中文 · English

（Multimodal Orchestration for Retail Automation）

本地优先的 AI 视频工作台，从脚本、素材到配音、字幕与成片导出。

用文本模型编写脚本与分镜，组合本地、图库或 AI 素材，在同一个项目中完成制作并管理任务和版本。

真实案例 · 工作方式 · 快速开始 · 技术架构 · 桌面版 · Roadmap · English

Mora 最初面向两种制作需求：用一张商品图片和几句介绍制作商品视频，以及将已经拍好的原片剪辑成适合发布的短片。

从商品图片开始时，可以用模型编写脚本、规划分镜并生成镜头。已有拍摄原片时，则可以分析素材、调整节奏，再完成配音、字幕和本地合成。

下面是这两种制作方式的案例。点击预览图可播放完整视频。

宠物饮水机短片以一张商品图片和一段简短介绍为输入。文本模型编写脚本、规划镜头顺序和画面要求，再通过图片或视频生成补齐镜头。脚本、候选素材和成片版本都保存在项目中。

生成式商品短片 · 30.02 秒 · 1080×1920
_{商品图片 + 简单介绍 → 文本脚本与分镜 → 生成镜头 → 完整视频版本}

理发店短片以一段已拍摄的竖屏视频为输入。Mora 拆分场景、分析内容，按推广脚本安排镜头，再生成配音和字幕，通过 FFmpeg 在本地渲染。原片、编辑计划和历史成片分别保存，方便比较和重新编辑。

已有素材剪辑 · 16.4 秒 · 本地渲染
_{上传原片 → 场景拆分 → 整理节拍 → 配音字幕 → FFmpeg 本地成片}

脚本、分镜、商品资料、素材来源、配音、字幕、模型任务、合成记录和导出版本保存在同一个项目中，便于查找素材、查看进度和比较版本。

文本模型根据商品卖点、受众、平台、时长和创作形式编写脚本。脚本用于安排画面、配音长度、字幕时间轴和视频节奏，支持手动编辑和导入。

本地转写、场景拆分、字幕、FFmpeg 合成和文件管理，与第三方模型及语音服务的调用分别呈现。模型费用由对应服务商收取，Mora 不代收；具体价格请查看服务商的计费说明。

流水线阶段、云端任务、合成记录和错误原因持续落库。中断后可以从断点继续，已完成且可能计费的步骤不会因为页面刷新被无意重复提交。

项目按最终视频的制作方式区分路径：Mora 与 FFmpeg 渲染的成片归入本地路径，云端视频模型直接生成的成片归入生成式视频路径。已有原片可以进入专门的剪辑工作流，在本地完成后期。

flowchart TD
    INPUT["商品资料 / 创作主题 / 已有视频"] --> SCRIPT_SOURCE{"脚本从哪里来？"}
    SCRIPT_SOURCE -->|"自动生成、改写或审查"| TEXT_LLM["文本大模型<br/>BYOK 云端服务或本地 Ollama"]
    SCRIPT_SOURCE -->|"手动编写或导入"| MANUAL["可编辑脚本"]
    TEXT_LLM --> SCRIPT["结构化脚本<br/>分镜、节拍与画面约束"]
    MANUAL --> SCRIPT
    SCRIPT --> FINAL_SOURCE{"最终视频如何产生？"}
    FINAL_SOURCE -->|"Mora + FFmpeg 本地渲染"| LOCAL["本地素材合成<br/>本地 / 图库 / AI 素材"]
    FINAL_SOURCE -->|"视频模型直接生成最终视频"| GENERATIVE["生成式视频<br/>云端任务与结果回存"]
    FINAL_SOURCE -->|"从已经拍好的原片继续"| EDIT["已有素材剪辑<br/>场景拆分 / 文字剪辑 / 本地重渲染"]
    LOCAL --> EXPORT["版本、预览、质检与导出"]
    GENERATIVE --> EXPORT
    EDIT --> EXPORT

文本模型或手动脚本 → 本地/图库/AI 图片素材 → 配音 → 字幕 → BGM → FFmpeg 合成 → 导出

• 使用本地上传、项目历史素材和已配置的开放素材源。
• 支持配音、字幕烧录、卡拉 OK、BGM、音量闪避、画幅和渲染预设。
• AI 图片也可作为本地合成的素材。

文本脚本 → 视觉约束 → 图片/视频模型 → 候选素材或云端最终视频 → 回存项目 → 导出

• 图片、视频和参考生能力分别选择平台与模型。
• 请求前检查输入能力、分辨率、比例、时长和参考素材要求。
• 云端任务与本地合成状态分离，避免误判项目来源或重复计费。

