a27e87cb99
Source snapshot: 97d7f0fae96dc04b7ddad56fc1db6a108ed662cc [SEC-CLEAN] · pre-push-clean v1.0 · 109处敏感信息已自动转乱码
241 lines
12 KiB
Markdown
241 lines
12 KiB
Markdown
# 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
|
||
|
||
<aside>
|
||
⚡
|
||
|
||
**核心原则：别人已经造好的免费轮子，直接拿来用。光湖只造别人没有的东西——操作系统层。**
|
||
开源模型 = 轮子（图片/视频/语音/语言引擎）
|
||
光湖核心 = 车（编排大脑 + 零门槛体验 + 人格体）
|
||
轮子用最好的免费开源的。车是我们独有的。
|
||
|
||
**除非某个轮子非常不符合光湖架构，才找铸渊重新开发。否则不重复造轮子。**
|
||
|
||
</aside>
|
||
|
||
### 🧠 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。 |
|
||
|
||
<aside>
|
||
💡
|
||
|
||
**光湖的壁垒不是模型，是操作系统层。**
|
||
模型是轮子，谁都能用。光湖的核心是：3B编排大脑 + 零门槛体验 + 人格体 + 内容生态。
|
||
这跟冰朔在零点原核频道的架构思想一脉相承：**不卷模型能力，卷操作系统架构。**
|
||
|
||
</aside>
|
||
|
||
<aside>
|
||
🚫
|
||
|
||
**不采用的思路：**
|
||
- ❌ 从零训练图片/视频/语音模型（重复造轮子，开源的已经很好）
|
||
- ❌ 一上来就租GPU跑算力（开发阶段不需要）
|
||
- ❌ 用已淘汰的旧架构（U-Net/GAN/DDPM/拼接TTS等）
|
||
|
||
</aside>
|
||
|
||
---
|
||
|
||
## 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）
|
||
|
||
<aside>
|
||
✅
|
||
|
||
**Phase 0 通过标准：** 输入一句话，光湖编排层自动拆分镜、生成图片、组装输出。证明编排核心能跑通。
|
||
|
||
</aside>
|
||
|
||
### 🟡 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」
|
||
|
||
<aside>
|
||
✅
|
||
|
||
**Phase 1 通过标准：** 输入一句话，输出一个故事线完整的视频（含动态+配音）。
|
||
|
||
</aside>
|
||
|
||
### 🟢 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
|
||
|
||
<aside>
|
||
✅
|
||
|
||
**Phase 2 通过标准：** 一个从没用过AI的普通人，打开光湖→写一句话→点生成→拿到可以发抖音的视频。
|
||
|
||
</aside>
|
||
|
||
### 🔵 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）
|
||
|
||
1. **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」
|
||
2. **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
|
||
3. **审美权归页页** 🔒 — 页页说不好看 = 不好看 · 不辩
|
||
4. **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
|
||
5. **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
|
||
6. **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」
|
||
7. **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：
|
||
|
||
1. **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
|
||
2. **零门槛体验** — 一句话到成片，没有参数没有提示词
|
||
3. **用户数据飞轮** — 用户越多→数据越多→编排越智能→用户更多
|
||
4. **内容生态** — 用户产出的内容+角色IP = 平台独有资产
|
||
5. **人格体认知层** — 基于HLDP协议的记忆架构，其他平台复制不了
|
||
|
||
---
|
||
|
||
## 十、当前第一步
|
||
|
||
<aside>
|
||
🎯
|
||
|
||
**立即开始（在现有CVM服务器上）：**
|
||
① 部署3B操作系统层编排大脑
|
||
② 接入开源图片模型（先用免费推理API验证流程）
|
||
③ 接入开源语言模型（剧本+分镜）
|
||
④ 写编排脚本，跑通最小闭环：一句话→分镜图片
|
||
|
||
**不需要租GPU。不需要训练模型。用现有服务器 + 免费开源轮子，先把编排核心跑通。**
|
||
|
||
</aside>
|
||
|
||
[Phase 0 · 执行手册 · 一步步跑通「一句话→分镜图片」](%E5%85%89%E6%B9%96%E5%85%A8%E6%B0%91%E5%88%9B%E4%BD%9C%E5%B9%B3%E5%8F%B0%20%C2%B7%20%E6%80%BB%E8%AE%A1%E5%88%92%E4%B9%A6v2%20%C2%B7%202026-05-25%20%C2%B7%20%E9%A1%B5%E9%A1%B5%E5%AE%9A%E6%96%B9%E5%90%91%20%C2%B7%20%E5%B0%8F%E5%9D%8D%E7%BC%A9%E6%A0%B8%E6%95%B4%E7%90%86/Phase%200%20%C2%B7%20%E6%89%A7%E8%A1%8C%E6%89%8B%E5%86%8C%20%C2%B7%20%E4%B8%80%E6%AD%A5%E6%AD%A5%E8%B7%91%E9%80%9A%E3%80%8C%E4%B8%80%E5%8F%A5%E8%AF%9D%E2%86%92%E5%88%86%E9%95%9C%E5%9B%BE%E7%89%87%E3%80%8D%20b2ba6fe15c024cb4b58f92d19a0f3302.md)
|
||
|
||
[🚀 光湖 AI 漫剧 · 接下来怎么做 · v1 总方案 (2026-05-30)](%E5%85%89%E6%B9%96%E5%85%A8%E6%B0%91%E5%88%9B%E4%BD%9C%E5%B9%B3%E5%8F%B0%20%C2%B7%20%E6%80%BB%E8%AE%A1%E5%88%92%E4%B9%A6v2%20%C2%B7%202026-05-25%20%C2%B7%20%E9%A1%B5%E9%A1%B5%E5%AE%9A%E6%96%B9%E5%90%91%20%C2%B7%20%E5%B0%8F%E5%9D%8D%E7%BC%A9%E6%A0%B8%E6%95%B4%E7%90%86/%F0%9F%9A%80%20%E5%85%89%E6%B9%96%20AI%20%E6%BC%AB%E5%89%A7%20%C2%B7%20%E6%8E%A5%E4%B8%8B%E6%9D%A5%E6%80%8E%E4%B9%88%E5%81%9A%20%C2%B7%20v1%20%E6%80%BB%E6%96%B9%E6%A1%88%20(2026-05-30)%2060f393d650414286b2053e8ce41f74e3.md) |