yuanzonghao
c82f887a02
Add multi-platform Docker image build (amd64 + arm64) with GitHub Actions CI that pushes to GHCR on every merge to main. Users can self-host with a single `docker compose up -d` command. - Dockerfile: multi-stage build with Next.js standalone output (~150-200MB) - docker-compose.yml: one-command self-hosted deployment - .github/workflows/docker.yml: CI workflow with QEMU cross-compilation - next.config.ts: conditional `output: "standalone"` via BUILD_STANDALONE env - README (zh/en/ja): restructure deploy section to include Docker option Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
16 KiB
⚡ 概览
InfiPlot是一款AI实时生成内容的互动剧情游戏，这里没有预设好的剧情、角色，所有内容都根据你的需求定制化的生成。
用一句话说，我们要做的是一款用AI实时生成内容的《完蛋！我被美女包围了！》
无论你是六岁的小朋友，20岁的年轻人，35岁的青年还是60岁的长者，都能在这里满足独属于你的幻想：
穿越到哈利波特世界学习魔法、成为学校里所有异性青睐和表达爱意的对象、顶刊顶会发不停科研经费拿到手软、穿越到甄嬛传体验宫廷斗争、或者重返年轻为遗憾的事情重新做选择......
🌐 在线体验
免费在线试玩，无需本地部署：infiplot.com
部署
InfiPlot 支持多种部署方式。个人使用推荐 Vercel 一键部署；想部署到自己的服务器或本地运行，可以用 Docker。
Vercel / Cloudflare（一键部署）
Cloudflare 部署因场景流水线需要更长 CPU 时间，需要 Workers Paid Plan。
部署完成后，填好环境变量 —— 详见下方的配置教程。仓库根目录就是应用本身：Vercel 无需额外设置 root directory；在 Cloudflare 上把构建命令设为 pnpm build:cf 即可。
Docker 部署（自托管）
适用于 VPS、家庭服务器或本地电脑。支持 x86 和 ARM（含 Apple Silicon Mac）。
- 复制
.env.example为.env.local，填入你的 API Key（详见配置教程） - 启动：
docker compose up -d
访问 http://localhost:3000 即可开始游戏。
也可以不用 Compose，直接运行镜像：
docker run -d -p 3000:3000 --env-file .env.local ghcr.io/zonghaoyuan/infiplot:latest
📸 游戏截图
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
工作原理
基于文本、图像和音频模型，我们搭建了一个多智能体框架来实现InfiPlot的目标。我们把agent分为架构师、编剧、角色设计师、场景布置师和画家五个职能，让他们之间相互配合，在保证剧情连贯性、角色一致性、场景一致性的基础上，尽可能使得剧情足够富有吸引力。
我们把每一次游玩的整体体验称为故事（story）。
故事以一连串场景（scene）的形式展开。每个场景由一张 AI 绘制的背景图，加上一棵简短的节拍（beat）树组成 —— 也就是旁白、对话和偶尔出现的选项。你逐拍点过一个场景时，画面始终不变；只有当某个选项把你带到真正全新的地方 —— 换了空间、换了视角、跳跃了时间 —— AI 才会绘制下一幕场景。
当你正在阅读一幕场景时，引擎会预测式地生成你的选项可能通向的那些场景 —— 对于无法回避的下一步，还会再往前生成一幕。等你真正选定方向时，那一幕的图通常已经画好了，于是切换瞬间完成、毫无停顿。如果你现在仍然感到有些延迟，别担心，我们正在努力优化它。
直接点击背景本身（而非按钮）会走一个视觉（vision）模型：它读取你点击的位置，判断你是在探索当前场景（于是插入一个节拍 —— 不生成新图），还是要继续前进（生成一幕新场景）。这是基于我们从flipbook那里学到的宝贵认知，我们相信这个功能会在未来成为InfiPlot的关键功能，让你的游玩体验更上一层楼。
未来，画面里将没有烤进任何传统的游戏 UI。AI 会用你选择的任意风格来描绘整个世界 —— 「方格纸上的火柴人」也好，「赛博朋克黑色电影」也罢 —— 而对话框和选项按钮，只是叠在画面之上、并为贴合场景而精心调校过的一层轻量 HTML。也就是说，每次游玩时，UI都会契合当前的故事，而不是一成不变。
团队与愿景
我们是一群来自清华大学等高校的年轻人。
一方面，我们本来就是galgame、乙女游戏、FMV、AI角色扮演游戏这类游戏的深度用户，在享受游戏体验的同时，也会想象如果能选择不被预设的剧情选项，或者和对话的AI角色深度互动而不只是通过聊天软件聊天，该是多么愉快刺激的体验。
另一方面，我们恰好又对大模型技术有些了解，能用AI快速实现想法，对技术路线和基于已有技术的产品能力边界有一些浅薄的思考。
契机发生在 2026 年 4 月 22 日，@zan2434 等人发布了 flipbook，我们对这种全新的交互形态感到震惊和欣喜。 于是在 5 月的某一天，我们一拍即合，决定做一款这样的产品，既帮助大家满足那些曾经遗憾过的幻想，又能够探索多模态模型所带来的新的交互形态。
目前我们的项目还很早期，有许多功能尚不完善，欢迎提交 issues 反馈问题，或者加入我们的开发团队一起探索新的可能性，满足你的好奇心。
联系方式：hi@infiplot.com
