Kōdan
Serenidad · 寫作 · 圖片 · 程式設計
Kōdan 是 macOS 上的開源應用程式，能把文字提示變成動畫畫面、配音與短片，全程在你自己的電腦上完成。適合想自己主導故事的玩家。
關於 Kōdan
What Is Kōdan
Kōdan 是一款桌面工具，用鍵盤就能做動畫，不必拿繪圖板。把它想成一套在你自己的電腦上運作的動畫創作工具。你把場景寫成文字，應用程式生成畫面、用複製的聲音加上對白，再把各部分接成一段短片。它在 macOS 上運作，目前處於早期 alpha 階段，版本是 v0.1。
它和同類工具最大的差別，在於運算發生的位置。Kōdan 把繪圖、語音與影片模型跑在你自己的電腦上，而不是雲端。程式碼完全開源，你可以逐段看懂每個步驟、換上自己的模型，專案也留在本機硬碟。整條流程由幾個獨立部分組成：繪圖用 Stable Diffusion 基礎模型加上可選的 LoRA 風格，語音用 XTTS 模型，字幕與最終輸出則交給 ffmpeg。
限制和功能一樣值得注意。它只支援 macOS，而且下載檔是 Apple Silicon 版本，所以 Windows 與 Intel 版 Mac 目前都被排除在外。它還是 alpha，代表有粗糙之處，也不保證穩定。本機生成也吃硬體，工具還預期你自己準備模型檔，而不是全部幫你備好。
Getting Started
- 到 Kōdan 官方網站索取 alpha 版本，留下電子郵件以取得下載連結。
- 開啟 arm64 磁碟映像檔，在 Apple Silicon 的 Mac 上安裝應用程式。
- 複製開源儲存庫，把你選的基礎模型與 LoRA 檔放進 Models 資料夾。
- 在應用程式裡寫下場景提示，選一個聲音，生成每個鏡頭的畫面與音訊。
- 把專案算成一段影片，再匯出完成檔。
產品資訊
快速了解 Kōdan 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 動畫愛好者：你寫下一段場景，就能得到畫面、配音與短片，不必會畫圖，前提是用 Apple Silicon 的 Mac，並自行準備模型檔。
- 開源玩家：完整程式碼放在 GitHub，你可以讀懂整條流程、替換模型，照自己的想法重組各部分。
- 重視隱私的創作者：運算在你自己的機器上進行，提示與專案不會落到別人的伺服器。
- 預算有限的個人創作者：本機生成省下每張圖的訂閱費，代價是對硬體要求較高。
任務
- 用文字生成場景：描述一個畫面，得到相符的靜態圖，再調整提示重新生成。
- 替角色配音：XTTS 模型用你選的聲音唸出對白，聲音取自一段簡短的參考音檔。
- 串成一段短序列：畫面與音訊片段結合成影片，再算成單一檔案。
- 把字幕壓進場景：字幕工具用指定字體、顏色與描邊，把文字畫在圖上。
- 用 LoRA 定調畫風：載入風格檔，把畫面推向特定的視覺方向。
情境
- 在家做同人短片：一個人就能從寫下的點子，做到用一台筆電看完的短片。
- 試探故事點子：先用真實畫面與配音看一段場景的效果，再決定要不要投入完整製作。
- 了解生成流程怎麼運作：因為各部分開源，這個工具也能讓你看到繪圖、語音與影片模型一起跑的樣子。
- 離線作業：不能把素材上傳到雲端工具的人，可以在本機把場景做出來。
主要功能
在自己電腦上本機生成
Kōdan 把繪圖、語音與影片模型跑在你的 Mac 上，而不是雲端服務。提示與專案因此留在本機硬碟，也不用花每張圖的額度。代價是硬體：效能好的 Apple Silicon 機器比老機器更能扛，而生成的等待時間也比託管服務久。
文字生成動畫畫面
繪圖階段用 Stable Diffusion 流程，把寫下的提示變成動畫風格的靜態畫面，所以這個工具本身就是本機的 AI 動畫生成器。你控制提示與反向提示，工具為每個鏡頭跑固定次數的推論。基礎模型可以替換，最終畫風就看你載入哪個模型與風格檔。
支援 LoRA 風格
LoRA 檔讓你調整基礎模型走向特定畫風，不必從頭重新訓練。你把風格檔放進 Models 資料夾，和基礎模型一起載入。對追求特定畫風的人來說，這是把結果推離預設值的主要手段。
用 XTTS 複製聲音
語音階段用 XTTS 模型，以你選的聲音唸出對白。它從一段簡短的參考音檔取樣，所以同一把聲音能跨場景重複使用，角色的聲音也保持一致。整件事都在本機完成，這正是它算得上本機 AI 流程的原因，也代表沒有任何音訊離開你的機器。應用程式附上幾組示範聲音，並在生成音訊前把長對白切成段落。
字幕與字卡
字幕工具用你選的字體、顏色與描邊，把文字畫在場景上。它先以比畫面更高的解析度繪製文字，再縮小貼回，字緣因此保持銳利。想把易讀的字幕直接壓進畫面、而不是事後在剪輯軟體補上的人，會用得上這個功能。
專案算圖與匯出
算圖階段會收集專案的畫面與片段，依場景編號排序，再用 ffmpeg 併成單一影片。缺少片段時，會用一張停留幾秒的靜態圖替代。最後得到一個可以分享的檔案，這是從提示走到成品動畫場景的最後一站。
優缺點
優點
- 完全在自己的機器上跑，提示與專案留在本機，也沒有每張圖的費用。
- 程式碼完全開源，你可以檢查每個階段並改動整條流程。
- 繪圖、語音與字幕分成獨立階段，涵蓋一段短動畫的各種環節，不只是其中一項。
- 基礎模型可替換，加上 LoRA 檔，對視覺風格有實際的控制權。
- 長對白會自動切段，避免生成語音時被整份腳本卡住。
缺點
- 只支援 macOS，而 alpha 版本針對 Apple Silicon，所以 Windows 與 Intel 版 Mac 使用者無法使用。
- 目前是 v0.1 alpha，要有粗糙、完成度低、更新之間可能出錯的心理準備。
- 生成品質取決於你自備的模型，而這些檔案得自己找、自己放。
- 本機生成速度慢又受硬體限制，效能較弱的機器每個場景要等更久。
常見問題
Kōdan 是 macOS 應用程式，也是開源專案，能從文字創作動畫。你寫下一段場景，它生成畫面、用聲音複製模型加上配音，再把各部分算成一段短片。模型在你自己的電腦上跑，不在雲端。整套開源動畫的流程，就是一條文字轉動畫的產線。
相關內容
探索與 Kōdan 相關的工具、技能與文章。
Kōdan 替代方案
Google EmbeddingGemma 2
Google DeepMind · 寫作 · 圖片 · 程式設計Google EmbeddingGemma 2 是 7.4 億參數的開源模型，能把文字、程式碼、圖片、音訊與影片畫面轉成同一個 768 維空間裡的向量，在手機與筆電上就能執行。
MePersona
MePersona, Inc. · 寫作 · 生產力 · 行銷MePersona 是為創作者設計的 AI 統一收件匣。它學習你的說話方式，在 12 個平台上草擬粉絲訊息回覆，只送出你核准的內容。
Fluence
Yay Software (Yannick Huchard) · 寫作 · 語音與語言 · 生產力Fluence 是 Android 上的文件閱讀器，能朗讀 PDF、EPUB、Word 檔與網路文章，逐句跟著語音標示，並在手機上直接回答你對內容的提問。