做漫剧最头疼的是什么不是剧情灵感也不是分镜创意而是当你终于画出第一张主角定妆照之后第二张、第三张、第十张里的主角全都“换了个人”。头发颜色变了眼睛大小变了连衣服细节都在前后摇摆。如果你只用网页版生图工具一张一张手动调试整个漫剧项目会卡在“角色一致性”和“批量出图”这两个环节上很难推进到成片阶段。ComfyUI 漫剧工作流解决的正是这个问题。它把“模型加载 → 提示词解析 → 图像生成 → 细节控制 → 批量输出 → 视频合成”整个过程拆成可视化节点只要把节点连好一次就能反复复用到不同分镜、不同场景、不同角色设定上。本文会从零开始完整拆解 ComfyUI 漫剧工作流的环境安装、节点概念、角色一致性方案、分镜批量生成、动态视频输出和常见报错处理适合刚接触 ComfyUI 的新手也适合已经能出图但想系统搭建漫剧生产流程的进阶玩家。1. 背景ComfyUI 漫剧工作流解决什么问题1.1 漫剧到底是什么漫剧可以理解为“动态漫画”或“有声漫画”。它本质上是由一批静态漫画分镜图组成的短剧画面带有轻微运镜、缩放、人物动态再配上配音、音乐、字幕和转场最终形成一集类似动画短视频的内容。漫剧的制作流程通常包括剧本写作、分镜脚本、角色设定、场景设定、单张画面生成、批量修改、动态化处理、剪辑配音。传统生产模式下角色设定和分镜画面由画师手工绘制成本高、周期长。AI 辅助漫剧制作则把重心转移到了“提示词设计”和“工作流管理”上。ComfyUI 在漫剧生产中的定位不是“取代画师”而是把“绘制大量风格统一图片”这件事变成流程化操作。你需要做的是先把角色描述、模型选择、画面尺寸、ControlNet 控制条件整理成一套可复用流程再交给 ComfyUI 批量执行。1.2 为什么选择 ComfyUI 而不是传统绘图工具很多刚开始做漫剧的人会先接触传统绘图软件或网页版 AI 生图工具。这类工具上手快但存在几个明显问题单张生成效率低不容易批量处理分镜。图片风格和角色特征很难保持统一重新生成一张往往要重新调参数。工作流无法沉淀今天调试好的参数明天又要重新试。后期如果要接 ControlNet、LoRA、视频生成网页版很难满足复杂需求。ComfyUI 使用了基于节点的可视化编辑方式。你可以把整个漫剧制作流程拆成一个个功能单元例如“加载大模型”“输入提示词”“设置采样参数”“使用 ControlNet 控制姿势”“保存图片”然后用连线把单元串起来。这样有几个明显好处流程可视化出了错误可以快速定位到具体节点。参数可复用一套漫剧工作流保存成 JSON 文件后可以直接分享或反复加载。扩展性极强ComfyUI 有大量自定义节点ControlNet、LoRA、AnimateDiff、视频生成模型等都能通过插件接入。换句话说ComfyUI 漫剧工作流不只是“画图工具”而是一个完整的“漫剧生产流水线”。1.3 漫剧工作流的核心链路一条完整漫剧工作流通常包含以下链路加载基础模型Checkpoint。按场景加载 LoRA 或其他增强模型。输入正向提示词与反向提示词。设定图片尺寸、采样步数、CFG 数值和种子值。必要时通过图生图或 ControlNet 控制角色姿势、构图、景别。批量生成同一角色的多个分镜画面。通过视频生成节点或帧序列方式把静态图变成动态画面。导出视频片段进入剪辑合成。这篇文章后面所有章节都会围绕这条链路展开。2. 环境准备搭建你的 ComfyUI2.1 硬件要求ComfyUI 对硬件要求主要集中在大模型推理阶段。做一个判断如果你电脑能流畅运行 Stable Diffusion WebUI那么运行 ComfyUI 基本不会有问题如果连 WebUI 都跑不动就需要考虑云 GPU 方案。建议硬件配置如下硬件项建议配置显卡NVIDIA 显卡显存 8GB 起步12GB 以上体验更好操作系统Windows 10/11 64 位或 Linux内存16GB 以上硬盘系统盘剩余 50GB 以上用于存放模型与工作流文件网络需要能够正常下载模型和插件安装时保持网络稳定如果你的显卡显存只有 4GB 或 6GB也可以运行漫剧工作流但建议使用更小的模型、更低分辨率并且尽量不要同时开多个大型节点。视频生成对显存占用更高6GB 显存跑视频生成会非常吃力建议优先使用云端方案。2.2 三种安装方式对比ComfyUI 的安装方式主要有三种整合包、手动安装、Docker 容器。