导演大师配置Ollama本地模型全流程教程

演示如何将Ollama本地千问模型接入导演大师,跑通短片创作全流程。
文章基于B站教程,介绍如何在导演大师中接入Ollama本地模型服务。流程包括:从官网下载安装Ollama、在设置中指定大容量磁盘作为模型存放路径、通过cmd执行命令自动下载千问3.8模型并验证对话,然后在导演大师的Agent设置中添加Ollama提供方、获取可用模型并设为默认。接入完成后,作者用本地千问3.8实际走了一遍选题、大纲、剧本和分镜的制作流程,验证了本地模型驱动创作流水线的可行性,并指出模型选择应结合硬件条件与创作需求。
随着本地大模型部署门槛的降低,越来越多的创作者开始尝试用本地模型完成视频创作中的选题、剧本和分镜工作。B站教程《导演大师使用教程:Ollama本地模型服务的配置和使用方法》就完整演示了如何将Ollama接入导演大师,用本地千问模型驱动整个短片制作流程。
为什么要在导演大师中使用本地模型
据视频介绍,不少用户偏好用本地模型来制作视频,包括写选题、写剧本、写提示词等环节。相比云端API,本地模型在隐私、成本和可控性上都有优势,尤其适合需要反复生成、频繁调试的创作场景。导演大师作为覆盖选题、剧本、分镜、提示词到视频的全流程导演专用Agent智能体,支持接入Ollama后,创作者就能把本地模型的能力嵌入到这条流水线中。
Ollama 是一个开源的本地大模型运行框架,它把模型下载、加载、推理和 API 服务封装成一条命令即可完成的操作。用户无需手动配置 CUDA、PyTorch 等深度学习环境,也无需了解模型权重格式,只要在命令行执行类似 ollama run qwen 的指令,Ollama 就会自动拉取模型文件并在本地启动一个兼容 OpenAI 接口风格的 HTTP 服务(默认监听 11434 端口)。导演大师正是通过这个本地服务地址发现并调用模型的。Ollama 支持 Windows、macOS 和 Linux,模型库涵盖千问、Llama、Gemma 等主流开源模型,因此成为个人创作者接入本地模型时最常见的选择。
安装与配置Ollama
下载与安装
教程的第一步是进入Ollama官网下载安装程序。页面提供手动下载入口,下载得到的是exe文件,双击即可完成安装。这一步没有额外依赖,对Windows用户比较友好。
设置模型存放路径
安装完成后,需要先在设置中指定本地模型的存放位置。视频提醒,这个路径存放的是模型文件,应选择空间较大的磁盘,选好后点击确定。这一步很关键,因为大模型文件体积可观,放在系统盘容易挤占空间。

下载并验证模型
路径配置好后就可以下载模型。教程以千问3.8模型为例,在模型页面复制对应命令,打开cmd粘贴执行。首次运行时本地还没有该模型,Ollama会自动下载;下载完成后即可直接对话。视频中演示者因为已经下载过,所以命令执行后直接进入聊天界面。

模型存放路径之所以需要单独设置,是因为大模型的权重文件体积远大于普通软件。以千问 3.8B 量级的模型为例,量化后的文件通常也有数 GB,而 7B、14B 等更大规模模型动辄十几到几十 GB。Ollama 默认把模型存放在系统盘的用户目录下,长期使用多个模型很容易占满系统盘,影响操作系统和其他软件运行。通过设置环境变量 OLLAMA_MODELS 指向大容量磁盘,可以在不移动已装模型的情况下改变默认存放位置;如果已经下载过模型,需要手动迁移旧目录中的文件,否则会出现“模型已下载但列表为空”的情况。
文中提到的“千问3.8”对应的是通义千问广告开源系列中的 3.8B 参数规模模型。模型名称中的“B”指参数量单位十亿(Billion),参数量越大通常理解与生成能力越强,但对显存和内存的要求也越高。3.8B 属于轻量级模型,在普通消费级显卡甚至纯 CPU 环境下都能运行,适合本地创作场景中频繁调用。需要区分的是,模型在本地运行时还会经过量化压缩(如 4-bit 量化),实际占用空间和内存低于原始浮点权重,这也是教程中能在个人电脑上跑通完整流程的前提。
在导演大师中接入Ollama
本地服务就绪后,打开导演大师,进入设置的Agent设置,点击添加提供方,在提供方列表中选择Ollama,然后点击获取可用模型。视频中演示者的本地环境安装了两个模型,分别是3.5和3.8;选择3.8后添加,保存并设为默认即可关闭设置面板。

用本地模型跑通短片制作流程
接入完成后,教程用本地千问3.8实际走了一遍制作流程。
选题与大纲
第一步从选题开始,输入“我要做个三岁小孩的动画片”,系统返回几个选项。选定后出现选题草稿确认卡,检查无误后点击保存为正式选题。随后点击智能Agent生成创作大纲,大纲出来后保存为正式大纲。

剧本与分镜
下一步生成剧本:先生成第一集剧本,点击智能Agent直接生成剧本并发送,得到剧本草稿后确认保存为正式剧本。接着把第一集剧本拆成分镜,生成分镜并发送,第一场分镜完成后可以选择自动拆完剩余场次,也可以只写入当前分镜。
视频明确说明,本次重点在于演示Ollama本地模型的配置方法,生成资产等后续环节会由专门视频介绍。
本地模型接入的实践价值
从教程流程看,Ollama与导演大师的对接并不复杂:安装服务、指定模型路径、拉取模型、在Agent设置中添加提供方并获取模型,几步即可完成。对于希望把创作流程留在本地的团队,这套方案提供了一条可复用的路径。需要留意的是,本地模型的生成质量与所选模型规模相关,教程中的千问3.8只是示例,实际使用时应根据硬件条件和创作需求选择合适的模型。
常见问题
Ollama模型必须放在大容量磁盘吗? 视频建议选择空间较大的磁盘存放模型文件,避免占用系统盘空间。
导演大师如何识别本地已安装的模型? 在Agent设置中添加Ollama提供方后点击获取可用模型,系统会列出本地已安装的模型供选择。
相关推荐

导演大师接入Ollama本地模型:配置与全流程创作实战
B站教程详解导演大师如何接入Ollama本地模型:从安装Ollama、设置模型存储路径、命令行拉取千问模型,到在Agent设置中添加提供方,并用本地千问3.8跑通选题、大纲、剧本、分镜的短片创作全流程。

本地大模型部署三条路线:个人、企业、专用引擎怎么选
本地大模型部署分三条路线:个人端 Ollama、LM Studio、LLaMA.cpp 如何取舍;企业端 vLLM 与 SGLang 的内存复用模式差异;专用引擎 NIFL、Halogen、Strix 的适用边界。用三个问题帮你选对工具。

本地大模型写一周代码实测:能否替代云端Claude
一台64GB内存的消费级迷你主机,能否用开源本地大模型替代云端Claude写代码?一周实测覆盖Qwen 3.8、Muse Glimmer、GLM 4.7 Flash在VS Code、CLI与AI代理中的表现,揭示本地模型当前真正的可用边界与混合架构方案。