这是预览版，仍有 bug 和粗糙之处；需自备 OpenRouter API key，生成调用按你自己的账户计费；默认走 Caddy HTTPS 入口 https://localhost:1443，13000 端口只做 HTTP 跳转；H3 Max 目前只接受单张首帧，不支持首尾帧对；本预览不含音乐与配音控制
waoowaoo
waooAI活跃维护面向影视生产的工业级 AI Agent 平台，用可控的智能体工作流把短剧、分镜到实拍级视频的制作流程串起来。
首家工业级全流程 AI 影视生产平台。Industry-first professional AI Agent platform for controllable film & video production. From shorts to live-action with Hollywood-standard workflows.
v0.4.1发布于 2026-04-03 15:30 UTC14,828star +23 / 7 天3,206fork同步于 2026-11-10 23:28 UTC
docker compose up -d（按 docs/INSTALL.md 与所选 Release 的 Compose 配置执行） 硬件要求按 README 说明
README 未说明显存或 GPU 型号要求；推荐用预构建 Docker 镜像自托管，应用依赖（MySQL、Redis、Temporal、FFmpeg 等）都跑在容器里，宿主机无需安装
自托管的 AI 图像视频创作工作台，用右侧助手和画布把创意做成可控的影视素材
面向影视生产的工业级 AI Agent 平台，用可控的智能体工作流把短剧、分镜到实拍级视频的制作流程串起来。
核心能力
- 右侧 Assistant 协作打磨创意简报并持续产出素材
- 在画布上上传参考、整理文件并查看生成的图像视频
- 按所选模型自动匹配画幅、时长、分辨率和参考图角色
- 支持首帧、首尾帧或参考图模式，具体取决于模型
- 把已有结果细化为新版本并保留原版
容易踩的坑
内容由模型根据 README 生成，可能不完整或不准确，以官方文档为准。看原文 README
- v0.5.0-beta.1v0.5.0-beta.1 — Self-hosted previewpre-release2026-09-05 · 2026-09-05 15:59 UTC
查看更新说明
v0.5.0-beta.1 — Self-hosted preview
This is a pre-release for local, self-hosted use. It is a substantial update from v0.4.x; use a new installation directory and new Compose project for evaluation. Do not point this release at an existing database without a reviewed migration and backups.
What's new
- A project canvas for images, videos, references, folders, and an integrated Assistant.
- Direct reference uploads and project-media selection in image/video drafts.
- Model-bound frame ratios, durations, reference roles and limits, and advanced generation settings.
- Direct card movement, saved positions inside expanded folders, and a reset-layout action in the bottom-left controls.
- OpenRouter-focused configuration, including the Hailuo 3 and Hailuo 3 Max entries. Availability and pricing depend on your provider account.
- Caddy HTTPS as the default Docker browser entry at
https://localhost:1443, with HTTP/2 support. Local certificate trust is a separate, explicit installation step. - AI-assisted installation instructions in English, Chinese, Japanese, and Korean.
Install
Read docs/INSTALL.md and copy the AI installation prompt from the README in this release. Use the Compose files, Caddyfile, and Worker rollout script from this same tag.
Both the application and Codex runtime images are required. Pin their immutable digests from the image section below. AI provider calls require your own OpenRouter credentials and balance; they are not included in this release.
Verified container images
Both images support linux/amd64 and linux/arm64. Anonymous manifest/config access and layer availability were verified; both images identify source commit
6cbbe22cc6492159e0f649d507e4e21a9aec3074.Application (use for
APP_IMAGEand both initial Worker image settings):ghcr.io/waooai/waoowaoo@sha256:3275844dc8b670d0271d4b6b519ef9812a6d97658408eefbb570cb4c241228ddAssistant runtime (
CODEX_RUNTIME_IMAGE):ghcr.io/waooai/waoowaoo-codex-runtime@sha256:227e693df52733c6ade9a086fcae6c0ae3e603260349d6adb480e59e5f672219Release verification passed static checks, logic, registry conformance, critical infrastructure tests, and browser security. This does not establish exhaustive real-model behavior or a fresh installation on every operating system.