安装方式优点缺点适合人群整合包下载即用自带 Python 和依赖版本更新相对滞后文件体积大新手、追求快速上手手动安装版本可控环境干净需要自己处理依赖问题有 Python 基础的开发者Docker 容器环境隔离部署到服务器方便显卡驱动映射配置复杂Linux 服务器用户、云端部署对大多数漫剧制作者来说第一选择是下整合包尤其是“秋叶一键整合包”这类在社区里很流行的版本。整合包通常会把 ComfyUI 主程序、Python 运行环境、常用自定义节点、启动脚本打包好解压后直接运行启动脚本就能打开浏览器界面。这里要提醒一句整合包版本更新很快你从网上下载到的版本名称和界面布局可能和我这篇文章里描述的不完全一样。遇到界面差异时优先参考整合包发布者提供的说明。2.3 整合包安装与启动使用整合包的流程很简单从发布者主页下载整合包压缩文件。将压缩包解压到磁盘空间充足的目录路径不要包含中文和空格。进入解压后的目录找到启动脚本。双击启动脚本等待服务启动浏览器会自动打开 ComfyUI 页面。常见的启动脚本名称包括run_nvidia_gpu.bat、启动器.exe、A启动器.exe等。不同整合包名称不同以实际压缩包内文件为准。启动成功后浏览器地址栏通常访问的是http://127.0.0.1:8188如果 8188 端口被占用ComfyUI 会自动切换端口或者你可以在启动参数中手动指定端口。2.4 手动安装参考如果你不想用整合包也可以手动安装 ComfyUI。这里给出一套通用安装步骤版本细节以官方 GitHub 仓库说明为准。先准备 Python 环境建议使用 Python 3.10 或 3.11 版本并创建独立虚拟环境避免和其他项目冲突# 创建虚拟环境 conda create -n comfyui python3.11 # 激活虚拟环境 conda activate comfyui # 克隆 ComfyUI 主项目 git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI # 安装依赖 pip install -r requirements.txt安装依赖时PyTorch 版本需要根据你的显卡驱动和 CUDA 版本选择不建议盲目安装最新版。如果你用的是 NVIDIA 显卡通常在整合包环境中已经配置好对应版本手动安装时请先确认nvidia-smi输出的 CUDA 版本再选择匹配的 PyTorch 安装命令。依赖安装完成后启动服务python main.py --listen 0.0.0.0 --port 8188这里--listen 0.0.0.0表示允许局域网内其他设备访问如果你只在本机使用可以去掉这个参数直接运行python main.py服务启动后在浏览器中打开http://127.0.0.1:8188即可。2.5 验证环境不管用哪种方式安装第一次进入 ComfyUI 界面后建议做三件事在默认示例工作流上点击“运行”确认能生成一张测试图。查看底部日志确认模型加载正常、没有报错。安装 ComfyUI Manager这是管理和安装自定义节点的关键工具。ComfyUI Manager 在后期排查“缺失节点”问题时非常有用。手动安装方式可以这样安装cd ComfyUI/custom_nodes git clone https://github.com/ComfyUI-Manager/ComfyUI-Manager.git cd ComfyUI-Manager pip install -r requirements.txt安装完成后重启 ComfyUI浏览器页面右侧或顶部会出现 Manager 入口。通过它可以查看自定义节点列表、一键安装、一键更新、检查缺失节点。3. ComfyUI 核心概念节点、连线与图像生成链路3.1 节点与连线ComfyUI 的界面由一张无限画布和若干个节点组成。每个节点负责一个功能比如节点类型作用Load Checkpoint加载大模型CLIP Text Encode把中文或英文提示词编码为模型能理解的向量KSampler执行采样过程VAE Decode把潜空间数据解码为可见图片Save Image保存生成结果Load Image读取本地图片用于图生图ControlNet Loader加载 ControlNet 模型LoRA Loader加载 LoRA 模型节点与节点之间通过连线传递数据。例如Load Checkpoint节点会输出MODEL、CLIP、VAE三种类型的数据分别连接给采样器、文本编码器和解码器用。新手最常见的困惑是“不知道怎么连线”。解决办法很简单先把别人分享的漫剧工作流 JSON 文件拖进 ComfyUI 界面观察它的连线方式然后在默认工作流基础上做小改动而不是完全从零搭建。