欢迎扫码加入 InfiPlot 内测交流群（QQ 群号 575404333），一起反馈体验、参与共建：
配置教程
InfiPlot 会与四类模型供应商通信。文本（Text）和视觉（Vision） 默认使用 OpenAI 兼容接口，也可原生切换到 Anthropic 或 Google Gemini。图像（Image） 支持 Runware（其自有 task-array 协议）、OpenAI（gpt-image）与 Google Gemini（Nano Banana）。语音（TTS）使用小米 MiMo 自有的音色设计/克隆协议——支持角色级音色设计、克隆与逐行演绎指导。
1. 选择你的供应商
| 供应商 | 环境变量 | 是否必填 | 推荐 |
|---|---|---|---|
| Text · 剧情导演 | TEXT_BASE_URL TEXT_API_KEY TEXT_MODEL |
✅ | DeepSeek 的 deepseek-v4-flash |
| Image · 场景渲染 | IMAGE_BASE_URL IMAGE_API_KEY IMAGE_MODEL |
✅ | Runware 的 runware:400@6（FLUX.2 [klein] 9B KV） |
| Vision · 点击解读 | VISION_BASE_URL VISION_API_KEY VISION_MODEL |
✅ | Google 的 gemini-3.5-flash |
| TTS · 角色配音 | TTS_BASE_URL TTS_API_KEY TTS_SPEECH_MODEL |
可选 —— 留空则静音运行 | 小米 MiMo 的 mimo-v2.5-tts |
可选 · 指定接口协议：每类模型都可加一个
*_PROVIDER变量（TEXT_PROVIDER/VISION_PROVIDER/IMAGE_PROVIDER）显式选择接口协议。不设则保持向后兼容——文本/视觉默认走 OpenAI 兼容接口，图像按*_BASE_URL自动判断（runware.ai→ Runware，否则 OpenAI 兼容；个别在runware.ai上以 OpenAI 协议提供的模型——如image-2-vip——会按 OpenAI 兼容处理，需要时用IMAGE_PROVIDER显式覆盖即可）。
取值 适用 说明 openai_compatible（默认）Text · Vision · Image OpenAI Chat Completions / /images/generationsanthropicText · Vision 原生 Anthropic Messages 接口 Text · Vision · Image 原生 Gemini；图像用 Nano Banana 系（如 gemini-2.5-flash-image，勿用 Imagen（已废弃，2026-06-24 停服））openaiImage OpenAI gpt-image，支持参考图编辑runwareImage Runware task-array 协议 此外，
*_BASE_URL带不带/v1（甚至末尾多写了/chat/completions）都能正常工作——引擎会自动规范化。
2. 填写环境变量
九个变量为必填；TTS 可选（留空则静音运行）。此外还有一个用于低成本测试的开关：
| 变量 | 作用 |
|---|---|
MOCK_IMAGE=true |
跳过图像生成，渲染器返回一张静态占位图。剧情、语音、选项照常运行。非常适合在不消耗 Runware 额度的情况下调试 TTS。 |
在哪里设置（确切字段见 .env.example）：
- 本地开发 ——
.env.local - Vercel —— Project Settings → Environment Variables
- Cloudflare Workers —— 在仓库根目录下逐个执行
wrangler secret put <NAME>，或在 dashboard 里设置（Workers → infiplot → Settings → Variables and Secrets）。如果要给 staging 加访问限制，可以在 Worker 前面挂一个 Cloudflare Access（零代码，邮箱白名单）。
3. 注意成本
使用推荐的三件套时，每一幕场景的开销主要来自图像生成模型。FLUX.2 [klein] 9B KV 的图像大约 $0.00078 一张（1792×1024，4 步，亚秒级）；文本模型使用 deepseek-v4-flash 时，成本极低。逐拍点过一个场景是免费的。为了让切换瞬间完成，引擎还会预测式地生成那些你可能选、但最终可能没选的场景 —— 所以真实花费会比你实际看到的场景数略高一些。
4. 图片代理（可选）
默认浏览器直连图片供应商，无需任何配置 —— 留空 NEXT_PUBLIC_IMAGE_PROXY_URL 即可，完全不受影响。只有当你遇到图片「层层加载」（Chrome 在某些网络下 ERR_QUIC_PROTOCOL_ERROR 导致 PNG 逐行渲染）时才需要它：部署一个极小的 Cloudflare Worker，把图片改为服务端转发 + HTTP/2 原子返回。一键部署见 infiplot-image-proxy，然后把它给出的 workers.dev 地址填进 NEXT_PUBLIC_IMAGE_PROXY_URL。
5. 玩家自带配音 Key（可选，推荐）
小米对 TTS 模型有 RPM/TPM 限额。当你的公共部署有多人同时游玩、共用同一把 TTS_API_KEY 时，很容易撞到限额，表现为剧情、画面都正常，唯独没有声音。为此，玩家可以在首页可选地填入自己的小米 MiMo Key（免费申请）——配音请求由浏览器直连小米完成，Key 只存在玩家本地、绝不经过你的服务器，从而获得稳定配音与更低延迟。这是纯增强：不填则照常使用你部署的服务器 Key，行为不变。
申请与填写步骤见 自带配音 Key 教程。
Roadmap
- 让用户感知不到生成延迟
- 兼容更多模型 provider
- 游玩过程中支持用户自定义输入
- 移动端浏览器适配
- 用户注册登录系统
- 由静态图升级为动态视频
- 语音交互
- 分享正在游玩的故事
- 移动端 app