DC娱乐网

开源版 Canva 来了?Doory 能自己部署,但真正值得关注的是它的二开

做自媒体的人,大概都有过这样的经历。

文章写完了,结果还没结束。要做封面,要找配图,要调整标题字号,有时候还得把一篇文章拆成几张小红书图片。真正写文章可能只花了半小时,排版和配图又折腾了半天。

Canva 这类在线设计工具已经把这件事简化了不少。选个模板,换掉文字和图片,一张封面很快就能做出来。

既然现成工具已经这么方便,为什么 GitHub 上还有开发者在做类似 Canva 的开源项目?

最近看到的 Doory,就挺值得聊聊。

它是一款开源在线设计编辑器,支持自行部署,提供画布编辑、图层、模板、动画等功能。单看这些能力,它和 Canva 的基础编辑功能确实有不少相似之处。

但如果只是为了做几张海报,我觉得没必要急着从 Canva 换到 Doory。Canva 的模板、素材和整体体验已经相当成熟,Doory 暂时没有理由在这些方面与它正面竞争。

这个项目真正有意思的地方,是代码开放之后,设计工具还能被改造成什么样子。

一、它想做的事情,Canva 其实早就做到了

先说实际功能。

Doory 使用 React 和 TypeScript 构建前端,画布交互基于 Fabric.js,后端采用 Django 和 Django REST Framework。它不是一个简单的网页模板集合,而是有前后端、有设计数据、有保存和导出流程的在线编辑器。

文字、图片、图层这些基础功能不用多说。对于日常海报、社交媒体配图和封面制作,它已经具备了设计编辑器应有的一些能力。

不过,拿它和 Canva 比,不能只看编辑器里有没有同样的按钮。

Canva 最难复制的部分,其实是这些年积累下来的东西:大量现成模板、图片素材、字体资源,以及围绕设计形成的协作和内容生产流程。

用户打开 Canva,往往不需要先研究怎么排版。找到一个顺眼的模板,替换文字就能开始工作。

Doory 则不一样。即使编辑器已经有了基本功能,模板够不够好用、素材是否丰富、复杂设计能否稳定导出,都需要实际使用后才能判断。

所以,称它为“开源版 Canva”比较容易理解,但不能因此就认为它已经达到了 Canva 的产品成熟度。

如果你只是想找个工具做封面,我会优先考虑现成的成熟产品。为了做一张图就自己搭服务器,确实有点舍近求远。

可要是你想改造这个工具,情况就不一样了。

二、设计工具开源之后,开发者能做什么?

普通用户使用设计软件,关心的是操作是否简单、模板是否好看。

开发者看到的却是另一回事。

Doory 的后端提供了设计创建接口。查看源码可以发现,它支持通过接口创建设计,也可以提交设计文档。与此同时,项目还提供了针对已有设计的批量管理操作。

这意味着,设计不一定只能通过鼠标一点点做出来,程序也有机会参与创建和修改。

这里需要区分一个容易混淆的地方:批量管理已有设计,不等于批量生成新设计。现有源码也没有明确提供一个可以直接调用、一次完成多份设计创建和 PNG 批量导出的完整接口。

但它至少给出了可以继续研究的基础。

举个例子,如果你想做一个企业内部的宣传图工具,可以先设计好一套模板,再开发自己的业务接口。员工填写活动名称、时间、产品图片,程序负责把这些内容写入设计数据,后续再接上渲染和导出流程。

如果是电商场景,也可以尝试把商品名称、价格、主图和促销信息交给模板系统,批量生成不同商品的宣传图。

这些都不是 Doory 下载下来就能直接实现的功能,需要自己开发。但和从零开始编写一个画布编辑器相比,复用已有项目的部分能力,至少多了一条可以尝试的路线。

三、我更想用它解决的,是自媒体配图的重复劳动

拿我比较关注的科技类内容来说,一篇文章发布之前,通常需要准备封面图。如果再把内容拆成小红书图文,一篇文章可能要做五六张图片。

第一篇文章还好,模板设计好了,后面可以重复使用。

问题出在内容每天都在变。

今天写 Wi-Fi 6,明天写笔记本选购,后天写 AI 编程工具。标题长度不同,图片比例不同,正文的重点也不同。每次都手动复制模板、替换文字、调整图片,工作量很快就上来了。