3.2 潜空间与采样器ComfyUI 里很多概念源自 Stable Diffusion 模型的技术原理。我们需要理解一个关键概念潜空间。Stable Diffusion 不会直接在原始像素级别生成图片而是先把图片压缩到潜空间Latent Space在这个低维空间里执行去噪采样最后再通过 VAE 解码器还原成正常图片。这样做能大大降低计算量。在 ComfyUI 中这个流程体现为Empty Latent Image或Load Image产生潜空间输入。KSampler在潜空间执行采样。VAE Decode把潜空间数据解码为像素图。KSampler里有几个参数需要重点关注Steps采样步数数值越高通常质量越好但耗时越长。漫剧批量出图时建议先设为 20 到 30 步。CFG提示词引导强度一般 5 到 8 之间。CFG 过高会让画面失真过低则可能偏离提示词描述。Sampler采样器算法常见的如 DPM 2M Karras、Euler a 等不同算法风格和速度有差异。Scheduler采样调度器和 Sampler 搭配使用。Denoise去噪强度图生图时常用。值为 1 表示完全重新生成值越小越接近原图。漫剧制作中建议固定一组常用参数比如Steps 25、CFG 6、Sampler dpmpp_2m、Scheduler karras。固定参数能减少变量从而提高画面一致性。3.3 从加载模型到输出图片的完整流程先来看一个最基础的工作流链路Load Checkpoint ├── MODEL → KSampler ├── CLIP → CLIP Text Encode → KSampler └── VAE → VAE Decode Empty Latent Image → KSampler → VAE Decode → Save Image用文字描述就是加载大模型分别取出模型权重、CLIP 文本编码器、VAE 解码器把提示词用 CLIP 编码控制潜空间初始大小采样器把随机噪声逐步去噪为潜空间特征VAE 解码成图片最终保存。这套链路是后面所有漫剧工作流的“骨架”。角色一致性、ControlNet、LoRA 等进阶功能都是在不同环节插入额外节点。新手很容易忽略的是CLIP Text Encode节点分为正向提示词和反向提示词两部分一个工作流里通常有两个该节点。正向提示词写画面内容比如角色外貌、场景、风格反向提示词写不希望出现的内容比如模糊、变形、多余手指、低质量等。3.4 工作流文件的本质ComfyUI 的工作流文件是 JSON 格式。这个 JSON 里记录了所有节点类型、参数、位置和连线关系。你可以在界面右上角菜单中导出工作流也可以把别人分享的工作流 JSON 文件直接拖进 ComfyUI 窗口完成导入。这里有个新手常见误区把工作流文件当成图片丢进custom_nodes文件夹。这是不对的。工作流文件对应的是“流程图”不是插件包。要安装的是“节点对应插件”不是工作流本身。4. 漫剧工作流常用节点体系4.1 Checkpoint 模型与 LoRA在漫剧项目中基础模型直接决定了整体画风。有的模型偏日漫有的偏国漫有的偏写实。你需要根据漫剧题材选择或训练合适的 Checkpoint。LoRA 是一种小规模权重微调模型。它体积通常只有几十到几百 MB却能把某种特定风格、角色或物体特征“注入”到生成结果中。漫剧制作者经常使用 LoRA 做两件事固定角色外貌例如训练一个“男主”LoRA出图时只要加载这个 LoRA男主五官就会被拉回统一状态。固定整体画风例如古风、赛博朋克、Q 版风格等。在 ComfyUI 中LoRA 的加载位置在Load Checkpoint和CLIP Text Encode、KSampler之间Load Checkpoint → LoRA Loader → MODEL → KSampler → CLIP → CLIP Text Encode每个 LoRA 节点都有strength_model和strength_clip参数控制 LoRA 对模型和文本编码的影响程度。刚开始调时建议值设置在 0.6 到 0.8 之间过高会破坏画面结构过低又看不到明显效果。4.2 文生图、图生图与 ControlNet漫剧制作的第一步通常是文生图也就是通过提示词直接生成画面。但纯文生图有个问题不同分镜里角色姿势、构图、镜头角度很难稳定控制。这时通常需要引入图生图与 ControlNet。图生图的逻辑是加载一张已有图片作为参考通过Denoise参数控制在原图基础上的改动程度。