Preview limitations
- This release is intended for evaluation; it does not promise exhaustive coverage of every provider/model combination or concurrent usage pattern.
- Local HTTPS requires trusting this installation's public root certificate on the browser host. Do not disable certificate verification or share its private key.
- Existing v0.4.x databases are not covered by a one-click upgrade promise. Preserve data and encryption keys, and review migration requirements before upgrading.
License
Starting with this release, the distribution uses Elastic License 2.0. It is source-available, not OSI-approved open source. Earlier releases and third-party components retain their respective licenses.
中文：这是本地自托管测试版。新增画布、参考上传与选择、模型能力约束、文件夹内自由拖动及布局复位，Docker 默认使用 Caddy HTTPS。请使用新目录、新容器项目试用，勿直接覆盖旧版本数据；AI 调用费用由自己的 OpenRouter 账号承担。
- v0.4.1v0.4.1 update最新正式版2026-04-03 · 2026-04-03 15:30 UTC
v0.4.1 Release Notes
优化道具确认与筛选逻辑，减少将场景内普通物件误判为关键道具的情况 接入 Wan 2.7 视频模型，补充对应能力声明、策略约束与测试覆盖 持续打磨资产相关 UI / UX，优化编辑、导入、卡片比例、生成中状态与交互一致性 补齐道具 AI 修改描述链路，统一资产中心与项目内的修改入口与任务处理 调整资产中心图片策略，移除全局图片文字标识，收口全局母图与项目参考图边界 继续增强测试与工程约束，降低资产链路与模型能力变更带来的回归风险
核心更新
道具筛选逻辑优化 本次重点收紧了道具识别标准，避免把餐具、酒杯、办公设备、房间陈设这类场景内普通物件误识别为道具资产。新的规则更强调“跨场景持续存在”“有明确文本证据”“具有唯一性或持续性”，整体提取结果会更保守，但也更符合真正的关键道具定义。
道具 AI 修改能力补齐 新增并打通了道具的 AI 修改描述能力，覆盖资产中心与项目内资产两条链路。现在角色、场景、道具三类资产在描述修改能力上更统一，道具不再是缺失能力的例外项。
资产编辑与导入体验优化 对多个高频资产界面进行了细化调整，包括 AI 修改入口位置、按钮样式统一、导入弹窗视觉收敛、导入卡片预览比例统一、无图占位图标调整、生成中状态的固定比例占位等。整体目标是减少跳跃感、坍缩感和不一致交互，让资产编辑体验更稳。
资产中心图片策略调整 资产中心创建、上传、生成和修改得到的图片不再附带文字标识或黑边覆盖，保持为更干净的全局母图；项目内仍保留适合模型识别的参考图语义。这样全局资产与项目资产的职责边界更清晰，也减少了图片被反复重写的复杂度。
视频模型能力扩展 本次增加了 Wan 2.7 的模型接入和相关能力配置，同时补充了对应测试与能力声明，进一步扩展了视频生成可选模型范围。
测试与工程约束增强 围绕资产编辑、资产导入、卡片比例、道具修改任务注册、能力声明与提示词约束，本次补充了多组单测、集成测试与守卫校验。重点不是“测试更多”，而是把这轮改动对应的风险点都真正纳入了回归保护范围。
问题修复
修复道具确认流程中的异常行为 修复资产中心和项目内部分图片比例不一致、生成中卡片高度坍缩的问题 修复资产导入时部分预览图无法正常显示的问题 修复资产编辑弹窗中 AI 修改入口位置和交互不一致的问题 修复道具缺失 AI 修改描述入口的问题 修复资产中心创建图片仍附带旧文字标识的问题 修复多处资产卡片空态图标、按钮文案和布局细节问题 修复部分测试用例与类型约束冲突导致的提交阻塞问题 部署方式 本版本仍然建议通过 Docker 自行构建和部署。
