电影工作室AI平台

一个基于Google Cloud AI生态系统的电影制作平台,提供从前期制作到后期制作的AI辅助工具。

  • by borahanmirzaii
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 borahanmirzaii/template-fastapi-adk-mcp-vertex

使用说明

影院工作室AI平台

FastAPI+Google ADK模板与MCP(模型上下文协议)和Vertex AI集成。用于尝试代理工作流的CLI工具。

一个基于谷歌云人工智能生态系统的全面、深度集成的电影工作室应用平台,利用了Vertex AI、Gemini、代理开发工具包(ADK)和模型上下文协议(MCP)。

该平台是电影制作人和艺术家的中心,提供人工智能驱动的工具,可以增强和加速电影制作过程的每个阶段:前期制作、制作和后期制作。

概述

Cinema Studio AI平台使电影制作人能够:

  • 预生产:人工智能辅助编剧、角色开发、故事板、概念艺术生成和智能选角/位置侦察
  • 生产:实时现场协助、连续性跟踪和虚拟生产支持
  • 录制之后的:自动编辑、VFX集成、色彩分级和智能媒体资产管理

特性

预生产工具

  • 人工智能辅助编剧 (双子座)

    • 为场景生成对话
    • 开发丰富的角色配置文件
    • 头脑风暴故事创意
    • 分析叙事结构
  • 动态故事板 (图片/我看到)

    • 将脚本场景转换为视觉故事板
    • 生成预可视化序列
    • 探索相机角度和构图
  • 概念艺术生成

    • 角色设计变化
    • 环境和位置概念
    • 支柱和物体设计
  • AI代理

    • 选角代理:人才推荐
    • 地点侦察员:拍摄地点建议

生产工具

  • 现场连续性跟踪(即将推出)
  • 虚拟生产支持(即将推出)
  • 实时数据集成(即将推出)

后期制作工具

  • 通过MCP集成视觉特效(即将推出)
  • 人工智能色彩分级(即将推出)
  • 智能媒体资产管理(即将推出)

技术栈

  • 谷歌云平台:基础设施和计算
  • 顶点AI:人工智能模型训练和部署
  • 双子座2.0:高级语言理解和生成
  • 图像:故事板和概念艺术的图像生成
  • 代理开发工具包(ADK):构建智能代理
  • 模型上下文协议(MCP):与行业工具集成
  • Python 3.10+:核心实现语言

先决条件

  • Python 3.10或更高版本
  • 具有活动项目的Google Cloud帐户
  • 谷歌人工智能API密钥(适用于Gemini)
  • Git和GitHub CLI(gh)

安装

1.克隆存储库

git clone https://github.com/yourusername/adk-mcp-vertext-xepriment-cli.git
cd adk-mcp-vertext-xepriment-cli

2.创建虚拟环境

python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

3.安装依赖项

pip install -r requirements.txt

或用于开发:

pip install -e ".[dev]"

4.配置环境

复制示例环境文件并配置您的设置:

cp .env.example .env

编辑 .env 并添加您的配置:

GOOGLE_CLOUD_PROJECT=your-project-id
GOOGLE_CLOUD_PROJECT_NUMBER=your-project-number
GOOGLE_AI_API_KEY=your-gemini-api-key
VERTEX_AI_LOCATION=us-central1

5.设置谷歌云

# Authenticate with Google Cloud
gcloud auth login
gcloud auth application-default login

# Set your project
gcloud config set project your-project-id

# Enable required APIs
gcloud services enable aiplatform.googleapis.com
gcloud services enable generativelanguage.googleapis.com

用法

命令行界面

该平台提供了一个全面的CLI:

# Show platform information
cinema-studio info

# Generate dialogue for a scene
cinema-studio preproduction generate-dialogue \
  --scene "A tense confrontation in a warehouse" \
  --characters "DETECTIVE, SUSPECT" \
  --tone "suspenseful"

# Develop a character profile
cinema-studio preproduction develop-character \
  --name "Alex Chen" \
  --description "A brilliant AI researcher"

# Analyze a script
cinema-studio preproduction analyze-script script.txt

# Get casting recommendations
cinema-studio agents casting \
  --character "Alex Chen" \
  --description "Brilliant AI researcher, 30s"

# Scout locations
cinema-studio agents location-scout \
  --scene "Futuristic research lab" \
  --location-type "interior"

Python API

以编程方式使用平台:

import asyncio
from cinema_studio.preproduction.scriptwriting import ScriptWriter
from cinema_studio.agents.casting_agent import CastingAgent

async def main():
    # Generate dialogue
    writer = ScriptWriter()
    dialogue = await writer.generate_dialogue(
        scene_description="A tense confrontation",
        character_names=["DETECTIVE", "SUSPECT"],
        tone="suspenseful"
    )
    print(dialogue)

    # Get casting recommendations
    agent = CastingAgent()
    result = await agent.execute({
        "character_name": "Alex Chen",
        "character_description": "Brilliant AI researcher",
    })
    print(result["recommendations"])

asyncio.run(main())

快速入门示例

运行附带的示例:

python examples/quick_start.py

项目结构

adk-mcp-vertext-xepriment-cli/
├── src/
│   └── cinema_studio/
│       ├── config/           # Configuration management
│       ├── preproduction/    # Pre-production tools
│       ├── production/       # Production tools
│       ├── postproduction/   # Post-production tools
│       ├── agents/           # AI agents (ADK)
│       └── cli.py            # Command-line interface
├── tests/                    # Test suite
├── examples/                 # Example scripts
├── docs/                     # Documentation
├── .env.example              # Environment template
├── requirements.txt          # Python dependencies
├── pyproject.toml           # Project metadata
└── README.md                # This file

配置

平台使用环境变量进行配置。看 .env.example 所有可用选项。

关键设置:

  • GOOGLE_CLOUD_PROJECT:您的GCP项目ID
  • GOOGLE_AI_API_KEY:Gemini的API密钥
  • VERTEX_AI_LOCATION:顶点AI区域
  • MCP_ENABLED:启用模型上下文协议

发展

运行测试

pytest

代码格式化

black src/
ruff check src/

类型检查

mypy src/

路线图

  • [x] 前期制作:编剧与分析
  • [x] 前期制作:人工智能代理(选角、外景拍摄)
  • []前期制作:故事板生成集成
  • []前期制作:概念艺术工作流程
  • []制作:现场连续性跟踪
  • []生产:虚拟生产支持
  • []后期制作:通过MCP集成视觉特效
  • []后期制作:自动编辑建议
  • []后期制作:颜色分级建议
  • []MCP与Adobe After Effects的集成
  • []MCP与DaVinci Resolve的集成
  • []实时协作功能
  • []媒体资产管理系统

贡献

欢迎投稿!请在提交PR之前阅读我们的投稿指南。

许可证

MIT许可证-有关详细信息,请参阅许可证文件

资源

支持

对于问题和疑问:

  • 在GitHub上打开一个问题
  • 检查文档
  • 查看中的示例脚本 examples/

基于谷歌的人工智能生态系统构建 | 由Vertex AI、Gemini、ADK和MCP提供技术支持