# SparkScroll - 智能多模态内容生成与编辑平台

一个基于 NVIDIA GPU 加速的智能多模态内容生成与编辑平台，该平台能够输入故事长文本，通过多 Agent 协作系统，全自动进行剧情压缩、分镜拆解、角色立绘设定、高保真图像渲染与后期排版，最终流式输出具有高度角色一致性的多页连环画。 本项目专为 NVIDIA DGX Spark (128G 共享显存)平台量身定制，采用“文本主脑（Qwen3.5-9B）+ 视觉渲染中枢（Qwen-Image-Edit-2511）”的双大模型架构，总显存占用约 115GB，实现几万字名著“一口气”读入并保持全局剧情连贯，保持长文本理解与图像生成链路稳定运行。只有NVIDIA DGX Spark 能实现"零 Swap"的极致响应，彻底拉开与普通消费级显卡的差距。 本项目设计了6 阶段 Agent 工作流，高度还原人类工业化出版流程，每个 Agent 专注于特定任务，实现高效协作。基于 gpt-5.4 规划能力、自研 Python Agent 调用逻辑和调度闭环，完成 Director（导演） -\> Writer（编剧） -\> CharacterDesigner（角色设计、立绘） -\> Drafting（分镜设计、出稿） -\> Editor（剪辑） -\> Assembler（后期合成） 六阶段串联。 本项目不止于一个“自动画漫画”的工具，更是一场重塑文化传承、教育普及和内容商业模式的底层革命。它降低了AI模型使用门槛，让普通用户也能轻松使用先进的AI模型，提供了一站式多模态内容生成解决方案，利用NVIDIA GPU加速技术，提高模型推理速度和效率，确保生成内容的质量和专业性，满足商业级应用需求，可广泛应用于K-12 智慧教育与大语文"古典名著伴读"、网文 IP 极速防御性孵化与社媒视觉化宣发、数字文博策展与地方文化遗产的活态展览、品牌出海与跨文化商业广告极速响应，不仅可以重铸连环画（小人书）工艺的数字丰碑，还是内容创作者的绝佳福音。 本项目使用了 NVIDIA 的TensorRT-LLM、vLLM-Omni、vLLM、NVIDIA CUDA等工具，且使用了Nvidia的开源模型Nemotron-3-Nano-30B-A3B-NVFP4。

 ![SparkScroll - 智能多模态内容生成与编辑平台](https://developer.download.nvidia.com/zh-CN/images/community/showcase/spark-scroll-feature.jpg "SparkScroll - 智能多模态内容生成与编辑平台")

\*此项目展示图片来自项目作者

### 项目开发者
 张辉, 陈剑, 覃飞雄

### 相关技术...

- Nemotron
- TensorRT-LLM
- vLLM-Omni
- CUDA

### 资源

[查看项目代码库](https://gitee.com/zhanghui_china/SparkScroll)

[观看项目相关视频](https://www.bilibili.com/video/BV1JJDxBAETr/)