这次我们来看一个针对 ComfyUI 新手的 AI 漫剧制作全流程整合包。这个项目并非一个全新的 AI 模型，而是一套由资深创作者花费大量时间整理、打包的 ComfyUI 工作流解决方案，旨在将复杂的 AI 漫画、短剧（漫剧）生成过程标准化和自动化。它的核心价值在于，将角色一致性、分镜控制、对话生成、画面风格统一等多个高难度环节，封装成一套可一键加载、按步骤执行的“工作流”，极大降低了从零开始制作 AI 漫剧的技术门槛。

对于刚接触 ComfyUI 的用户来说，手动连接节点、调试参数、寻找兼容插件是最大的障碍。这个整合包直接提供了从“文生图”角色设计，到“多图连续生成”构建故事板，再到最终“视频合成”预览的完整链路。最值得关注的是，它附带了预配置的整合包，这意味着你不需要从零搭建 Python 环境、逐个安装节点，解压后通过启动器即可运行，显著提升了部署成功率。

本文将带你完整走通这套工作流的部署、加载与测试全流程。你会了解到它的核心功能模块、对硬件（尤其是显存）的大致要求、如何启动服务、如何导入工作流文件，并通过一个简单的漫画场景案例，验证从文本脚本到连续画面的生成效果。无论你是想学习 ComfyUI 的高级用法，还是希望快速产出具有一致性的 AI 漫画内容，这套整合包都提供了一个极佳的起点。

1. 核心能力速览

这套 AI 漫剧制作整合包的核心是一系列精心设计的 ComfyUI 工作流。下表概括了其主要特性和要求，帮助你快速判断是否适合你的需求。

能力项 说明
项目类型 ComfyUI 工作流整合包（非独立软件）
核心功能 AI 漫剧全流程制作：角色设计、分镜生成、对话匹配、画面风格统一、预览合成
依赖平台 ComfyUI（基于秋叶一键整合包或自行部署的 ComfyUI 环境）
推荐硬件 支持 CUDA 的 NVIDIA 显卡，显存建议 8GB 及以上。6GB 显存可尝试降低参数运行。
显存占用 不确定，需按实际加载的模型（如 SDXL, SD1.5, 各类 LoRA）和生成参数（分辨率、步数）测试。复杂工作流可能占用较高。
启动方式 通过秋叶 ComfyUI 整合包启动器启动，或标准 ComfyUI 启动命令。
工作流导入 支持加载 .json 或 .png 格式的工作流文件，一键还原所有节点与连接。
是否支持 API 支持。ComfyUI 本身提供原生 API，工作流可通过 API 进行触发和批量任务。
是否支持批量 支持。工作流内可设置循环或通过外部脚本调用 API 实现批量图片/场景生成。
适合场景 个人创作者快速制作 AI 漫画/漫剧；学习 ComfyUI 高级工作流设计；内容工作室的流程化内容生产测试。

2. 适用场景与使用边界

这套整合包主要服务于特定需求的创作者和技术学习者。

它非常适合：

  1. ComfyUI 新手入门者 ：面对空白的画布无从下手，可以通过加载成熟工作流，直观理解节点如何串联以实现复杂功能。
  2. AI 漫画/短剧创作者 ：希望快速将故事脚本转化为具有一致角色和风格的连续画面，用于故事板、概念预览或直接成稿。
  3. 工作流学习者 ：希望拆解、学习如何利用 ControlNet、LoRA、区域提示词、条件控制等高级节点来维持角色一致性和叙事连贯性。
  4. 小型内容团队 ：需要一套相对稳定的本地化生产流程，进行内容创作的效率测试。

它可能不适合：

  1. 追求极致简单“一键成片”的用户 ：这仍然是基于 ComfyUI 的工具链，需要理解基本操作（如加载工作流、修改提示词、点击生成）。它简化的是流程，而非交互。
  2. 显存严重不足的环境 ：如果显卡显存低于 6GB，运行包含多个大模型和 ControlNet 的复杂工作流会非常吃力，可能需要大幅降低分辨率或进行模型优化。
  3. 完全不懂 AI 绘画基础概念的用户 ：你需要对“提示词”、“模型”、“LoRA”、“采样器”等有基本了解，才能有效使用和调整工作流。