漫剧中的一个常见用法是先用文生图得到角色基础形象再通过图生图生成不同表情、姿势的变体。ControlNet 更进一步它通过额外条件控制生成过程。比如用 OpenPose 姿态图控制人物姿势用 Canny 边缘检测控制画面轮廓用 Depth 深度图控制空间结构。在漫剧工作流中ControlNet 的典型用法是先用 3D 软件或手绘草图摆出角色姿势导出 OpenPose 骨骼图。在 ComfyUI 中加载 ControlNet 模型。把骨骼图输入 ControlNet让角色按照指定姿势生成画面。操作时注意 ControlNet 有两个强度参数通常保持默认即可不必每次修改。如果发现姿势被过度控制导致画质下降可以适当降低 ControlNet 的权重。4.3 角色一致性方案角色一致性是漫剧制作的核心难点。所谓一致性不只是“头发颜色相同”而是五官比例、脸型、气质、穿着细节都要稳定。几种常见方案方案原理适合场景固定提示词前缀把角色描述写成统一前缀所有分镜共用角色特征简单、要求不高的场景LoRA针对角色单独训练小权重模型主要角色、出场次数多、要求严格图生图用第一张确立的角色图作为输入参考短片段、单一场景IP-Adapter / InstantID将参考图像特征注入生成过程需要画面参考且不方便训练 LoRA建议在项目初期马上确定主角的 LoRA 或参考图方案而不是每张图都临时改提示词。因为一旦分镜数量到了几百张靠手写提示词统一角色根本不现实。4.4 批量分镜生成漫剧一集可能有 50 到 200 个分镜逐张点击生成效率太低。ComfyUI 本身的Save Image节点每次只会保存一张图片但可以通过以下方式提高效率利用 Seed 种子值固定seed可以复现同风格结果批量变化不同种子可以生成多个候选方案。编写外部脚本调用 API。使用自定义节点的批处理功能例如对图片文件夹统一处理。在 ComfyUI 工作流中你还可以把多个分镜的提示词放在一个外部文本文件中通过脚本方式逐条提交避免手动复制提示词。4.5 动态效果与视频输出漫剧除了静态分镜还需要动态画面。ComfyUI 中常见的动态化方式包括方式思路输出AnimateDiff在潜空间生成连续帧帧序列 / GIF / 视频图生视频模型用静态图生成短视频视频片段后期运镜静态图上做平移、缩放、旋转视频片段如果你的显存允许建议把工作流拆成“静态分镜生成”和“视频帧生成”两段来跑避免一个超长工作流占用过多显存。视频模型对显卡要求较高量级较大的漫剧项目优先考虑云端 GPU 环境。实际制作中一个简单高效的流程是先用 ComfyUI 出高质量静态分镜图再在剪辑软件里做运镜配合配音和字幕。这样既保留了 ComfyUI 的优势又避免视频生成显存不足的问题。5. 完整实战搭建一条漫剧分镜工作流下面进入完整实战。我们会从分镜脚本开始一步一步搭建一条可运行的漫剧分镜工作流。5.1 先写分镜脚本漫剧工作流不是随便生成几张好看图就行了而是需要按剧情生成连续画面。所以在打开 ComfyUI 之前请先准备好分镜脚本。一个分镜脚本条目至少包含以下字段场号例如 S01、S02。镜头描述人物在做什么动作。景别特写、近景、中景、全景。人物表这个镜头里有哪个角色。情绪角色的表情和状态。参考构图是否需要特定姿势或镜头角度。例如S01主角登场全景夜幕下的城市天台男主背对镜头看远方冷色氛围 S02男主转头近景男主正面看向镜头眼神坚定背景虚化 S03女主出现中景女主从楼梯口走来惊讶表情暖色灯光有了这个表格后面写提示词就不容易乱。5.2 第一步搭建角色设定节点在新画布中依次添加以下节点Load Checkpoint加载漫剧风格的基础模型。LoRA Loader如已训练角色 LoRA则加载主角 LoRA。CLIP Text Encode输入角色固定描述词。角色固定描述词示例white hair, red eyes, black long coat, young man, detailed face, clean lineart, anime style, upper body, serious expression这个描述词会作为正向提示词的一部分覆盖到后续所有分镜生成中。同时建议建立一套自己的角色描述模板。例如[角色名]: [外貌特征], [服装特征], [风格特征], [镜头特征]角色名字不建议写中文名称因为大部分模型训练语料都是英文英文描述通常更稳定。5.3 第二步搭建背景与镜头生成节点复制一个新的CLIP Text Encode节点用于输入当前分镜的背景和镜头描述。