DramaClaw: Eine source-available KI-Drama-Produktionslinie mit unendlicher Leinwand, Zwei-Spuren-Asset-Bibliothek und MCP-Agent

Überblick

DramaClaw ist eine „source-available“ Produktionslinie für KI-generierte Kurzdramen. Die Autoren sagen, es sei dieselbe industrialisierte Pipeline, die ihr Team täglich nutzt, keine Demo und keine abgespeckte Fassung. Sie deckt die ganze Kette ab: Aus Manuskript oder Drehbuch entstehen Episodenstruktur, Skripte, Storyboards, Startbilder, Sprechertexte und der fertige Film. Dazu kommen eine unendliche Knoten-Leinwand und ein eingebauter Agent.

Man betreibt das System selbst. Die Lizenz ist die Elastic License 2.0. Man darf es ausführen, ändern und die damit erstellten Werke verkaufen. Das Projekt bittet um den kleinen Hinweis „Powered by DramaClaw“ in der Oberfläche. Verschlossen bleibt nur der Weiterverkauf als gehosteter SaaS-Dienst für Dritte.

Architektur: zwei Spuren, eine Asset-Bibliothek

Die zentrale Entscheidung ist das Zwei-Spuren-Modell. Die erste Spur heißt XiaHua und ist eine knotenbasierte, unendliche Leinwand. Das README nennt 18 Knotentypen: Upload, Bilderzeugung und Bildbearbeitung, Storyboard-Erzeugung, Skript, Beat-Kontext, Video, Videokomposition, Audio, Stil, Skill, Gruppe, Textnotiz, 360°-Panoramaansicht, 3D-Welt, Export und weitere. Jeder Knoten behält seinen eigenen Erzeugungsverlauf, und Knoten lassen sich frei verbinden. Für große Projekte gibt es Tabs, Minimap, Ansichts-Lesezeichen, Einrasten, Detailstufen-Rendering, Revisionsverlauf mit Wiederherstellung und Sperren pro Leinwand.

Die zweite Spur ist die Serien-Pipeline XiaJi mit vier Phasen: Einlesen, Planen, Produzieren, Ausliefern. Beim Einlesen entstehen Episoden, Figuren und Szenen direkt aus einem Manuskript oder einem Drehbuch im Fountain-Format, ohne Wissensgraph und ohne Embeddings. Für ältere Projekte bleibt ein Pfad über den Cognee-Story-Graphen erhalten. Die Planung übernimmt Kapitelzerlegung, Beat-Planung und Bögen über mehrere Episoden. Die Skripterzeugung bietet adaptive, wörtliche und gestufte Modi, jeweils mit Prüf- und Reparaturschleife. Die Produktion erzeugt Storyboards, Startbilder und emotionsbewusste Sprecherstimmen. Die Auslieferung setzt Episoden zusammen und exportiert Video, Untertitel und das vollständige Asset-Paket.

Beide Spuren teilen sich eine Asset-Bibliothek namens XiaTang. Man probiert frei auf der Leinwand, sieht sich die Auswirkungen an und übernimmt dann einen Knoten oder einen ganzen Stapel in die Bibliothek oder eine Episode. Umgekehrt lässt sich die Serie über Vorlagen wieder auf eine Leinwand projizieren. Die meisten Werkzeuge bieten entweder nur eine freie Leinwand oder nur einen starren Assistenten. Beides über einer gemeinsamen Bibliothek zu betreiben, ist die tragende Idee.

Innere Funktionsweise

Jeder Pipeline-Schritt ist eine eigenständige asynchrone Aufgabe mit eigener Schnittstelle. Man kann sie nacheinander laufen lassen, Schritte überspringen, von jedem Kontrollpunkt fortsetzen oder einen eigenen Orchestrator anschließen. Das Task Center zeigt Status, Fortschritt und Logs, unterstützt Abbrechen, Wiederholen und Fortsetzen und prüft Voraussetzungen, bevor ein Auftrag in die Warteschlange kommt. Die Infrastruktur ist bewusst schlank: kein Postgres, kein Redis, kein Celery, kein Ray. Aufgaben laufen im Prozess, der Zustand liegt in SQLite und Dateien. Empfohlen sind daher 2 vCPU und 4 GB RAM, und die Standard-Pipeline braucht keine GPU. Nur die optionale Erweiterung world, die Voxel und Panoramen in 3D umwandelt, verlangt GPU und ein CUDA-Image.

Auf dem eigenen Rechner läuft kein Modell. Die gesamte Inferenz geht über ein OpenAI-kompatibles Gateway, und in den Einstellungen wählt man einen von drei Modi. Der offizielle Modus nutzt den RelayClaw-Dienst mit einem DC-Schlüssel, ohne Modell-Zuordnung. Der benutzerdefinierte Modus initialisiert das mitgelieferte dramaclaw-gateway, in das man eigene Anbieterkanäle einträgt. Der Hybridmodus nutzt die offiziellen Modelle für die Hauptpipeline und ergänzt zusätzliche Kanäle, etwa einen lokalen ComfyUI-Videoablauf.