- v0.4.0v0.4.0 update2026-04-02 · 2026-04-02 14:16 UTC
查看更新说明
最近比较忙所以基本没怎么更新 现在开始会恢复快速更新节奏！尽情期待！后续会有更大的更新！！我的目标依然是 the best in the world！
重构分析工作流架构，提升长链路任务稳定性与恢复能力 重做首页与工作区入口体验，优化从启动创作到进入工作流的路径 引入 Props 资产体系，统一资产库与资产中心的能力边界 增强视频生成能力，扩展新一代模型接入与结果可控性 增加 AI Story Expand 等创作辅助能力，降低内容启动门槛 持续打磨 UI / UX，改善弹窗、编辑、卡片、面板与流程反馈体验 强化测试框架与工程守卫，降低高风险改动带来的回归概率 收口历史无效模式与旧架构，继续推进系统统一与复杂度压缩 核心更新
工作流稳定性升级 本次对分析链路与运行时执行机制进行了较大幅度调整，重点提升了 StoryToScript、ScriptToStoryboard 以及相关任务流在失败、取消、重试、恢复等场景下的稳定性与一致性。整体目标是让复杂创作流程更可控、更易恢复，也更方便定位问题。
首页与创作入口升级 新增首页与更清晰的创作启动入口，改善用户首次进入产品时的理解成本与操作路径。相较此前更偏“直接进入工作区”的方式，现在整体入口逻辑更完整，启动创作、创建项目与继续现有工作流的体验都更加顺畅。
资产体系升级 本次引入了更完整的 Props 与统一资产抽象，对资产库、资产中心、项目内资产操作链路进行了明显重构。角色、场景、道具等资产的管理方式更统一，跨页面和跨流程的联动能力也更强，后续继续扩展资产相关能力会更容易。
视频能力升级 视频生成链路在这一版本中继续增强，不仅提升了整体可控性，也为更高质量的视频模型接入打下了基础。特别是新一代 Seedance 2.0 系列模型已经完成正式接入，从此前的占位状态进入真实可用状态，视频生成能力和模型生态都进一步扩大。
创作辅助能力扩展 新增 AI Story Expand 等辅助创作能力，进一步降低从灵感到初始内容的门槛。用户现在可以更自然地从一句想法或一个简短输入出发，快速延展开局内容，再进入后续工作流。
UI / UX 持续优化 本次版本包含多轮专门针对 UI / UX 的优化，不只是视觉微调，而是覆盖了首页、工作区、卡片、模态框、编辑面板、流程反馈等多个高频界面。整体交互更稳定，信息组织也更清晰，减少了不少使用中的“卡顿感”和“理解成本”。
测试与工程约束增强 本次版本显著强化了仓库的测试框架与工程守卫体系，补强了从提交前校验到行为契约、集成链路、系统级验证的一整套保障能力。其意义不只是“测试更多了”，而是后续功能迭代的质量基线变高了，很多高风险回归会在进入主线前被拦住。
架构收口与历史负担清理 除功能新增外，这一阶段也持续清理了旧模式、旧入口和不再适用的架构残留。整体方向很明确：减少历史包袱、压缩重复能力、统一边界，让系统更适合继续往前演进，而不是继续堆叠临时方案。
问题修复 本次版本修复了多项实际使用中的关键问题，包括但不限于：
修复部分角色与资产状态异常显示的问题 修复默认模型配置与项目配置之间的若干联动问题 修复部分环境配置与部署相关问题 修复部分视频与资产操作链路中的异常行为 修复若干工作流恢复、重试与执行状态同步问题 修复多处弹窗、层级、滚动与交互细节问题 修复部分语音分析与静默段处理相关问题 修复若干 Provider 配置与兼容性细节问题 部署方式 本版本仍然建议通过 Docker 自行构建和部署。
- v0.3.0v0.3.0 update2026-03-07 · 2026-03-07 21:21 UTC
查看更新说明
憋了一周的大更新，新增改动了几万行代码，由于项目第一版存在许多架构问题，所以这版改动了很多架构问题，速度较慢，后续我会保持快速更新节奏！以下是更新说明： 本版本为源码发布版本，不附带预编译安装包，推荐使用 Docker 自行构建部署。
WAOOWAOO v0.3.0
这是过去一周主线迭代后的集中版本更新。相较 2026-02-28 的公开快照版本，当前主线已经完成 45 次提交，累计影响 634 个文件，覆盖工作流稳定性、模型生态扩展、语音视频能力、资产生成链路、配置中心体验和运行时可靠性等多个核心模块，建议所有人立即升级 注：由于目前项目处在测试版，为保持代码整洁，所以版本更新不会兼容旧版本数据，造成的不便感谢理解。
