
VideoClaw
一句话创意,自动生成完整影片,让 AI 当你的视频员工。
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1898
使用教程
环境要求
- Python 环境(需支持 uv 包管理,用于后端依赖与启动)
- Node.js 与 npm(用于前端构建与启动)
- Linux / macOS 或 Windows 系统(分别使用 install.sh 或 install.bat)
- 本地可访问 8000 与 3000 端口(后端与前端的默认端口)
安装与启动步骤
-
1克隆项目仓库
README 中给出的仓库地址,克隆到本地后进入项目目录,注意后续路径为 video-claw/video-claw。
git clone https://github.com/HITsz-TMG/Video-Claw.git -
2一键安装依赖
推荐方式,脚本会自动安装依赖并构建前后端;只想装依赖不建前端可加跳过变量。
cd video-claw/video-claw chmod +x install.sh ./install.sh -
3手动安装后端
不使用一键脚本时,进入 backend 目录用 uv sync 安装后端依赖。
cd video-claw/video-claw/backend uv sync -
4复制后端配置
把示例配置复制为 config.yaml,可直接编辑文件,也可启动前端后在「设置」页修改。
cd video-claw/video-claw/backend cp config.yaml.example config.yaml -
5启动后端服务
在后端目录启动 API 服务,默认运行在 http://localhost:8000。
cd video-claw/video-claw/backend uv run python api_server.py -
6启动前端服务
新开一个终端,进入 frontend 目录安装、构建并启动前端,默认端口 3000。
cd video-claw/video-claw/frontend npm install npm run build npm start
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
api_providers | 是 | 保存各模型服务平台的密钥、接口地址和代理开关。 | api_providers:
your_provider:
api_key: sk-xxxxxxxx |
models | 是 | 主流程首页使用的默认模型,创建项目时读取;不配置会自动报错。 | models:
text: your-model-name
image: your-model-name
v |
如何确认成功
浏览器打开 http://localhost:3000 能看到前端页面,且 http://localhost:8000 后端服务可访问,即启动成功。
常见问题
Q:只想安装依赖、暂时跳过前端构建怎么办?
A:在项目目录执行 AIGC_DIRECTOR_SKIP_FRONTEND_BUILD=1 ./install.sh 即可跳过前端构建步骤。
Q:Windows 系统怎么安装?
A:进入 video-claw\video-claw 目录后运行 install.bat,再分别启动后端和前端。
Q:如何通过 OpenClaw 或 ClawHub 使用?
A:可执行 clawhub install video-claw(所有询问选 yes),或让 OpenClaw 克隆仓库并把 video-claw 文件夹复制到 .openclaw/workspace/skills;首次使用时会自动构建前后端。
Q:创建项目时报缺少模型参数怎么办?
A:后端不会为主流程自动兜底选择模型,需在前端「设置」页或 config.yaml 中配置好 api_providers 与 models 默认模型。
Q:Pipeline 功能用主流程的默认模型吗?
A:不使用。文艺短视频、动作迁移、数字人口播等 Pipeline 需在对应 Pipeline 页面单独选择模型。
注意事项
- 后端默认端口 8000,前端默认端口 3000,启动前端需新开一个终端。
- 项目目录结构为上层的 video-claw 与内部的 video-claw 两层,命令中的路径不要改动。
- 方式一(install.sh / install.bat)与方式二手动安装为两种可选路径,手动安装时前端需 npm install、npm run build 后再 npm start。
- 配置中的密钥请勿提交到公开仓库,建议在前端「设置」页统一管理。
核心亮点
- 全自动化流程:从文本创意到成片无需人工干预,大幅降低视频制作门槛。
- 多智能体架构:通过 Agent 协作处理脚本、画面、配音等任务,分工明确且可扩展。
- 集成主流 AIGC 能力:内置图像生成和 TTS,可直接产出带配音的视频,开箱即用。
不足之处
- 依赖外部模型 API,生成质量和速度受限于底层服务。
- 文档/社区待观察:项目较新,教程和社区支持尚不完善。
适用场景
- 快速生成营销短视频或广告片
- 为自媒体创作者提供自动化内容生产
- 教育或培训场景中制作演示视频
替代项目
ShortGPT、FFmpeg Filmulator、VideoGPT
同类项目推荐
flux-3-video-api
开源
一行 Python 代码,调用 FLUX 3 生成带声音的视频
Python wrapper for Black Forest Labs' FLUX 3 video API — Text-to-Video and Image-to···
AutoDubVN
开源
一键把视频翻译配音成多语言,自动出片
Automated video dubbing, translation, voice generation, subtitle processing, and ren···
short-video-maker
开源
输入主题,自动生成适配多平台的短视频。
Creates short videos for TikTok, Instagram Reels, and YouTube Shorts using the Model···
huashu-art-motion
开源
用代码选风格加解说,让画作直接动起来出片
艺术动画skill:35种艺术风格、9种解说语法,用代码让画动起来。
StoryGen-Atelier
开源
输入故事创意,自动生成分镜、过渡片段并拼成视频
AI-assisted storyboard and video generation tool. Uses Gemini for generating storybo···
diffusion-forcing-transformer
开源
用历史帧引导扩散模型,生成更连贯的视频
[ICML 2025] Official PyTorch Implementation of "History-Guided Video Diffusion"
baocut
开源
AI 自动转写配音剪视频,时间线上随时改
BaoCut: an AI video agent with an editable timeline. Transcribe, subtitle, translate···
pireel
开源
让AI代理自动剪辑视频,开源替代CapCut
The open-source alternative to Capcut、ChatCut. Drivable by any AI agent over MCP.
TATS
开源
用文本或音频生成分钟级连贯长视频,突破短视频限制。
Official PyTorch implementation of TATS: A Long Video Generation Framework with Time···