Das mitgelieferte Gateway ist ein Fork von New API. Es setzt den DC-Media-Vertrag um, der Medienrollen, Referenzdateien sowie erste und letzte Bilder beschreibt, und übersetzt jede Anfrage in die native API des Anbieters. Die aktuellen Adapter decken ComfyUI, MiniMax und Hailuo, VolcEngine Doubao und Seedance, fal.ai, Alibaba, Kling, Jimeng, Vertex AI, Gemini, OpenAI und Sora sowie Suno ab. Im offiziellen Modus nennt das README gpt-image und nano-banana für Bilder, die Seedance-Reihen 1.0, 1.5 und 2.0 für Video und IndexTTS2 für Sprache. Dieser Vertrag ist die Schicht, die das Projekt modellneutral hält.

Räumliche Konsistenz: Director World

Konsistenz über mehrere Einstellungen hinweg ist das schwierigste Problem generierter Dramen. Director World löst es mit einem virtuellen Set. Aus einem Bild entsteht eine 3D-Gaussian-Splat-Szene, und scene-360-Panoramen kommen als Leinwandknoten hinzu.

Das Set fixiert Raumstruktur, Figurenaufstellung und Kameraposition. Man wählt den Bildausschnitt im 3D-Betrachter, nimmt ihn auf und nutzt ihn als Hintergrund für die nächste Erzeugung. Derselbe Ort bleibt so von Einstellung zu Einstellung stabil. Die Idee übernimmt einen echten Filmablauf, erst das Set bauen und dann drehen, in eine generative Pipeline.

Agent und Ökosystem

Der eingebaute Agent heißt Xia Director. Heute kennt er das Projekt, prüft den Fortschritt, treibt Skript- und Einstellungsaufgaben voran, kontrolliert die Vollständigkeit der Lieferobjekte und schlägt nächste Schritte vor. Ein lokaler MCP-Server macht DramaClaw für Claude Code, Codex und jeden MCP-Client nutzbar. Er lauscht nur auf der Loopback-Adresse und verlangt ein ausdrückliches Vertrauens-Flag.

Das README zeigt, wie ein einziger Prompt einen Ablauf mit 17 Knoten und 32 Kanten ergibt: Briefing, Story-Richtung, Referenzen für Figuren und Sets, fünf Startbilder, fünf Einstellungsvideos, Sprache und Musik, Endschnitt. Das ist mit Vorsicht zu lesen. Die Fähigkeit des Agenten, Graphen auf der Leinwand zu bauen und auszuführen, steht unter „In Entwicklung“, und jeder Leinwandbefehl muss zuerst im Browser freigegeben werden. Weitere Vorhaben sind ein Katalog mit 11 Workflow-Skills und 60 Rezepten, ein agent-kit für Hermes, OpenClaw, Claude Code und Codex, eine 3D-Previz-Bühne im Browser sowie verzweigte interaktive Geschichten und Werbung.

Leistung, Kosten und Beweislage

Das Repository veröffentlicht keinen reproduzierbaren Benchmark. Es nennt weder Zeit pro Episode noch Kosten pro Videominute noch Qualitätswerte. Die Kosten hängen vor allem von den Bild-, Video- und Sprachmodellen hinter dem Gateway ab, der lokale Bedarf bleibt klein.

Das README enthält außerdem eine Vergleichstabelle mit sieben anonymisierten Wettbewerbern. Die Bewertungen stammen von den Autoren auf Basis öffentlicher Unterlagen. Man sollte sie als Positionierung lesen, nicht als unabhängige Bewertung.

Grenzen und Risiken

Erstens ist Elastic 2.0 „source-available“, nicht Open Source im Sinne der OSI. Gehostetes SaaS ist ausgeschlossen, und der Namenshinweis wird erbeten. Zweitens hängt die Qualität von den vorgelagerten Videomodellen ab.

Figurenidentität, Lippensynchronität und Kohärenz über lange Strecken bleiben offene Probleme. Drittens ist der ehrgeizigste Teil, der Agent, der Graphen selbst aufbaut, noch nicht veröffentlicht. Viertens leitet der offizielle Modus Datenverkehr über relayclaw.cdnfg.com, sodass Datenschutz und Verfügbarkeit selbst zu prüfen sind. Im benutzerdefinierten Modus pflegt man Schlüssel und Kanäle selbst.

Warum es wichtig ist

Für unabhängige Kreative und kleine Studios ersetzt DramaClaw ein Dutzend getrennter Werkzeuge durch eine selbst betreibbare, modellneutrale Produktionslinie.

Für Ingenieure fallen drei Entwurfsentscheidungen auf: Fähigkeiten über MCP, ein Gateway-Vertrag, der Anbieterunterschiede verbirgt, und lange mehrstufige Aufträge mit sehr wenig Infrastruktur. Als Nächstes lohnt der Blick darauf, wann Agent und Previz erscheinen und ob die SaaS-Klausel der Lizenz sich öffnet.