重要的使用边界与合规提醒：

  • 版权与授权 ：工作流中使用的基模型（如 Stable Diffusion）和可能的第三方 LoRA 模型，需遵守其对应的开源协议。生成内容若涉及商用，请务必确认所用模型允许商用。
  • 肖像权与隐私 ：使用真人照片或特定肖像训练 LoRA 并生成内容时，必须获得当事人明确授权，避免侵犯肖像权和隐私。
  • 内容合规 ：生成的内容应符合法律法规和公序良俗。整合包本身不包含“无审核”功能，内容安全依赖于你所加载的基础模型的安全过滤器及你自身的提示词。
  • 素材来源 ：用于图生图或训练的原始素材，应确保拥有合法版权或已获授权。

3. 环境准备与前置条件

在加载这个漫剧工作流之前，你需要一个能正常运行的 ComfyUI 环境。以下是两种主要路径的准备清单。

3.1 方案一：使用秋叶一键整合包（推荐新手）

这是最快捷、问题最少的方式，整合包通常已预置了大量常用插件和节点。

  1. 操作系统 ：Windows 10/11（整合包主要针对 Windows）。
  2. 硬件要求 ：
    • GPU ：NVIDIA 显卡（GTX 10系列及以上，推荐 RTX 20系列及以上），并安装最新版显卡驱动。
    • 显存 ：建议 8GB 或以上。6GB 可尝试，但需准备应对可能的显存不足错误。
    • 内存 ：16GB 或以上。
    • 磁盘空间 ：至少预留 20GB 可用空间（用于存放整合包、模型及生成文件）。
  3. 软件准备 ：下载“秋叶 ComfyUI 一键整合包”。确保从可信来源获取，并检查压缩包完整性。

3.2 方案二：使用原生 ComfyUI 部署

如果你已有 ComfyUI 环境或需要在 Linux/macOS 上运行。

  1. Python ：3.10 或 3.11 版本。
  2. PyTorch ：与你的 CUDA 版本匹配的 PyTorch（如 CUDA 11.8 或 12.1）。
  3. Git ：用于克隆仓库和安装插件。
  4. ComfyUI 本体 ：从官方 GitHub 仓库克隆。
  5. 必要插件 ：工作流可能依赖如 ComfyUI-Manager , Impact Pack , ControlNet Auxiliary Preprocessors 等插件，需要提前安装。
  6. 模型文件 ：准备好工作流所需的基模型（如 sd_xl_base_1.0.safetensors ）、VAE、LoRA 模型等，并放置到正确的 models 目录下。

通用检查点 ：

  • 确认显卡驱动已更新。
  • 确认磁盘空间充足。
  • 如果使用方案二，确保网络通畅以便安装依赖。

4. 安装部署与启动方式

无论使用哪种方案，最终目标都是启动 ComfyUI 并加载工作流文件。

4.1 使用秋叶整合包启动

  1. 解压整合包 ：将下载的整合包解压到不含中文和特殊字符的路径，例如 D:\ComfyUI_windows_portable 。
  2. 启动 ComfyUI ：
    • 进入解压后的文件夹，找到 启动器 或 run_nvidia_gpu.bat （根据整合包命名）。
    • 双击运行 。首次启动可能会较慢，因为它会检查并初始化环境。
  3. 访问 WebUI ：启动成功后，命令行窗口通常会显示访问地址，如 http://127.0.0.1:8188 。在浏览器中打开此地址即可看到 ComfyUI 的空白工作台界面。
  4. 端口冲突处理 ：如果默认端口（如 8188）被占用，启动器通常提供修改端口的功能，或在启动脚本中查找 --port 参数进行修改。

4.2 安装缺失节点与模型

首次加载外部工作流时，很可能会提示缺失节点或模型。

  1. 安装缺失节点 ：
    • 如果整合包包含 ComfyUI-Manager ，在 WebUI 界面通常会有“Manager”按钮。
    • 点击“Manager”，选择“Install Missing Custom Nodes”，系统会自动检测并列出缺失项，确认安装即可。
    • 安装后需要 重启 ComfyUI 服务。
  2. 放置缺失模型 ：
    • 工作流所需的特定 LoRA、ControlNet 或 Upscale 模型，需要手动下载。
    • 根据提示的模型名称，从 Civitai、Hugging Face 等平台下载，并放入整合包对应的文件夹中（如 models/loras , models/controlnet ）。
    • 刷新 ComfyUI 页面或重启服务。

