🎬 剧本拆解大师 Script Analyzer

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.

中文说明 | English Guide

---

English Guide

⚠️⚠️⚠️一定要一集一集拆解，不要整个剧本扔进去，模型上下文处理不了⚠️⚠️⚠️ ⚠️⚠️⚠️优化主要是针对出海的英文剧本资产和分镜的拆解，电影电视剧不适用哦⚠️⚠️⚠️

What It Does

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.

Tech Stack

• 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)

Quick Start

pip install -r requirements.txt
PORT=5005 python3 app.py
# Open http://localhost:5005

AI Configuration

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)

Usage

1. Paste your script text or upload a .txt / .docx / .pdf file
2. Select AI provider and fill in your API Key (if using DeepSeek)
3. Click 开始分析 (Start Analysis)
4. Watch the progress bar as it runs through all four steps
5. Download HTML / Word reports

Output Files

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)

Project Structure

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

Configuration

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

License

MIT

---

中文使用说明

功能

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。

技术栈

• 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)

快速开始

pip install -r requirements.txt
PORT=5005 python3 app.py
# 浏览器打开 http://localhost:5005

配置 AI

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）

使用

1. 粘贴剧本文字或上传 .txt / .docx / .pdf 文件
2. 选择 AI 提供商并填入 API Key（DeepSeek）
3. 点击 开始分析
4. 等待进度条走完四步拆解
5. 查看结果 → 下载 HTML / Word 报告

输出文件

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

项目结构

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

配置项

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

License

MIT