版本概览
本次版本不是零散修补，而是一次面向实际生产可用性的系统性升级。重点集中在以下几个方向：
- 强化 StoryToScript 与 ScriptToStoryboard 的执行稳定性
- 增强视频生成链路，支持首尾帧串联与单镜头首尾帧同时配置
- 升级语音生成与口型同步能力，补强项目级 TTS 配置
- 扩展模型与 Provider 生态，提升多模型接入能力
- 重构默认模型配置与 Provider 管理体验
- 增强错误处理、超时反馈与显式失败机制
- 补充登录限流、密码强度提示等基础安全能力
核心更新
1. 工作流稳定性升级
- 强化 StoryToScript 与 ScriptToStoryboard 流程的原子化能力
- 增加严格执行顺序校验，减少流程串扰与状态错乱
- 增强长链路任务的可重试能力
- 优化分析顺序展示与执行状态反馈，便于理解当前流程进度
2. 视频生成能力升级
- 新增首尾帧串联能力
- 支持单个镜头同时配置首帧与尾帧
- 提升镜头连续性与视频结果可控性
- 进一步完善视频阶段运行时交互和状态处理
3. 语音与口型同步能力升级
- 新增项目级 TTS 模型选择能力
- 支持调整生成声音方案数量
- 项目资产库与资产中心的音色设计卡片系统完成统一
- 增强阿里云百炼口型同步能力
- 增加口型同步统一前处理逻辑，包括过短音频补齐与过长音频裁切
4. 模型与 Provider 生态扩展
- 增强阿里云百炼 Provider 能力
- 新增 Minimax 文本模型支持
- 新增 qwen3vdtts
- 将 qwendesign 合并至百炼链路
- 增加更多官方最新模型
- 增强 OpenAI Compatible 与 Response API 相关兼容能力
5. 配置中心与交互体验优化
- 默认模型配置界面重构
- Provider 支持拖拽排序与隐藏
- 增强配置页测试按钮和连通性反馈
- 优化多个弹窗、下拉框、工作区操作区和交互细节
- 改善配置中心整体可维护性与可理解性
6. 稳定性与显式失败机制增强
- run events 拉取失败不再静默吞掉，改为显式报错
- 统一超时语义与失败提示文案
- 增强 JSON 解析与修复能力
- 修复分析流程失败后前端未及时停止、窗口未关闭、跳转异常等问题
- 加强提示词约束，降低异常输出对下游流程的影响
7. 安全与运行控制补强
- 增加登录限流，降低暴力破解风险
- 增加密码强度提示
- 增加图像与视频并发设置限制
- 持续推进存储路径统一与部署侧能力收口
问题修复
本次版本修复了多项实际使用中的关键问题，包括但不限于：
- 修复新增角色、新增场景时风格丢失的问题
- 修复资产中心生成图片后确认与删除失效的问题
- 修复 Ark 相关字段处理异常
- 修复分析流程失败后前端状态未同步终止的问题
- 修复语言切换与浏览器语言冲突问题
- 修复流式台词分析显示异常问题
- 修复默认模型配置后项目模型仍需重复选择的问题
- 修复 OpenAI Compatible 被误判为原生 OpenAI 推理的问题
- 修复多个 UI 可见性、布局和交互细节问题
部署方式
本版本采用源码发布，不提供预编译安装包，推荐通过readme的Docker教程 自行构建部署。
用户点评
登录用户的真实使用记录，可按版本和硬件筛选共 0 条
还没有人点评。第一个说出真实体验的人最有价值。
[!IMPORTANT] Preview release: we are iterating rapidly, and some bugs and rough edges remain. Join the community to share feedback and follow updates.
WeChat / community
✨ Features
- Work with the right-hand Assistant to develop a brief and create assets in an ongoing project.
- Upload reference material, organize files, and inspect generated images and videos on the canvas.
- Generate with model-aware aspect ratios, durations, resolutions, and reference roles.