4.3 加载漫剧工作流文件

获得工作流文件（通常为 .json 或 .png ）后：

  1. 在 ComfyUI WebUI 界面，点击右侧的 “Load” 按钮。
  2. 选择你下载的漫剧工作流文件（例如 ai_comic_workflow.json ）。
  3. 加载后，画布上会瞬间铺满各种节点和连接线，这表示工作流已成功导入。

5. 功能测试与效果验证

加载工作流后，不要被复杂的节点吓到。我们可以将其分解为几个核心模块进行测试。

5.1 模块一：角色设计与定稿

大多数漫剧工作流会从一个“角色生成”环节开始。

  • 测试目的 ：验证工作流能否根据文本描述生成一个具有特定外观（如发型、服装、瞳色）的固定角色。
  • 操作步骤 ：
    1. 在工作流中找到“正面提示词”（Positive Prompt）节点。
    2. 输入详细的角色描述，例如： 1girl, masterpiece, best quality, silver long hair, blue eyes, cyberpunk jacket, street background 。
    3. 找到“角色 LoRA”或“Textual Inversion”节点，确认已正确加载了用于固定风格的 LoRA 文件（如果有）。
    4. 点击 “Queue Prompt” 按钮。
  • 预期结果 ：生成一张符合描述的角色立绘。多次生成，观察角色面部、发型等核心特征是否保持稳定。
  • 成功判断 ：能稳定输出同一角色的多张不同姿势或表情的图片。
  • 常见问题 ：角色崩坏、风格不一致。检查提示词是否足够具体，LoRA 权重是否合适（通常从 0.6-0.8 开始尝试）。

5.2 模块二：分镜与连续画面生成

这是漫剧的核心，工作流会通过某些机制（如改变背景、动作、表情的提示词，或使用 Latent 串联）生成一系列关联画面。

  • 测试目的 ：验证工作流能否生成 4-6 张具有叙事连续性的画面。
  • 操作步骤 ：
    1. 找到控制“场景”或“分镜提示词”的节点。这可能是一个文本列表节点，或一个从文件读取提示词的节点。
    2. 准备一组简短的场景描述，例如： [“The character is standing in the street, looking around.”, “She notices something in the alley.”, “She walks cautiously towards the alley.”, “A glowing object is seen in the shadows.”] 。
    3. 将这些描述填入对应节点。确保“角色锚定”部分（描述角色本身的提示词）在每一镜中都保持一致。
    4. 点击生成。
  • 预期结果 ：依次输出一组图片，角色保持一致，但背景、动作、构图根据场景描述发生变化。
  • 成功判断 ：角色识别度贯穿始终，场景转换自然。
  • 常见问题 ：角色“跳戏”（外观突变）。检查是否每个分镜的提示词都包含了固定角色的“触发词”或 LoRA 调用；检查采样种子（Seed）是否设置了联动。

5.3 模块三：对话与文字添加

有些工作流集成了 OCR 或文本渲染节点，可以直接在图片上添加对话气泡和文字。

  • 测试目的 ：验证能否在生成的图片上自动添加指定文本。
  • 操作步骤 ：
    1. 找到“对话文本”或“Caption”输入节点。
    2. 输入与分镜对应的对话，例如 ["...What's that?", "It looks like a core from the old era."] 。
    3. 找到“文本位置”或“气泡样式”参数，按需调整。
    4. 重新生成或运行后期处理分支。
  • 预期结果 ：生成的图片上叠加了位置合理的对话气泡和文字。
  • 成功判断 ：文字清晰可读，位置不遮挡关键画面内容。
  • 常见问题 ：文字位置错乱、字体不匹配。可能需要调整文本区域的坐标参数，或确保字体文件已正确放置。

