AI 辅助小说转剧本工具 —— 将中文小说自动转换为结构化 YAML 剧本初稿。
📺 视频介绍：我把《凡人修仙传》一键转为剧本的工具｜小说转剧本AI工具
- 自动改编 — 将 3 章以上小说文本转换为完整的剧本（角色表 + 分幕场景 + 元素序列）
- 智能分析 — 多级渐进式角色提取、事件驱动场景分割、叙事→剧本元素转换
- 并行处理 — goroutine 并发 LLM 调用，支持大长篇（1000+ 章）
- 断点续传 — SQLite 缓存中间结果，中断后可恢复
- 多格式输出 — YAML（可编辑剧本）和 Markdown（可读草稿）
- 多 LLM 支持 — Anthropic Claude 和 OpenAI 兼容接口
go install github.com/JunLang-7/novel2script@latest或从源码编译：
git clone https://github.com/JunLang-7/novel2script.git
cd novel2script
go build -o novel2script .# Anthropic 兼容接口(默认)
export NOVEL2SCRIPT_API_KEY=sk-ant-xxx
# OpenAI 兼容接口
export NOVEL2SCRIPT_API_KEY=sk-xxx
export NOVEL2SCRIPT_PROVIDER=openai
export NOVEL2SCRIPT_BASE_URL=https://api.openai.com/chat/completions
export NOVEL2SCRIPT_MODEL=xxx
# 预览成本（不调用 LLM）
novel2script convert 小说.txt --dry-run
# 输出 Markdown 草稿
novel2script convert 小说.txt -f md -o draft.md
# 仅分析角色和场景
novel2script analyze 小说.txt -o analysis.json
# 验证生成的剧本
novel2script validate script.yaml也可在项目根目录创建 .env 文件（参考 .env.example）：
NOVEL2SCRIPT_API_KEY=sk-ant-xxx
NOVEL2SCRIPT_PROVIDER=anthropic
NOVEL2SCRIPT_MODEL=claude-sonnet-4-20250514
NOVEL2SCRIPT_PARALLEL=5| 命令 | 说明 |
|---|---|
convert |
将小说转换为完整剧本（主命令） |
analyze |
仅分析角色和场景，不做剧本转换 |
validate |
验证 YAML 剧本文件格式 |
schema |
输出 JSON Schema 定义 |
novel2script convert <输入文件> [选项]
选项:
-o, --output 输出文件路径 (默认: script.yaml)
-f, --format 输出格式: yaml | md (默认: yaml)
-s, --start 起始章节号（从 1 开始）
-e, --end 结束章节号
-m, --model LLM 模型名称
-p, --parallel 并行 LLM 调用数 (默认: 5)
-n, --dry-run 仅分析不转换：输出分块统计和预估成本
-v, --verbose 详细日志输出
-r, --resume 从上次中断处继续
novel2script analyze <输入文件> [选项]
选项:
-o, --output 输出文件路径 (默认: analysis.json)
-s, --start 起始章节号（从 1 开始）
-e, --end 结束章节号
-m, --model LLM 模型名称
-p, --parallel 并行 LLM 调用数 (默认: 5)
-r, --resume 从上次中断处继续
-v, --verbose 详细日志输出
使用 --resume 启用 SQLite 缓存，中断后可跳过已完成的工作：
# 首次运行（失败中断后重新执行，跳过已完成的 chunk）
novel2script convert 凡人修仙传.txt --resume -v -o script.yaml缓存内容：
- 角色表 — 按小说内容哈希缓存，同一小说不同文件可复用
- 场景分割结果 — 按 chunk 缓存，已完成的 chunk 直接恢复
缓存目录默认为 ~/.novel2script/cache，可通过 NOVEL2SCRIPT_CACHE_DIR 环境变量修改。
通过环境变量配置：
| 变量 | 说明 | 默认值 |
|---|---|---|
NOVEL2SCRIPT_API_KEY |
LLM API 密钥（必填） | - |
NOVEL2SCRIPT_MODEL |
模型名称 | claude-sonnet-4-20250514 |
NOVEL2SCRIPT_PROVIDER |
LLM 提供商 (anthropic 或 openai) |
anthropic |
NOVEL2SCRIPT_BASE_URL |
API 基础 URL | 提供商默认地址 |
NOVEL2SCRIPT_PARALLEL |
并行 LLM 调用数 | 5 |
NOVEL2SCRIPT_CACHE_DIR |
缓存目录 | ~/.novel2script/cache |
支持的输入格式：
- 纯文本 (
.txt) — UTF-8 或 GBK 编码，自动检测 - Markdown (
.md) — 自动识别标题作为章节标记
章节标记识别模式：
第X章/第X回/第X节Chapter X/CHAPTER X- Markdown
#标题 - 卷标记
卷一/第一部
结构化剧本，包含三个区块：
# 文件头 - 元数据
script_title: "凡人修仙传·剧本改编"
source_novel: "凡人修仙传"
source_author: "忘语"
...
