AI Storybook Studio · Project dossier本地优先 / 可信部署 / 2026
I. 亲子共创 · 本地生产

孩子决定故事，多智能体守住质量，本地 AI 完成交付

从一个孩子的想法，到一本可阅读、可聆听、可播放的完整绘本。六个 Agent 负责策划与评审，用户负责最终决定，DGX Spark 负责本地生产。

观看 3 分钟演示查看共创流程
Co-create6 AgentsDGX Spark4–12 PagesImage · Audio · Video
Alina 与爸爸共创的真实绘本封面拼图AI 绘本 Reader 的真实阅读页面真实共创 / 可交付 Reader
II

儿童绘本生成，不应该只剩下一条 Prompt

把儿童表达、家长审核、角色一致性和本地媒体生产分成可治理的环节，而不是把一切交给一次模型调用。

儿童的真实想法无法追踪
家长无法在生成前审核
角色在不同页面容易漂移
云端媒体生产成本与隐私不可控
01 / 贡献四项结构化儿童决定
02 / 策划六 Agent Story Room
03 / 边界用户审批后才创建 Run
04 / 生产角色参考与身份一致性
05 / 部署本地优先媒体生产
06 / 交付书架、Reader 与下载闭环
III

一个产品，两种创作方式

Quick Create

已有完整故事想法时，从一条构想快速开始。用户设置年龄、页数、风格、版本和可选参考图，再进入绘本生产。

Co-create

孩子分别决定地点、目标、困难和解决办法。AI 可以连接和扩写，但不能替换儿童决定。

每项儿童决定拥有稳定 ID，并通过 sourceContributionIds 追踪到具体绘本页面。

真实 Co-create 四项设置界面

真实界面 / Alina 共创设置

01地点
02目标
03困难
04解决办法
IV

不是一个模型独自回答，而是一间有分工的故事编辑室

Story Room 产出的是可审核的结构化 Story Draft，而非直接启动媒体生产的自由指令。

冒险路线策划
候选路线 A
情感路线策划
候选路线 B
→
儿童立场顾问
年龄与安全评审
视觉导演
→
故事总编
推荐路线
用户编辑与审批
创建正式 Run
真实 Story Room 的两条故事路线比较

真实 Story Room / 路线比较

真实 Agent 结果卡

六角色结果卡

真实年龄与安全评审

独立年龄与安全评审

真实视觉评审与页面计划工作台

视觉评审 / 页面计划证据

权限边界：Agent 只能生成结构化 Story Draft，不能修改源码、执行任意 Shell、修改模型文件或发明新的 ComfyUI Workflow。用户审批前，不启动正式媒体生产。
V

孩子的决定，可以追踪到每一页

真实绘本编辑器中的内容追踪界面

真实编辑器 / 贡献追踪

AI 负责连接、扩写和润色；儿童决定不能被模型替换。
用户可以编辑故事总编推荐的标题与页面计划。
审批后的每一页才进入确定性生产，并保持来源追踪。
Reader 只投影已经验证的 Run，而不根据终端日志猜测完成状态。
已验证绘本 Reader 的真实阅读页面

验证后的 Reader 交付

VI

让模型负责创造，让合同和执行器负责可靠交付

创意阶段使用多智能体；生产阶段使用不可变 RunSpec、确定性 Python Executor、Prompt Compiler 与固定的 ComfyUI Workflow API JSON。

Story Draft
→
用户审批
→
RunSpec
→
Executor · Manifest · Reader
01

本地 LLM

生成故事、视觉、动作和旁白的结构化规格。

02

Z-Image

角色主卡、封面底图与页面底图。

03

Qwen Image Edit

结合参考图与角色主卡，修正封面和 heroVisible 页面身份一致性。

04

LTX

根据页面图像和 motionSpec 生成逐页动画。

05

Qwen3-TTS + TensorRT

本地普通话旁白推理。TensorRT 只用于 TTS。

06

FFmpeg

装配页面动画、旁白与整书视频。

07

Manifest

保存 Prompt ID、Seed、参数、输出路径、探针与 SHA-256。

边界

失败不伪装

统一 GPU 资源锁；失败状态持久化，不能冒充成功。

VII

一台 Spark 完整运行，两台 Spark 并行扩展

Single DGX Spark

单机完整闭环

  • Web UI / Storybook API / Craft Runtime
  • 本地 LLM / NeMo Guardrails
  • ComfyUI / Z-Image / Qwen Image Edit
  • LTX / Qwen3-TTS + TensorRT
  • FFmpeg / Run Store / Reader