5.4 模块四：批量导出与预览

工作流最后通常会有图像保存和简单视频合成节点。

  • 测试目的 ：验证能否自动将生成的所有分镜图片保存，并合成一个预览视频。
  • 操作步骤 ：
    1. 找到“Save Image”或“Image Sequence Save”节点，检查输出目录设置。
    2. 找到“Video Combine”节点（可能使用 FFmpeg），检查帧率（如 2 fps）、输出格式（如 mp4）设置。
    3. 运行完整工作流。
  • 预期结果 ：在指定的输出文件夹（如 ComfyUI/output ）中看到按顺序命名的图片文件（ frame_001.png , frame_002.png ...）以及一个 preview.mp4 视频文件。
  • 成功判断 ：文件被成功保存，视频可以正常播放，顺序正确。
  • 常见问题 ：视频未生成。检查 FFmpeg 路径是否正确配置（整合包通常已内置），或图片序列是否成功生成。

6. 接口 API 与批量任务

对于希望将此事流程化的用户，ComfyUI 的 API 是核心。你可以通过编程方式驱动整个工作流，实现批量脚本生成。

6.1 启动 API 服务

ComfyUI 默认在启动时就开启了 API 服务。无需额外配置，你可以通过 http://127.0.0.1:8188 （或你的自定义端口）进行访问。

6.2 获取工作流的 API 格式

  1. 在 ComfyUI WebUI 中加载你的漫剧工作流。
  2. 点击右侧菜单的 “Save (API Format)” 按钮，这将下载一个 workflow_api.json 文件。
  3. 这个 JSON 文件包含了所有节点的配置和连接信息，是 API 调用的蓝图。

6.3 Python 调用示例

以下是一个通用的 Python 脚本示例，用于通过 API 触发工作流执行。你需要将其中的 prompt 数据替换为你从 workflow_api.json 中获取的实际数据。

import requests
import json
import time

def queue_prompt(prompt_data, server_address="http://127.0.0.1:8188"):
    """
    向 ComfyUI 服务器提交工作流执行请求
    """
    # 准备请求数据
    p = {"prompt": prompt_data}
    
    # 提交任务
    submit_response = requests.post(f"{server_address}/prompt", json=p)
    submit_response.raise_for_status()
    
    # 获取任务ID
    prompt_id = submit_response.json()['prompt_id']
    print(f"Prompt queued with ID: {prompt_id}")
    
    # 轮询任务状态（简单示例，生产环境建议更健壮的逻辑）
    while True:
        response = requests.get(f"{server_address}/history/{prompt_id}")
        data = response.json()
        if prompt_id in data:
            history = data[prompt_id]
            if history['status']['completed']:
                print("Prompt execution completed.")
                # 这里可以添加获取输出图片的逻辑
                # 例如：从 history['outputs'] 中解析图片节点ID和文件名
                break
        time.sleep(1)  # 每秒查询一次

# 加载你从WebUI导出的API格式工作流JSON
with open('your_workflow_api.json', 'r', encoding='utf-8') as f:
    workflow_api = json.load(f)

# 调用函数执行工作流
queue_prompt(workflow_api)

6.4 实现批量任务

基于上述 API，你可以轻松实现批量：

  1. 批量生成不同故事 ：准备一个包含多个故事脚本的 JSON 列表或文本文件。
  2. 循环调用 ：在 Python 脚本中循环读取每个故事脚本。
  3. 动态修改提示词 ：在加载 workflow_api.json 后，通过代码定位到“正面提示词”节点（其 class_type 通常是 CLIPTextEncode ），动态替换其输入 text 字段的内容为你当前循环的故事描述。
  4. 提交并等待 ：为每个修改后的工作流调用 queue_prompt 函数。建议在任务间加入间隔，避免服务器过载。
  5. 管理输出 ：在回调或历史记录中，获取每批任务生成的图片文件路径，进行重命名和归档。

7. 资源占用与性能观察

运行复杂工作流时，监控资源使用情况至关重要。

7.1 如何观察显存占用

  • Windows 任务管理器 ：打开“性能”选项卡，选择 GPU，查看“专用 GPU 内存”的使用情况。
  • NVIDIA-SMI ：在命令行中运行 nvidia-smi ，查看 Volatile GPU-Util 和 GPU Memory Usage 。
  • ComfyUI 内部 ：一些自定义节点或管理器插件会显示当前显存使用量。