上传原片 → LLM 理解画面与声音 → 确认推广文案 → 选择剪辑方案 → 配音字幕 → 本地渲染与质检 → 导出

• 适合口播、探店、课程、访谈和已经拍好的竖屏素材。
• “AI 智能成片”使用视觉大模型理解场景和可见依据，结合商品或服务、目标顾客、卖点和期望行动生成三种推广文案方向；用户可以逐步确认、分段修改或按选填要求重写。
• 确认文案后生成三套可解释的镜头方案，标出系统推荐项，并可查看每个镜头的成片时间、原片区间、文案和画面依据。
• 选定方案后自动完成旁白、中文字幕、FFmpeg 本地剪辑和云端视觉质检；任务、原片、方案与成片版本均可追踪和恢复。
• 同时支持引导式剪辑与基于转写文本的精细删改。
• 原片、编辑计划和历史版本持续保留，方便比较与回退。

• Node.js 20+
• pnpm 10+
• Windows 10/11、macOS 或常见 Linux 开发环境
• 项目依赖携带 FFmpeg/ffprobe，无需额外安装系统 FFmpeg

git clone https://github.com/sumarilkkxx/Mora.git mora
cd mora
pnpm install
pnpm dev

打开 http://localhost:3000。首次访问数据库功能时，Drizzle 会把迁移应用到本地 data/sqlite.db。

1. 在“设置”中配置文本脚本模型；如果只打算手动导入脚本，可以暂时跳过。
2. 选择云端 OpenAI 兼容服务并填写自己的 Key，或连接 http://127.0.0.1:11434/v1 的本机 Ollama。
3. 从商品资料、创作主题或已有视频创建项目。
4. 确认脚本后再选择本地素材、生成式镜头或已有视频剪辑路径。
5. 在导出前检查素材授权、模型费用、字幕、音量和平台 AIGC 标识要求。

CLI 的 create 命令会自动编写脚本，因此必须提供文本模型：

export MORA_LLM_BASE_URL="https://your-endpoint.example/v1"
export MORA_LLM_API_KEY="your-key"
export MORA_LLM_MODEL="your-model"

pnpm cli -- create --topic "在家手冲咖啡" --duration 25 --style lifestyle --karaoke

Windows PowerShell 使用 $env:MORA_LLM_BASE_URL=...。运行 pnpm cli -- --help 可查看商品链接、脚本导入、配音译制、平台导出、QC、发布门禁、素材授权清单和封面等命令。

pnpm lint
pnpm test
pnpm build

创作台	脚本工作区	生产控制台
本地合成	文字剪辑	任务中心

Mora 在 Web 开发模式和 Electron 桌面版中复用同一个 Next.js 应用。桌面版会启动一个只监听本机地址的 standalone 服务，并把 SQLite、上传文件、缓存和成片定向到系统用户数据目录；FFmpeg 与 ffprobe 随应用打包。

flowchart TB
    subgraph ENTRY["访问层"]
        WEB["Next.js Web UI"]
        CLI["Node CLI"]
        DESKTOP["Electron 桌面壳"]
    end

    subgraph LOCAL["本机运行时"]
        APP["Next.js App Router<br/>页面 + API Routes + i18n"]
        CORE["脚本引擎 + Provider 适配器<br/>流水线 Runner + 任务中心"]
        DB[("SQLite + Drizzle<br/>项目 / 脚本 / 任务 / 版本")]
        FILES[("本地文件<br/>上传 / 缓存 / 成片 / 日志")]
        MEDIA["FFmpeg / ffprobe<br/>合成 / 字幕 / 音频 / 媒体分析"]
        OUTPUT["版本化 MP4 / 字幕 / 发布包"]
    end

    subgraph OPTIONAL["按需连接的第三方服务"]
        LLM["文本或视觉大模型"]
        GEN["图片 / 视频生成平台"]
        STOCK["开放素材 / 托管语音"]
    end

    WEB --> APP
    CLI --> APP
    DESKTOP -->|"启动本地 standalone 服务"| APP
    APP --> CORE
    CORE <--> DB
    CORE <--> FILES
    CORE --> MEDIA
    MEDIA --> OUTPUT
    CORE -. "BYOK 请求" .-> LLM
    CORE -. "按需生成" .-> GEN
    CORE -. "按需检索或配音" .-> STOCK
    LLM -. "结构化脚本/分析" .-> CORE
    GEN -. "候选素材或最终视频" .-> FILES
    STOCK -. "素材或音频" .-> FILES