适合比赛现场、家庭、学校与小型内容工作室。

Two DGX Spark

双机控制面与媒体面分离

Spark A → 已审批 RunSpec → Spark B
  • Spark A：Web、API、Agent、本地 LLM、Guardrails、审批与调度
  • Spark B：ComfyUI、图像、视频、TTS、FFmpeg 与媒体存储

合同不变；Story Room 可响应时，媒体节点执行已审批 Run。

NVIDIA 技术栈： CUDA 用于本地模型推理；TensorRT 只用于 TTS 推理优化；NeMo Guardrails 用于输入与输出过滤；Stepfun 是可配置在线文本模型补充，不是默认依赖。
本地优先、云端可选、合同不变、可按场景切换。
VIII

这不是一个虚构用户故事，这是项目本身的诞生过程

Alina 与爸爸共创绘本的封面拼图

真实父女共创 / 封面拼图

Alina 与爸爸，一本 12 页动态绘本

  • Alina，13 岁：负责故事性、交互设置、网页设计和页面选择。
  • 爸爸：负责拆解问题、示范 Vibe Coding 和 Spark 调试。
  • 共同过程：两人经历困难，完整完成项目与动态绘本。
  • 共同作者：Alina 不是被放入故事中的参考角色，而是作品设计与决策的一部分。
父女共同完成的绘本页面接触表

真实 12 页绘本接触表

IX

从低龄想象，到青少年真实成长故事

用于展示媒体生产和 Reader 交付能力的真实素材；Story Room 多智能体证据在前文独立展示，避免混淆 provenance。

13 至 14 岁年龄段真实绘本封面

不同年龄段 / 角色类型 / 视觉风格

图片、有声和动态绘本媒体交付接触表

图片 · 有声 · 动态版本 / 4–12 页生产能力

X

每一次生成，都留下可以核验的证据

内容合同

4–12 页严格页数合同；六个年龄段；mustInclude / mustAvoid。

身份与重试

Draft 与 Run 分离；失败状态持久化；新 Draft ID / Run ID 记录重试血缘。

生产证据

Prompt ID、Seed、SHA-256、原子状态写入与 Reader HTTP 验收。

安全分工

NeMo Guardrails 管输入输出策略；业务 Contract 与 Validator 管结构与生产约束。

工作流边界

LLM 不能动态发明节点、模型文件和图拓扑；固定 Workflow API JSON 经过验证。

诚实失败

模型输出不合规、探针失败或缓存结果均会阻断阶段，不伪装完成。

XI

从产品价值到平台适配，每项能力都有真实证据

评分维度占比真实证据
项目实用性、行业价值与技术创新25%亲子共创、完整绘本闭环、本地隐私
智能体融合与模型优化25%六 Agent、独立评审、Prompt Compiler、CUDA、TensorRT TTS
项目完整性20%前端、API、Agent、媒体生产、Reader、测试与失败恢复
平台适配性15%DGX Spark 单机/双机、CUDA、NeMo Guardrails、Stepfun 可选
演示效果10%3 分钟 Demo、完整操作演示、真实绘本结果
赛事征文5%Alina 与爸爸共同完成项目的真实过程
XII / Demo

从一个想法，到一本可以交付的绘本

4 分 30 秒完整操作演示：从首页、共创设置和 Story Room，到用户审批、Reader 交付与多本绘本成果展示。

在 Bilibili 观看完整演示查看演示脚本与镜头表

视频托管于 Bilibili；网页内可直接播放，也可以打开视频详情页观看。