7.2 影响性能的关键参数

在漫剧工作流中，调整以下参数可以平衡速度、质量和显存：

  1. 分辨率 (Width/Height) ：这是显存占用的最大影响因素。从 512x768 或 768x512 开始测试，而非直接使用 1024x1024。
  2. 采样步数 (Steps) ：通常 20-30 步已足够。降低步数能显著加快生成速度。
  3. 批量大小 (Batch Size) ：工作流中如果设置了“批量生成”，会一次性生成多张图，显存占用成倍增加。初期测试建议设为 1。
  4. 同时加载的模型数 ：工作流同时使用多个 ControlNet、多个 LoRA 会显著增加显存负载。如果显存紧张，考虑分批运行或优化工作流结构。

7.3 降低显存占用的技巧

  • 使用 --cpu 参数 ：对于某些非核心的预处理节点（如某些 OpenPose 检测器），可以在启动 ComfyUI 的命令行中添加 --cpu 参数，强制其在 CPU 上运行，但速度会变慢。
  • 启用模型卸载 ：在 ComfyUI 设置中，可以启用“自动卸载模型”，让系统在不需要时从显存中移除模型，但这可能增加切换时间。
  • 优化工作流 ：检查工作流中是否有重复的模型加载节点，或可以合并的相似处理分支。

8. 常见问题与排查方法

以下是使用此类整合包和工作流时可能遇到的典型问题及解决思路。

问题现象 可能原因 排查方式 解决方案
启动后页面打不开 端口被占用；防火墙阻止；启动失败。 1. 查看命令行窗口有无报错。
2. 运行 netstat -ano | findstr :8188 查看端口占用。
3. 检查浏览器是否访问 http://127.0.0.1:8188 。		 1. 关闭占用端口的进程，或修改启动脚本中的 --port 参数。
2. 以管理员身份运行启动脚本。
3. 检查整合包路径是否含中文或空格。
加载工作流后大量节点报红（缺失） 缺少对应的自定义节点或模型文件。 查看节点上的错误信息，通常会提示缺失的节点名称（如 ImpactPack ）或模型名称。 1. 通过 ComfyUI-Manager 安装缺失节点。
2. 根据提示下载缺失的模型，放入对应 models 子目录。
点击生成后无反应或报错 提示词语法错误；模型加载失败；节点配置冲突。 1. 查看命令行窗口的详细错误日志。
2. 检查关键节点（如 CheckpointLoader）的模型路径是否正确。		 1. 检查提示词中是否有非法字符或未闭合的括号。
2. 确认模型文件已下载且完整。
3. 尝试逐个禁用复杂节点（如多个 ControlNet）来定位问题源。
生成速度极慢 使用了 CPU 模式；分辨率过高；步数过多；显卡性能瓶颈。 观察任务管理器中 GPU 利用率是否达到高位。 1. 确认启动时未错误使用 --cpu 。
2. 降低生成分辨率和采样步数。
3. 升级显卡驱动。
显存不足 (OutOfMemory) 工作流复杂度超出显卡容量；分辨率/批量设置过大。 生成前观察空闲显存，生成时监控显存峰值。 1. 立即生效 ：大幅降低分辨率（如降至 512x512），减少 Batch Size 至 1。
2. 长期方案 ：使用 --lowvram 模式启动；优化工作流，移除不必要的并行处理；考虑升级硬件。
角色一致性差，每张脸都不一样 提示词中固定角色的描述不够强；未使用或错误使用 LoRA；种子 (Seed) 未固定或联动。 对比不同生成图的提示词差异，检查 LoRA 节点是否生效。 1. 在每张分镜的提示词中加入独特的角色描述符（如 [character:name:0.9] ）。
2. 检查并正确设置 LoRA 节点的权重（通常 0.7-0.8）。
3. 使用“种子”节点，并将其连接到所有 KSampler 以确保一致性。
API 调用返回错误 工作流 API 数据格式错误；服务器未就绪；节点 ID 冲突。 查看 ComfyUI 命令行窗口的 API 请求日志。 1. 始终使用从当前 WebUI 界面“Save (API Format)”导出的 JSON 文件。
2. 确保在调用 API 前，WebUI 界面已成功加载并可以手动运行该工作流。
3. 检查 JSON 中是否有重复的节点 id 。