为了方便管理可以把正向提示词按顺序拼接例如角色描述 场景描述 镜头描述 画质增强词ComfyUI 中可以通过多个CLIP Text Encode节点连到同一个KSampler吗可以的但更常见的做法是直接在同一个提示词文本框中用逗号拼接或者使用Text Concatenate类自定义节点。简化起见建议用一段完整提示词示例white hair, red eyes, black long coat, young man, detailed face, clean lineart, anime style, night city rooftop, urban skyline, cinematic lighting, cold tones, full body, looking at camera, masterpiece, best quality镜头描述部分可以随分镜变化角色描述部分保持固定。这就是保证漫剧画面连贯的第一步。5.4 第三步加入 ControlNet 固定构图如果你希望某些分镜必须使用特定姿势可以在工作流中加入 ControlNet 节点。工作流结构变成Load Checkpoint → MODEL → ControlNet Apply → KSampler Load Image → ControlNet Loader → ControlNet Apply节点的连接思路是Load Image加载姿势参考图片。ControlNet Loader加载 ControlNet 模型例如 OpenPose 版本。ControlNet Apply节点接收基础模型、条件数据和参考图片输出处理后的模型。最终参与KSampler采样。ControlNet 的强度不一定越高越好。如果你的角色姿势图比较粗糙强度设太高会出现“复制参考图颜色”或“画面崩坏”的问题建议从 0.6 到 0.8 开始调试。5.5 第四步导出图片与批量命名图片生成后Save Image节点会把图片保存到 ComfyUI 的默认输出目录。建议在 Save Image 节点中填写文件名前缀例如S01_scene01这样导出后文件名带场号方便后期排序。批量生成时文件名前缀可以按分镜编号命名。为了便于检查输出结果可以在本地 Python 环境中写一个小脚本批量查看分镜图片的尺寸和数量import os from PIL import Image output_dir output expected_scenes [S01, S02, S03] for scene in expected_scenes: scene_dir os.path.join(output_dir, scene) if not os.path.exists(scene_dir): print(f{scene}: 目录不存在) continue images sorted([f for f in os.listdir(scene_dir) if f.endswith((.png, .jpg))]) print(f{scene}: {len(images)} 张图) for img_name in images: img Image.open(os.path.join(scene_dir, img_name)) print(f {img_name}: {img.size[0]}x{img.size[1]})这段脚本用来确认输出是否齐全也可以帮助你提前发现尺寸不统一的问题。5.6 第五步接入视频生成静态分镜图批量完成后如果显存和模型支持可以在 ComfyUI 中继续搭建视频生成工作流如果环境不允许也可以先把图导到剪辑软件里做动态化。在 ComfyUI 中做动态化的一种常见思路是把静态图作为第一帧接视频生成模型生成几秒短视频片段。例如图生视频类模型的工作流大致是Load Image → 图生视频模型 → Frame Sequence → VAE Decode → 视频保存节点视频模型版本多、更新快具体节点名称请以你安装的插件为准。如果你的显卡跑不动可以用以下 ffmpeg 命令把静态图批量合成为视频ffmpeg -framerate 24 -i frame_%05d.png -c:v libx264 -pix_fmt yuv420p output.mp4这条命令的意思是按 24 帧每秒读取frame_00001.png、frame_00002.png…… 并编码为 H.264 视频。如果图片命名不是这种规律请先批量重命名。