metadata:
genre: ["仙侠", "玄幻"]
total_novel_chapters: 5
synopsis: "山村少年韩立偶然踏入修仙之路..."
...
# 角色表 - 完整角色信息
characters:
- id: char_hanli
name: 韩立
role: protagonist
traits: [谨慎, 坚韧]
relationships:
- target_id: char_mojuren
type: 师徒
...
# 剧本正文 - 分幕组织
acts:
- id: act_1
title: "第一幕"
scenes:
- id: scene_1_1
title: "七玄门·神手谷"
setting:
location: "神手谷"
time_of_day: "黄昏"
elements:
- type: action
content: "韩立盘膝坐在蒲团上，双手结印。"
- type: dialogue
speaker_name: "韩立"
content: "这长春功果然难练。"
- type: internal_monologue
speaker_name: "韩立"
content: "若不能突破，七日后的试炼恐怕..."人类可读的剧本草稿，适合审阅和分享。
输入文件(.txt/.md)
│
▼
Step 1 章节检测 ─── 正则匹配章边界，按 ~15000 tokens 分块
│
▼
Step 2 角色提取 ─── 多级渐进式 + 跨块去重合并（--resume 缓存角色表）
│ ├─ Pass 1: 前 3 章精细提取核心角色
│ └─ Pass 2: 后续每块批量提取新角色
│
├─ fillTargetIDs ─── 自动补全关系中的 target_id（name/alias 索引匹配）
│
▼
Step 2.5 元数据提取 ─── 推断 source_author、genre、synopsis
│
▼
Step 3 场景分割 ─── 地点/时间/视角/事件驱动，注入已知角色 ID
│ （--resume 跳过已完成的 chunk，从 SQLite 缓存恢复）
│
▼
Step 4 剧本转换 ─── 叙事→动作，对话→标注对白，场景聚焦约束
│
▼
Step 5 分幕构建 + Step 6 组装 Script → YAML/Markdown 输出
novel2script/
├── main.go # CLI 入口
├── cmd/ # 子命令
│ ├── convert.go # convert（主命令）
│ ├── analyze.go # analyze（仅分析）
│ ├── validate.go # validate（验证 YAML）
│ └── schema.go # schema（导出 JSON Schema）
├── internal/
│ ├── models/ # 数据模型（Script, Scene, Character）
│ ├── pipeline/ # 管道编排、分块、合并、角色提取、场景分割
│ ├── formatters/ # YAML / Markdown 输出
│ ├── llm/ # LLM 客户端、提示词、token 估算
│ ├── text/ # 章节检测、编码识别
│ ├── storage/ # SQLite 缓存（断点续传）
│ └── config/ # 环境变量配置
├── schema/ # JSON Schema + 设计文档
├── tests/fixtures/ # 测试样本
└── examples/output/ # 示例输出
MIT