iArt.ai
AI motion graphics software — the After Effects alternative anyone can use. Create animations and explainer videos from a text prompt in minutes.
翻訳待ち
High-performance · Lightweight · AI Native Video workspace. 面向 AI 时代的视频创作工作台。 在画布中,和Agent一起自由连接创意、模型与素材。
翻訳待ち
Loading the full README.
Read the full README ↗感谢支持 BeefTV 持续发展的合作伙伴、赞助商与客户。
把跑通的步骤,留给下一次创作。
将素材、媒体处理与 AI 生成连接成一套可编辑流程。以单人物替换工作流为例:输入动作视频和人物参考图,先适配视频帧率,再交给 Seedance 2.0 Fast 生成替换结果。
本地 2.0.1 中的模板版本 13、14 已有成功运行记录。上方完整版还包含逐镜修正、拼接与原声回填,这些步骤尚未全部封装进模板;不代表任意素材一键完成或逐帧保真。模型生成按所用渠道计费。
通过聊天,把故事搭成可编辑的创作工程。
「帮我做一个末日生存题材的爆款短剧。」
在本地案例 《最后一瓶水》 中,用户说明创作顺序并确认生成方案,Agent 自行搭建了 25 个节点、48 条连线:从剧本架构、8 镜分镜表,到角色、场景、镜头首帧、视频与中文旁白,过程和素材都留在画布上。
把创作方法,变成随时可用的技能。
为创作助手提供特定任务的方法、步骤与要求。浏览技能市场,查看使用条件与文件,再安装指定版本。
| 官方技能 | 本次实际交付 |
|---|---|
| 双镜头文字分镜 | 咖啡短片:两镜各 4 秒,列出画面、声音与待确认项。 |
| 采访提纲 | 社区书店:三个开放问题、条件追问、补拍与授权清单。 |
| 素材清单整理 | 咖啡视频+清晨照片:用途分类、授权记录与时长、声音缺口。 |
文字技能无需配置多模态模型;涉及图片、视频或音频的技能,按其使用条件配置相应能力。
BeefTV 同时提供项目库、个人资产库、异步任务、模型渠道与创作工具。
| High Performance | Lightweight | AI Native |
|---|---|---|
| 面向复杂画布优化渲染、媒体预览与任务处理。 | 本地优先,一个桌面工作区即可开始,能力按需加载。 | Agent 推进创作,Skills 提供方法,工作流复用步骤。 |
欢迎提交 Issue 和 Pull Request。开发流程与测试要求见 CONTRIBUTING.md。
仓库采用分范围许可:自首次引入新许可的提交起,符合授权条件的新增原创内容适用 BeefTV Source Available License 1.0;已按 MIT 发布的历史内容继续适用同文件保留的 MIT 条款,上游和第三方材料保留各自许可。
新许可允许自部署、内部二开及使用 BeefTV 制作并销售作品;对其覆盖的软件进行商业转售、套壳销售、收费部署或定制交付,以及免费或收费向第三方提供托管功能,均需事先书面授权。独立教程、培训和一般技术咨询可收费,不能借此变相交付软件系统。授权联系:[email protected]。
新限制不追溯适用于历史 MIT 内容,也不覆盖第三方独立许可的材料。这是一份源码可用许可,不能将整个仓库视为标准 MIT 或 OSI 定义的开源项目。具体场景及覆盖边界见许可说明,上游来源与第三方归属见 NOTICE。
BeefTV 的开发基于并参考了以下开源项目与技术:
影策 Open AI Canvas(https://github.com/ddcat-ai/open-ai-canvas):面向 AI 影视与短剧创作的工作台。BeefTV 是基于该项目进行二次开发,画布节点编排、模型渠道接入、任务与素材管理及社区内置插件等基础能力来自该项目,并在此基础上持续改进优化为本地应用版本。再次感谢 ddcat 及所有 Open AI Canvas 贡献者对开源 AIGC 社区作出的贡献。
basketikun 的 infinite-canvas:将无限画布与 AI 图片创作结合的开源工作台。BeefTV 参考了其无限画布整体架构,并沿用了部分画布代码与技术能力,包括节点拖拽与缩放、连线、撤销重做、画布导入导出等。感谢 basketikun 及所有贡献者。
Pi(Pi Agent):轻量、可扩展的 Agent 框架,提供 Agent 执行循环、工具调用与会话管理等能力。BeefTV 内置 Agent 基于 Pi 构建,并围绕视频创作场景进行适配与扩展,接入画布操作、创作计划与技能管理等能力。感谢 Pi 的作者、维护团队及所有贡献者。
感谢以上项目作者、维护者及所有贡献者提供的基础与启发。BeefTV 在这些成果之上持续进行独立开发和深度优化;上游与第三方代码、版权声明及许可仍按各自条款保留,具体归属与许可范围见 NOTICE、THIRD_PARTY_NOTICES.md 和 LICENSE。