5.7 运行验证搭建完成后从第一节点开始点击或者直接点击页面上的 “Run” 按钮执行整个工作流。运行过程中观察两个地方日志输出看是否报错报错时会告诉你具体是哪个节点出了问题。图片预览看生成结果是否接近分镜描述。第一次跑通后不要急着改参数。先把工作流导出保存为 JSON 文件之后再尝试调整提示词、Seed、ControlNet 强度。记住一个原则每次只改一个变量否则出了问题很难定位。6. 常见报错与缺失节点处理下面这些问题是我在多年漫剧工作流实践中被问得最多的问题按频率做了整理。6.1 导入工作流提示“请安装缺失的包以使用此工作流”这个提示几乎每个人都遇到过。出现原因是对方分享的漫剧工作流使用了某个自定义节点但当前 ComfyUI 环境还没有安装对应插件。解决办法通常有两条。第一条使用 ComfyUI Manager 自动安装打开 Manager在界面中查看“缺失节点”列表点击安装即可。安装后重启 ComfyUI。第二条手动安装根据报错提示定位到缺失的节点仓库进入custom_nodes目录执行以下操作cd ComfyUI/custom_nodes git clone 节点仓库地址 cd 节点目录 pip install -r requirements.txt注意几点安装完必须重启 ComfyUI部分节点依赖额外的 Python 包需要在节点目录内安装安装失败时优先查看日志中的具体报错。6.2 节点执行过程中发生错误这种报错一般会以类似下面的日志出现node: KSampler error: ...看到这种信息不要慌张。它只是告诉你“某个节点在执行时报错了”根因可能是上一步输入的数据类型不对也可能是模型文件缺失。排查步骤建议如下看日志中node字段指向哪个节点。检查该节点的输入连线是否完整比如KSampler是否接收到了MODEL、CLIP、VAE、Latent。检查用到的模型文件是否已经下载并放到正确目录。降低分辨率或减少批次大小排除显存不足导致的错误。如果某条连线是红色的说明数据类型不匹配。6.3 显存不足常见表现是生成时报 CUDA Out of Memory或者系统冻结。解决方向包括降低图像分辨率例如从 1024x1024 降到 768x768。减小 batch size一次只生成 1 张图。使用低显存占用模型例如轻量 LoRA 或者量化版本模型。关闭其他占显存程序浏览器标签页太多也可能影响显卡内存。使用--lowvram或--novram启动参数让模型分批次加载。例如python main.py --lowvram--lowvram表示低显存模式ComfyUI 会在需要时才把模块加载到显卡减少显存峰值但速度会变慢。6.4 ControlNet 模型加载失败ControlNet 节点在加载模型时提示文件不存在通常是因为模型文件放错目录。ComfyUI 中模型文件有固定目录结构ComfyUI/models/ ├── checkpoints/ # 大模型 ├── loras/ # LoRA 模型 ├── controlnet/ # ControlNet 模型 ├── vae/ # VAE 模型 └── unet/ # 其他扩散模型ControlNet 模型应按controlnet目录存放文件名要和工作流中的节点配置一致。如果你下载的是其他格式或版本需要按实际的节点需求调整。6.5 视频合成失败视频合成失败的原因比较多。如果是 ffmpeg 报错优先检查输入图片命名和路径如果是 ComfyUI 视频节点报错通常是模型版本或显存问题。这里提供一个简单的检查清单问题现象常见原因解决思路图生视频结果闪烁帧间一致性不足固定种子、降低动态幅度视频帧数不够参数设置太少增加帧数参数输出文件损坏磁盘空间不足或中断检查磁盘空间重新生成人物在帧之间变脸角色参考不充分使用角色 LoRA 或更稳定的参考图6.6 排查清单遇到任何报错都可以按下列顺序排查日志定位明确报错发生在哪个节点。环境检查确认所有自定义节点已安装。模型检查确认所有模型文件已下载且路径正确。参数检查确认采样器、CFG、分辨率参数合理。资源检查确认显存、硬盘、内存充足。最小化复现在一个全新工作流中只保留报错相关节点再测试。7. 漫剧生产效率优化漫剧项目一旦开始正式制作出图量会非常大。这里分享几个提升效率的工程化思路。7.1 把工作流拆成组件不建议把所有功能堆在一条超长工作流里因为一但某个节点报错整条链路都会停。建议拆分成几条独立工作流角色设定工作流专门生成和验证角色定妆图。分镜生成工作流输入角色描述和分镜内容批量出图。放大修复工作流对选中的分镜图做超分和细节修复。