AB
AiBoss站
project

ViralForge - 把爆款短视频拆成可编辑结构的智能体工作台

ViralForge 是 fendouai 维护的开源项目,据项目自述,它能把一条短视频拆解成「Viral DNA 报告」,再把可复用的结构重建为可编辑的 VFML 工程,并批量生成用于 A/B 测试的变体。本文按官方接口与项目自述整理其状态、能力、使用入口与许可边界。

ViralForge 是一个面向短视频内容生产的开源项目,据项目自述,它的定位是「agent-native studio for viral short videos」——把一条已经跑出成绩的短视频当作起点,先拆解,再复用。使用者可以粘贴一个链接或上传本地文件,得到一份「Viral DNA 报告」,其中拆出钩子、逐镜结构、关键词锚点、节拍网格、字幕风格、情绪曲线与转化逻辑;随后替换产品与文案,项目会把原本奏效的结构重建为一个可编辑的 VFML 工程,并生成多个带成本估算的变体用于 A/B 测试。项目自述强调,它输出的不是又一个黑盒 MP4,而是可分享、可结构化、可编辑的资产。按 README 的说法,它面向增长团队、UGC 代理商、电商品牌、独立创业者,以及希望把视频流程做成可复现流水线而非「提示词抽奖」的智能体开发者。

维护者与状态

该项目由 fendouai 维护,仓库创建于 2026-11-11,最后一次提交时间为 2026-11-20。截至 2026-11-22,仓库星标数为 512。项目目前尚无正式 release,因此没有可引用的版本号与发布说明;README 中提到的 v0.1 studio 属于项目自述的形态描述,并非正式发布记录。

从时间线看,这是一个非常年轻的项目:创建到最近一次提交之间不足两周,星标积累与代码迭代都处在早期阶段。对打算引入生产流程的团队来说,这意味着接口、文件格式与命令行为都可能继续变化,评估时应以仓库当前代码为准,而不是以文档中的描述为准。

主要能力

以下能力均来自项目自述,未经过独立验证:

  • 脚本拆解:把参考视频拆成钩子、逐镜结构、关键词锚点、节拍网格、字幕样式、情绪曲线与转化逻辑,形成一份结构化报告。README 中的案例把这一层称为「Viral DNA」。
  • 结构复用:保留原片的镜头结构与节奏,替换人物、产品与场景,重建为可编辑的 VFML 工程,而不是直接产出一段不可修改的视频。
  • 变体批量生成:围绕同一结构生成多个变体,并给出成本估算,供 A/B 测试挑选。案例中展示了按钩子角度、受众与成本排列的变体矩阵。
  • 逐镜产品一致性:项目自述提到「reference-image lock per shot」,即按镜头锁定参考图,以维持产品外观一致。
  • 智能体可调用:README 称其提供 Skill、MCP server 与 CLI 三种调用面,便于接入自动化流程。
  • 工程化输出:VFML 作为项目自定义的工程格式,配合 FFmpeg 完成渲染环节。

需要特别说明的是,README 中的演示片段与案例数据属于自述材料。项目明确写到,演示视频是手工用第三方工具生成的,用于说明预期工作流,而非 ViralForge 的自动化模型调用;案例中的播放量、完播率、DNA 分数与成本均为演示用的固定值,用于展示报告格式,不代表客户结果,应用本身也不产生计费。

使用入口

项目仓库地址为 fendouai/ViralForge,安装方式、依赖与命令细节以仓库内文档为准。

据项目说明,本地启动 studio 的方式是在仓库目录下运行开发命令,然后在界面中选择示例案例:

npm run dev

文档语言方面,README 称英文为默认文档语言,中文文档位于 README.zh-CN.md;v0.1 studio 附带中文演示素材,但文档与智能体接口以英文为先。使用前建议先确认 Node 环境与 FFmpeg 是否就绪,因为渲染环节依赖后者。

许可与限制

项目采用 Apache-2.0 许可证,可按该许可证条款使用与分发,具体以仓库内的 LICENSE 文件为准。

限制与边界方面,项目自述与素材中有几点值得注意:

  • 项目尚无正式 release,接口与格式处于早期,不建议在未做验证的情况下接入关键生产链路。
  • 演示片段为手工制作,用于示意预期效果;README 明确表示精确的镜头时序尚未验证。
  • 案例中的指标、DNA 分数与成本数字是演示用固定值,不能当作效果承诺或报价依据。
  • 参考素材不会被再分发,演示片段均标注为自制 AI 内容;使用者需自行确认所引用视频的版权与平台条款。
  • 项目自述面向短视频广告与内容再创作场景,是否适用于长视频、直播切片等其他形态,素材中未作说明。

总体而言,ViralForge 试图解决的是「不知道什么会奏效」这一环:把人工拆解爆款的经验沉淀成结构化、可编辑、可被智能体调用的资产。它是否真的能稳定复现效果,还需要使用者用自己的素材去验证。