这时候,单纯增加一个编辑按钮,意义并不大。真正需要的是让程序接手那些重复出现的步骤。

比如,先让 AI 读取文章,提取标题、摘要和几个核心观点,再把内容整理成结构化数据。排版程序根据预设规则安排页面:标题放在哪里,一页放多少字,图片占多大空间,超出页面的内容如何处理。

最后再由设计编辑器负责人工调整和输出。

整个流程里,AI 不需要决定每个元素的坐标。标题字号、段落间距、图片尺寸这些事情,完全可以交给确定的排版规则。这样做出来的图片风格更统一,也更容易批量处理。

图片也可以分情况处理。介绍科技概念时,可以使用生成式 AI 制作示意图;涉及手机、电脑等具体商品时,则应该优先使用真实产品图片,不能为了画面好看,让 AI 生成一个外观不准确的产品。

当然,这只是一个可以开发的方向,不是 Doory 已经内置的完整 AI 工作流。

要让它真正跑起来,还得把文章解析、自动分页、模板填充和图片导出逐个打通。

四、真正麻烦的地方,不是接入 AI

很多人看到这种设想,第一反应可能是:接一个大模型 API 不就行了吗?

实际上,模型接入往往不是最难的部分。

让 AI 写出标题、摘要和正文并不复杂,麻烦的是怎样让不同长度的内容稳定地进入页面。

同样是一个标题,有的只有十几个字,有的可能长达三十多个字。如果模板固定,标题太长就可能挤占正文空间。正文一旦超出预定长度,后面的图片和段落也会受到影响。

如果每次都让 AI 自由调整版式,最终结果很难保持一致。

更稳妥的办法,是让模型负责内容,把分页和布局交给程序。程序按照字体尺寸、文本长度、页面高度等规则计算内容放置位置,超出范围就自动拆页,再交给编辑器渲染。

这也是为什么我认为,研究 Doory 的价值不只是看它能做出什么设计,还要看它的数据结构和渲染流程是否方便复用。

它采用 Fabric.js 处理画布对象,但这不意味着拿到一份设计 JSON,就一定可以在服务器上直接生成 PNG。字体加载、图片资源、画布初始化和导出逻辑,都需要进一步验证。

如果现有导出流程依赖浏览器中的编辑器,就可以研究是否通过 Playwright 自动化完成操作;如果希望做成稳定的服务,则还需要考虑任务队列、失败重试和批量文件打包。

这些事情听起来不如 AI 生成图片那么吸引人,却直接决定了这个工具能不能从演示项目变成真正能用的产品。

五、开源不等于拿来就能商用

还有一个问题不能忽略:许可证。

Doory 使用 Attribution Assurance License。代码能够公开查看,不代表所有使用方式都不受限制。准备把它部署到商业服务中,或者基于它开发收费产品之前,需要仔细核对许可证的署名要求和具体授权条款,同时检查第三方字体、图标及素材的授权情况。

另外,自托管也有成本。服务器、文件存储、数据库备份、版本升级和安全维护,都需要有人负责。

这些成本对只做几张封面的人来说,很可能不划算。

但对想把设计能力嵌入自己产品的开发者来说,自托管和修改源码提供了另一种选择:不必完全依赖现成平台提供的工作流程,可以根据自己的业务来决定功能怎么实现。

当然,前提是这条路线真的能节省时间,或者解决现有工具无法满足的问题。

写在最后

Doory 现在还不能取代 Canva。至少在模板生态、素材资源和整体产品成熟度上,两者并不是一个量级。

但我觉得,这个项目值得关注的地方也不在于它能不能抢走 Canva 的用户。

对于普通用户,设计工具最好是打开就能用,没必要为了做一张图研究半天代码。对于开发者,值得研究的却是另一件事:如果设计数据能够被程序创建和修改,原本需要人工重复完成的工作,是否可以交给自动化流程?

这个问题不只适用于自媒体配图,也适用于电商商品图、企业宣传图和各种需要批量输出的视觉内容。

Doory 已经提供了一个可以研究的起点,但要把它变成真正的自动化设计工具,仍然需要开发者把模板、分页、渲染和导出这些环节连接起来。

开源带来的价值,不是让一个新项目立刻变得比成熟产品更好,而是让你有机会把现有工具改造成自己真正需要的东西。