视频生成工作流把选中的静态图转为动态片段。拆分后每个工作流的职责清晰调试成本更低。7.2 批处理ComfyUI 的节点本身支持批次处理但批次太大会增加显存压力。更稳妥的方式是脚本批处理。例如你可以维护一个 CSV 文件每行记录一个分镜的提示词、场景、姿势参考图路径然后写脚本遍历 CSV 内容并提交给 ComfyUI API。这样即使有 200 个分镜也不需要手动复制粘贴提示词。7.3 提示词与参数管理漫剧项目里提示词是最容易被忽视的资产。建议把常用提示词做成模板文件例如common_positive.txt # 公共正向提示词包含画质增强词 common_negative.txt # 公共反向提示词 character_01.txt # 主角1的角色描述 scene_descriptions.txt # 分镜场景描述生成分镜时把“公共正向提示词 角色描述 场景描述”拼接起来使用而不是每次重新写一大段内容。这样既能保证一致性也方便统一调整画风。7.4 版本管理工作流文件最好纳入版本管理。建议在本地为每个漫剧项目建立目录project_xxx/ ├── workflows/ # 工作流 JSON 文件 ├── prompts/ # 提示词模板 ├── loras/ # 定制 LoRA ├── output/ # 生成结果 │ ├── S01/ │ ├── S02/ │ └── S03/ └── notes/ # 分镜脚本与修改记录工作流文件命名可以参考形态例如20260101_character_workflow_v1.json 20260105_scene_workflow_v2.json每次修改工作流后都保存一个新版本避免把调好的参数覆盖掉。7.5 云端 GPU 方案如果你的本地显卡跑不动视频生成或者需要大批量出图可以考虑云 GPU 方案。常见选择包括云服务器租用、ComfyUI 云实例平台等。使用云 GPU 时注意三点数据上传下载速度影响大建议在本地先准备好模型和提示词再传到云端。云端环境插件版本可能和本地不一致尽量使用相同工作流文件和依赖列表。建议定时保存工作流结果防止实例释放导致数据丢失。8. 七天学习路线建议最后给出一个从零基础入门 ComfyUI 漫剧工作流的七天学习节奏按照这个节奏走七天可以完成第一个完整漫剧小样片。8.1 第 1-2 天环境搭建与第一张图目标成功启动 ComfyUI并能用默认工作流生成第一张图。做法下载安装整合包或手动安装。学会加载模型和提示词。在默认工作流基础上改提示词生成不同主题图片。学会导入和保存工作流 JSON 文件。这个阶段不需要理解所有节点重点是跑通链路。8.2 第 3 天理解核心节点目标能读懂一条基础文生图工作流里每个节点的作用。做法观察Load Checkpoint、CLIP Text Encode、KSampler、VAE Decode、Save Image的连线关系。尝试调整 Steps、CFG、Seed观察图片变化。保存 3 组不同参数下生成的结果并记录差异。8.3 第 4 天角色统一与 ControlNet目标掌握角色一致性的基础操作。做法选定一个角色固定角色提示词。尝试图生图方式生成多个表情变体。找一张姿势参考图接入 ControlNet生成不同姿势。对比有 ControlNet 和没有 ControlNet 的差异。8.4 第 5 天批量分镜生成目标能按分镜脚本批量出图。做法写一个包含 10 个分镜的脚本。为每个分镜整理提示词。在 ComfyUI 中逐条生成并按时保存。使用脚本检查输出图片数量和命名是否规范。8.5 第 6 天动态化与视频目标能把静态分镜变成动态片段。做法尝试在 ComfyUI 中接入视频生成节点。如果本地显存不足就用 ffmpeg 把一组静态图合成视频。制作 3 个不同运镜方式的短片段。8.6 第 7 天整合成片目标把 7 天内容串成一个漫剧小样。做法选一个 30 秒以内的碎片化剧情。产出所有分镜图。做动态化处理。在剪辑软件中加入字幕、配音和配乐导出样片。最终你可以用这条工作流复盘整个制作过程找出效率最低的环节然后针对性优化。漫剧工作流的本质是把创意变成可量化、可复制的生产流程。ComfyUI 真正强大的地方恰恰在于它把“生成稳定风格图像”这一过程从靠运气变成了靠流程。只要前期把模型、提示词、ControlNet、LoRA 这些环节梳理清楚后续哪怕做到几百个分镜也能保持角色不崩、效率不拖、流程不乱。如果你正打算启动一部漫剧建议从今天的第一张角色定妆图开始用它把你整条工作流真正串起来。