• 项目保存内容类型、制作路径、目标时长和当前状态。
• 脚本保存结构化镜头、角色、版本与选中方案。
• 素材保存本地文件、远程来源、授权信息和项目归属。
• AI 任务与流水线保存服务商任务、阶段、失败原因和断点。
• 合成与编辑计划保存输入关系、渲染状态、输出文件和历史版本。

大部分配置在应用“设置”页完成，不要求把 Key 写进仓库。

密钥、余额、地区可用性和内容规则属于对应平台。执行可能计费的生成任务前，请核对模型、时长、分辨率和服务商实时价格。

• 开发数据默认位于仓库 data/；桌面版位于系统的 Mora 用户数据目录。
• SQLite、上传文件、缓存素材、成片和日志默认保存在本机。
• 调用脚本、图片、视频、素材或语音服务时，必要请求数据会发送给你配置的第三方平台。
• 商品链接读取带 SSRF 防护；登录墙、风控页面、地区限制或依赖浏览器 Cookie 的页面可能无法由后端直接读取。

# Next.js standalone + Electron 目录包
pnpm pack:dir

# Windows x64 NSIS 安装包
pnpm dist:win

# macOS DMG（在对应 macOS 架构或 CI runner 上执行）
pnpm dist:mac

GitHub Actions 已配置 Windows x64、macOS Apple Silicon 和 macOS Intel 构建任务，并对最终安装包执行 standalone、SQLite 迁移、FFmpeg/ffprobe、本地 ASR 运行时和核心页面启动检查。Mora 是 GitHub 上的开源项目：普通分支或手动构建标记为 unsigned-dev；正式 tag 在没有证书时生成明确标记的 unsigned 发布包，在配置完整证书后可选生成 signed 发布包。签名与 Apple 公证是信任体验增强，不是当前开源发布的硬门槛。

每个 GitHub Release 同时提供 SHA256SUMS.txt 和安装说明。下载后应先核对 SHA-256；未签名 Windows 安装包可能显示 SmartScreen“未知发布者”，未签名 macOS 安装包可能被 Gatekeeper 阻止。确认下载来自本项目 GitHub Release 且校验和一致后，Windows 可选择“更多信息 → 仍要运行”，macOS 可按住 Control 点击应用并选择“打开”，或在“系统设置 → 隐私与安全性”中选择“仍要打开”。

桌面升级会在启动新版本及执行迁移前，将 SQLite 数据库复制到用户数据目录下的 backups/desktop-upgrades/ 并校验 SHA-256。迁移或启动验证失败时会自动恢复旧数据库，并在 recovery/ 写入恢复说明。应用只检查 GitHub Release 的新版本并提示用户前往官方下载，不会静默下载或自动安装。

v0.3.0.0 是首个按正式 GitHub Release 发布的版本，目前存在以下限制：

• 淘宝、天猫等电商平台的登录墙、动态渲染、验证码、风控和 Cookie 隔离可能导致商品链接无法解析；当前可靠回退方式是手动填写商品信息或上传商品截图。
• 自动脚本依赖可访问的文本模型；云端端点不可用、额度不足或地区受限时会生成失败，完全离线使用需要手动导入脚本或配置本机 Ollama。
• 图片、视频、素材和语音服务的模型名称、参数、队列、价格及内容策略可能变化，适配器可能暂时落后于服务商更新。
• 云端生成和开放素材检索受网络质量、平台限流及任务排队影响，可能出现超时、拒绝或结果延迟；Mora 会保留可恢复状态，但无法保证第三方服务始终可用。

以下功能尚未确定发布日期，优先级会根据使用反馈、Issue 和贡献情况调整。

1. 从现有问题或一个边界清晰的小改动开始。
2. 新建分支并保持变更聚焦。
3. 为行为修改补充测试，运行 pnpm lint && pnpm test && pnpm build。
4. 在 Pull Request 中说明用户场景、前后行为、验证方式，以及是否影响模型费用、数据迁移或桌面打包。

请勿提交 API Key、data/ 中的用户素材、调试日志或桌面签名证书。

Mora 以 GNU Affero General Public License v3.0 only 发布。如果你修改 Mora 并通过网络向他人提供软件服务，请确认理解 AGPL 的源码提供义务。模型服务、字体和媒体素材仍受各自条款约束，不因项目采用 AGPL 而自动改变。

Mora
_{Multimodal Orchestration for Retail Automation}