- Use supported first-frame, first/last-frame, or reference-image modes; availability depends on the selected model.
- Refine an existing result into a new version while retaining the original.
This preview exposes OpenRouter configuration. Available models include GPT Image 2, Nano Banana variants, Seedance variants, and MiniMax H3 / H3 Max. Availability and charges depend on the provider. H3 Max currently accepts a single first frame in this application, not a first/last-frame pair. Music and voiceover controls are not included in this preview.
The application UI currently supports Chinese and English. Japanese and Korean are README translations.
🚀 Quick Start
Copy the following into a local coding assistant with terminal access. It will inspect your machine, install the required dependencies, and configure Docker for you. You may need to approve an operating-system installer or start Docker Desktop yourself.
Install the self-hosted preview of https://github.com/waooAI/waoowaoo on my computer.
Read the repository README, docs/INSTALL.md, and the selected GitHub Release first.
Use a published preview release and its prebuilt Docker images. Pin both the
application and the Codex runtime to the release's immutable image digests.
Check my OS, CPU architecture, Docker Engine/Desktop, Compose v2, Git, and flock;
install missing dependencies using the appropriate OS tools, with approval where required.
Use a new installation directory and preserve all existing containers, files, and data.
Generate unique local secrets and configure .env without printing or uploading secrets.
Follow the existing Worker bootstrap procedure; do not invent a second startup path.
Include docker/caddy/Caddyfile from the same release. Use the default Compose HTTPS entry:
SELF_HOSTED_HOST=localhost, SELF_HOSTED_HTTPS_PORT=1443; APP_HOST_PORT=13000 only redirects HTTP.
The overlay derives NEXTAUTH_URL; preserve Caddy's /data and /config named volumes.
Export only root.crt, explain its trust implications, and obtain my explicit approval
before helping me trust it on the browser's host OS (Windows trust is separate from WSL).
Never export root.key or bypass TLS checks. Verify https://localhost:1443 has no certificate
warning and the browser actually uses h2, including event streams across multiple tabs.
SSE tab concurrency is not the AI task concurrency limit.
Verify container health and that the application opens, then tell me the local URL.
Guide me to enter my OpenRouter API key in the application; do not request it in chat.
Do not start paid AI generations without my approval. If the release lacks a required
image or my platform is unsupported, explain the blocker instead of claiming success.
The release Compose setup starts Caddy automatically. After approving local certificate trust, open https://localhost:1443; port 13000 only redirects HTTP. Source development with npm run dev remains at http://localhost:3001.
The recommended distribution is prebuilt Docker images. You do not need to install Node.js, MySQL, Redis, Temporal, or FFmpeg on your host for this path; application dependencies run in containers. The complete installation instructions for your assistant and manual setup are in docs/INSTALL.md.
🔧 API Configuration
After launching, open your profile’s API configuration and add your OpenRouter API key. Provider calls are paid through your own account. Keep API keys out of chat and support logs.
Project data and media use local database and private MinIO storage; prompts and references are sent to the provider for requested AI tasks. Supported inline image references do not require a public media URL.
For manual setup, source builds, backups, and upgrades, see the installation guide.
📦 Tech Stack
- Framework: Next.js 16 + React 19
- Database: MySQL + Prisma ORM
- Durable execution: Temporal
- Transport & cache: Redis
- Media storage: Private MinIO (S3)
- Styling: Tailwind CSS v4
- Auth: NextAuth.js
📦 Preview
🤝 Contributing
This project is maintained by the core team. You are welcome to:
- 🐛 File an Issue to report bugs.
- 💡 File an Issue to suggest features.
- 🔧 Submit a Pull Request for reference — we review ideas carefully, but the team implements changes internally rather than merging external PRs directly.
License
Starting with v0.5.0-beta.1, this distribution is licensed under Elastic License 2.0. Personal use, internal business use, modification, and redistribution are permitted subject to its terms. Providing third parties with hosted or managed access to a substantial set of the software’s features requires separate permission. Earlier releases retain their original licenses; third-party components retain their respective licenses. This is source-available software, not OSI-approved open source.
Made with ❤️ by waoowaoo team