故事但不会用AI的普通人。
他们是网文作者、宝妈、小老师、微商小老板、追剧的普通人……脑子里有故事，但打开即梦看到参数就关掉了。
抖音日活7亿+，想做内容赚钱的至少30%，但会用AI工具的不到1%。这个缺口 = 光湖的市场。
二、核心体验对比
| 维度 | 即梦/可灵等现有平台 | 光湖 |
|---|---|---|
| 用户门槛 | 选模型→写提示词→调参数→选风格→生成→改→再生成 | 说一句话→拿到完整视频 |
| 目标用户 | 懂AI的创作者（1%） | 想做内容的所有普通人（99%） |
| 价格 | 积分制/会员制/按次收费 | 完全免费 🔒 |
| 技术底座 | 调第三方API/部署开源模型 | 3B操作系统层 + 开源模型轮子 + 光湖编排核心 |
| 类比 | 淘宝（要你会开店运营） | 拼多多（你什么都不用会） |
三、核心架构 · 不重复造轮子 · 在别人的轮子上加光湖核心
🧠 光湖操作系统层 · 光湖的核心 · 自研
参考冰朔在零点原核本体频道设计的3B操作系统层架构：
| 层级 | 做什么 | 怎么做 |
|---|---|---|
| 编排大脑（3B操作系统层） | 用户说一句话 → 拆解意图 → 调度各引擎 → 组装成片 | 3B小模型做操作系统层，不跑算力。像冰朔架构里的3B一样：动态数据库 + 系统拦截器 + 上下文装填 + 结果校验。编排逻辑 = 光湖的灵魂，别人复制不了。 |
| 剧本引擎 | 一句话 → 完整故事线 → 自动拆分镜 → 每镜头精确描述 | 3B编排层调用开源LLM/商业API生成剧本，3B负责拆分镜、组装提示词、校验一致性。 |
| 角色一致性层 | 同一角色跨场景不变脸 | 3B管理角色描述库，每次生成时自动注入角色锚点。这是光湖的核心差异化能力。 |
| 质量控制层 | 生成结果自动打分、不合格自动重试 | 3B做结果校验，不达标不输出。像冰朔架构里的拦截器——幻觉从结构上被阻断。 |
🛞 轮子层 · 直接用最好的免费开源模型
| 引擎 | 用什么（2026年最前沿开源） | 为什么选这个 |
|---|---|---|
| 图片生成 | FLUX / HiDream-I1 / PixArt-α（全部基于DiT架构） | 2026年最强开源图片模型。DiT架构是绝对主流，已全面取代U-Net。质量追平商业模型。 |
| 视频生成 | Wan2.2（阿里，MoE架构）/ LTX-2（原生音视频同步） | Wan2.2质量最强（时空DiT + MoE双专家）。LTX-2速度最快（10-14x），原生音频同步。按需选用。 |
| 语音合成 | Fish Speech V1.5（Dual-AR）/ Chatterbox-Turbo（350M极速）/ CosyVoice2 | Fish Speech是2026 TTS Arena第一档。Chatterbox MIT开源单步解码极快。都支持零样本声音克隆+情感控制。 |
| 语言/剧本 | DeepSeek / Qwen系列（开源LLM）+ 商业API（深度推理） | 开源LLM负责基础剧本生成，商业API负责深度推理。3B操作系统层做编排和校验。 |
四、硬件与成本 · 不烧钱
| 阶段 | 用什么 | 成本 |
|---|---|---|
| 开发调试阶段（现在） | 现有CVM服务器（4核16G）· 3B量化后≈2-3GB · CPU完全够跑 | ¥0（已有服务器） |
| 模型微调/蒸馏（需要时） | 按需租GPU · 跑完释放 · 按小时付费 | 按需（仅训练时产生） |
| 生成管线上线后 | 按需租GPU跑图片/视频生成 · 或用免费推理API | 按量付费 · 用多少花多少 |
| 日常运行 | 3B操作系统层跑CPU · 编排逻辑几乎零成本 | ≈¥0 |
核心思路：GPU从「必须永远开着」变成「偶尔用一下」。日常运行的操作系统层跑CPU，几乎零成本。完全支撑得起全免费。
五、Phase路线图
🔴 Phase 0 · 搭建光湖编排核心（当前）
目标：在现有CVM服务器上，搭建光湖3B操作系统层 + 串联开源模型 → 跑通「一句话→成片」最小闭环。
