AI-powered script breakdown tool for film/TV production. Extract characters, props, scenes, and storyboard shots from screenplays. Outputs HTML + Word reports with generation-ready AI prompts.
Paste/Upload Script → AI Analysis → Four-Step Breakdown
─────────────────────────────────────────────────────────
Characters → Props → Scenes → Storyboard
↓ ↓ ↓ ↓
Profile Card Info Card Dual Prompts 6-Module Shots
AI Prompt AI Prompt Wide+Topdown Timeline Chains
Each step outputs independent HTML and Word files as soon as it completes.
- Backend: Python 3.9+ / Flask / SSE real-time progress
- Frontend: Vanilla JS + CSS / Jinja2 templates
- AI: DeepSeek API (recommended) or Ollama local models
- Reports: python-docx (Word) / Jinja2 (HTML)
pip install -r requirements.txt
PORT=5005 python3 app.py
# Open http://localhost:5005| Provider | Required | How to Get |
|---|---|---|
| DeepSeek API | API Key | Sign up at platform.deepseek.com |
| Ollama | None | Install Ollama and start it locally |
Recommended model: deepseek-v4-flash (1M context window, fastest)
- Paste your script text or upload a
.txt/.docx/.pdffile - Select AI provider and fill in your API Key (if using DeepSeek)
- Click 开始分析 (Start Analysis)
- Watch the progress bar as it runs through all four steps
- Download HTML / Word reports
Reports are saved under outputs/<script-name>/:
outputs/ScriptName/
├── 角色提取.html Characters.html
├── 道具提取.html Props.html
├── 场景拆解.html Scenes.html
├── 分镜拆解.html Storyboard.html
└── *.docx (Word versions)
script-analyzer/
├── app.py # Flask routes + four-step generators
├── config.py # Model / API configuration
├── extractors/ # Extractors (prompt + parse logic)
│ ├── base.py # Shared JSON repair base class
│ ├── characters.py # Character extraction
│ ├── props.py # Prop extraction
│ ├── scenes.py # Scene breakdown
│ └── shots.py # Storyboard breakdown
├── services/
│ ├── ai_service.py # AI calls (strategy pattern)
│ └── file_parser.py # PDF/Word/TXT parsing
├── reports/
│ ├── html_report.py # HTML report generation
│ └── word_report.py # Word report generation
├── static/ # Frontend assets
│ ├── index.html
│ ├── js/app.js
│ └── css/style.css
├── templates/
│ └── report.html # Jinja2 report template
├── knowledge_base/ # JSON knowledge bases for prompts
├── utils/ # Utilities (SSE / text processing)
└── requirements.txt
Available via the "Advanced Parameters" panel or .env:
| Parameter | Default | Description |
|---|---|---|
PORT |
5000 | Server port |
max_tokens |
4000 | Max output tokens per AI call |
temperature |
0 | Generation randomness |
top_p |
0.95 | Nucleus sampling |
MIT
粘贴/上传剧本 → AI 分析 → 四步拆解
────────────────────────────────────────
角色提取 → 道具提取 → 场景拆解 → 分镜拆解
↓ ↓ ↓ ↓
角色信息卡 道具信息卡 双版提示词 六模块分镜
角色提示词 道具提示词 全景+俯视 秒级动作链
每个步骤完成后即时输出独立的 HTML 和 Word 文件。
- 后端: Python 3.9+ / Flask / SSE 实时进度推送
- 前端: 原生 JS + CSS / Jinja2 模板
- AI: 支持 DeepSeek API 和 Ollama 本地模型
- 报告: python-docx (Word) / Jinja2 (HTML)
pip install -r requirements.txt
PORT=5005 python3 app.py
# 浏览器打开 http://localhost:5005| 提供商 | 需要填写 | 说明 |
|---|---|---|
| DeepSeek API（推荐） | API Key | 到 platform.deepseek.com 创建 |
| Ollama（本地） | 无 | 需先安装并启动 Ollama |
推荐模型: deepseek-v4-flash（1M 上下文，速度最快）
- 粘贴剧本文字或上传
.txt/.docx/.pdf文件 - 选择 AI 提供商并填入 API Key（DeepSeek）
- 点击 开始分析
- 等待进度条走完四步拆解
- 查看结果 → 下载 HTML / Word 报告
分析完成后，报告保存在 outputs/剧本名/ 下：
outputs/剧名/
├── 角色提取.html 角色提取.docx
├── 道具提取.html 道具提取.docx
├── 场景拆解.html 场景拆解.docx
└── 分镜拆解.html 分镜拆解.docx
script-analyzer/
├── app.py # Flask 主路由 + 四步生成器
├── config.py # 模型 / API 配置
├── extractors/ # 提取器（prompt + 解析逻辑）
│ ├── base.py # 公共 JSON 修复基类
│ ├── characters.py # 角色提取
│ ├── props.py # 道具提取
│ ├── scenes.py # 场景拆解
│ └── shots.py # 分镜拆解
├── services/
│ ├── ai_service.py # AI 调用（策略模式）
│ └── file_parser.py # PDF/Word/TXT 解析
├── reports/
│ ├── html_report.py # HTML 报告生成
│ └── word_report.py # Word 报告生成
├── static/ # 前端静态资源
│ ├── index.html
│ ├── js/app.js
│ └── css/style.css
├── templates/
│ └── report.html # Jinja2 报告模板
├── knowledge_base/ # 知识库 JSON
├── utils/ # 工具函数（SSE / 文本处理）
└── requirements.txt
通过网页界面的「高级参数」或在 .env 中设置：
| 参数 | 默认值 | 说明 |
|---|---|---|
PORT |
5000 | 服务端口 |
max_tokens |
4000 | AI 单次输出上限 |
temperature |
0 | 生成随机性 |
top_p |
0.95 | 核采样 |
MIT