9. 最佳实践与使用建议

为了更高效、稳定地使用这套漫剧工作流，遵循以下实践会事半功倍。

  1. 从简化测试开始 ：不要第一次就运行完整的长篇工作流。先尝试只运行“角色生成”部分，确认基础模型和 LoRA 生效。再测试单次“分镜生成”，最后串联整个流程。
  2. 建立项目文件夹体系 ：在 ComfyUI 目录外，建立清晰的项目文件夹。例如： 
    My_AI_Comic_Project/
├── scripts/          # 存放故事脚本文本文件
├── inputs/           # 存放原始素材或参考图
├── workflows/        # 存放不同版本的 .json 工作流文件
├── outputs/          # 软链接或指向 ComfyUI 的输出目录
└── docs/             # 记录提示词、参数设置
  3. 版本化管理工作流 ：每次对工作流做出重大修改（如添加新 ControlNet、调整逻辑）后，都使用“Save (API Format)”另存为一个新版本的文件（如 comic_workflow_v2.json ）。这便于回滚和对比。
  4. 参数文档化 ：将测试成功的提示词、LoRA 权重、采样器参数记录在文档中。ComfyUI 的 Save (API Format) 虽然包含了所有参数，但一份人类可读的摘要更利于快速调整。
  5. 利用队列和缓存 ：对于批量任务，善用 ComfyUI 的队列系统。通过 API 提交多个任务后，ComfyUI 会顺序处理。对于常用的大模型，ComfyUI 会将其缓存于显存，后续生成速度更快。
  6. 合规与授权自查清单 ：
    • 商用前，确认所用所有模型（基础模型、LoRA、Embedding）的许可证（License）是否允许商用。
    • 使用真人肖像 LoRA 前，务必取得肖像权授权书。
    • 生成内容发布前，进行内容安全自查，避免产生违规内容。
  7. 性能与质量平衡 ：对于内部预览或故事板，可以使用低分辨率（如 512x768）和低步数（20步）快速迭代创意。对于最终成稿，再使用高分辨率重绘或高清修复（Hi-Res Fix）功能提升质量。

这套整合包和工作流的价值，在于它将 AI 漫剧制作这个系统性工程，拆解成了可视化、可复用的标准化模块。对于 ComfyUI 新手，它是最好的“反向学习”教材——通过观察一个能跑通的复杂系统，来理解每个节点的作用。对于创作者，它提供了一个生产力强大的起点，你可以在此基础上修改角色、调整分镜逻辑、替换风格模型，从而衍生出属于自己的独特工作流。最先应该验证的，就是“角色一致性”这个核心难题是否被工作流有效解决。最容易踩的坑，往往是环境依赖缺失和显存溢出。成功部署并跑通第一个简单故事后，你就可以深入节点内部，开始真正的自定义创作了。

# ComfyUI # 工作流
Logo
码道开发者社区

码道开发者社区，聚焦华为云码道 CodeArts 代码智能体，沉淀 Agent、Skill、鸿蒙开发实战内容，供开发者查阅资料、交流技术、分享工程实践

更多推荐

Manim 数学动画完全指南：五分钟从零到成片

Manim 是用 Python 驱动的数学动画引擎，把抽象的公式与曲线转成逐帧可控的动态可视化。适合想制作 Python 数学可视化视频的编程新手、数学学生和科普创作者。## 数学为什么需要"动"起来你试过用一张静态图讲清导数的概念吗？切线、割线、极限位置都能画出来，但"割线逼近切线"发生的那一下，观众只能靠脑补。课本插图大多是"结论截图"：只留下最终状态，过程被压缩成一句"易见"。函

avatar 码道开发者社区
cover

Claude API + Python实战：结构化输出后，如何拦住“看起来正确”的JSON

avatar 码道开发者社区
cover

GLM-5.3-Flash深度解析：3200亿参数只卖Opus四十分之一，国产算力首次跑通前沿模型

avatar 码道开发者社区