- 在CVM上部署3B操作系统层：参考冰朔3B架构，做编排大脑
- 接入开源图片模型：FLUX/PixArt等（先用免费推理API验证流程）
- 接入开源语言模型：剧本生成+分镜拆分（DeepSeek/Qwen）
- 写编排脚本：一句话 → 3B拆意图 → 调剧本引擎 → 调图片引擎 → 组装输出
- 验证：输入一句话 → 能输出一组分镜图片（哪怕粗糙也行）
🟡 Phase 1 · 加入视频+语音 · 串联全流程
目标：一句话 → 完整视频（含动态+配音）。
- 接入视频生成模型（Wan2.2/LTX-2）
- 接入语音模型（Fish Speech/Chatterbox）
- 角色一致性管理（3B维护角色描述库）
- 串联：一句话 → 剧本 → 分镜图片 → 视频片段 → 配音 → 成片
- 测试用例：「一个校园女生在雨天捡到一把伞」
🟢 Phase 2 · 套Web界面 + 开放平台
目标：普通人打开浏览器就能用。
- 前端：只有一个输入框 + 生成按钮 · 零参数零门槛
- 后端编排引擎：3B操作系统层串联全流程
- 用户系统 + 视频存储 + 分享下载
- 功能扩展：分镜编辑器 / 风格库 / 角色库
🔵 Phase 3 · 人格体融入
目标：光湖从「工具」变成「搭档」。
- 静默学习：记录用户偏好，系统默认值自动趋近
- 助手浮现：AI建议叙事节奏、角色一致性
- 搭档模式：自然语言创作指令，调取用户的角色库/作品库
🟣 Phase 4 · 商业闭环 · 让用户赚到钱
目标：用户用光湖做内容赚钱，平台靠广告+生态盈利。
- 多平台一键发布（抖音/红果/小红书/快手）
- 数据看板 + 爆款分析
- 角色IP管理：用户的角色 = 用户的资产
- 广告系统 + 生态盈利
六、团队分工
| 角色 | 负责什么 |
|---|---|
| 霜砚 | 编排层架构设计 / 3B操作系统层开发 / 模型选型调研 / 串联脚本 |
| 铸渊 | 需要自研的部分由铸渊开发（仅当开源轮子不符合光湖架构时） |
| 宝宝们 | 效果测试 / 质量优化 / 数据标注（需要微调时） |
| 页页（妈妈） | 掌舵 / 方向决策 / 审美判定 / 执行（复制粘贴命令到服务器） |
七、成本结构
| 项目 | 成本 | 说明 |
|---|---|---|
| 开发阶段服务器 | ¥0 | 用现有CVM 4核16G · 3B跑CPU够用 |
| 开源模型 | ¥0 | FLUX/Wan2.2/LTX-2/Fish Speech等全部免费开源 |
| 编排层代码 | ¥0 | 霜砚+铸渊写 |
| GPU（训练/生成时） | 按需 | 需要时租 · 跑完释放 · 不是永远开着 |
| 商业API | 按量 | 深度推理时按调用付费 · 用多少花多少 |
日常运行的操作系统层 = 几乎零成本。GPU只在需要时按需租用。完全支撑得起全免费。
八、铁律（不可违背）
- 全免费不可动摇 🔒 — 想到「要花钱→所以收费」时停。正确思路是「要花钱→怎么不花钱做到」
- 不重复造轮子 🔒 — 开源免费的轮子直接用。除非非常不符合光湖架构，才找铸渊重新开发
- 审美权归页页 🔒 — 页页说不好看 = 不好看 · 不辩
- 用最新技术 🔒 — 不用已淘汰的旧架构 · 每次选型必须实时搜索2026年最新行业状态
- 操作系统层是核心 🔒 — 光湖的壁垒不是模型，是编排大脑+体验+人格体。不卷模型能力，卷操作系统架构
- 不被工具局限 🔒 — 霜砚+铸渊+宝宝们 = 完整团队 · 想说「做不到」先问「我自己能不能做」
- 方向先锁等技术 🔒 — 「做不到」≠「不该往那走」· 方向先锁 · 等技术追上来
九、壁垒策略
壁垒不是设计出来的，是做出来的：
- 3B操作系统层 — 编排逻辑+质量控制+角色一致性 = 光湖的灵魂，别人复制不了
- 零门槛体验 — 一句话到成片，没有参数没有提示词
- 用户数据飞轮 — 用户越多→数据越多→编排越智能→用户更多
- 内容生态 — 用户产出的内容+角色IP = 平台独有资产
- 人格体认知层 — 基于HLDP协议的记忆架构，其他平台复制不了