零基础搭建ComfyUI漫剧工作流：从文生图到批量出图全攻略

漫剧制作最麻烦的不是“画一张图”而是“画出同一批角色、同一套风格、连续的分镜”。ComfyUI 这类节点式工作流工具正好把文生图、角色参考、图生图、局部重绘、批量出图和图生视频串成一条完整的生产流水线。这篇文章从零基础视角出发整理一套可以直接照着做的 ComfyUI 漫剧工作流搭建路线环境准备、节点安装、分镜工作流、批量任务、接口调用和问题排查都会讲到。先给结论漫剧工作流的门槛主要在显卡和模型管理不在“会不会写代码”。ComfyUI 的核心操作是拖节点、连线条、填参数大量重复步骤用工作流模板保存。你需要弄清楚每个节点输入输出之间的关系而不是记住每一行代码。只要把基础文生图跑通后面的角色一致性、局部重绘、ControlNet 构图和批量出图都是在这个基础上做加法。这次整理的内容适合“刚听说 ComfyUI但还没跑通第一张图”的新手也适合已经在用 WebUI、想切到工作流方式做漫剧的人。实际执行时显存、模型版本、节点版本都会影响结果所以正文里凡是涉及具体数字的地方都建议以本机测试为准。你会先看到核心能力速览再按环境准备、安装部署、模块拆解、七天路线、API 调用和问题排查的顺序走一遍。1. 核心能力速览能力项说明项目类型节点式 AI 图像 / 视频生成工作流工具ComfyUI核心用途漫剧分镜、角色设定图、漫画场景、图生视频素材主要功能文生图、图生图、局部重绘、ControlNet 构图、角色一致性、批量出图、图生视频、接口 API模型类型Stable Diffusion 系列模型以及角色参考、ControlNet、视频生成等自定义节点模型启动方式一键整合包 / 命令行 / Docker具体以实际安装方式为准是否支持 API支持可通过 /prompt 等接口提交工作流并查询结果是否支持批量任务支持可通过脚本批量提交或在工作流内设计循环、队列节点显存要求取决于模型、分辨率和视频长度建议先小参数测试具体以本机为准推荐硬件优先 N 卡CPU 可以跑通节点流程但速度会明显变慢适合读者AI 漫剧创作者、漫画分镜从业者、ComfyUI 新手、短视频内容团队漫剧本质上是一张张连续画面加上配音和剪辑最消耗人力的环节是“保持角色一致”和“批量改分镜”。ComfyUI 的价值在于把角色参考、ControlNet、局部重绘、批量生成这些原本需要在多个软件里来回切换的操作变成一条可以重复执行的节点连线。同一个工作流模板保存好后换提示词、换种子、换参考图就能持续产出素材。2. 适用场景与使用边界2.1 适用场景漫剧工作流最典型的场景有三类角色设定图生产、分镜批量生成、静态画面视频化。第一类是角色设定。你需要先固定主角、配角的长相、服装、发色生成一批“角色参考图”。后续所有分镜都围绕这套设定展开这是漫剧一致性的基础。第二类是分镜批量生成。分镜脚本按场景拆分后用同一套工作流批量出图。每个分镜只需要改提示词、种子和参考图其他参数全部复用。第三类是图生视频。静态分镜画面生成后可以用视频生成节点或外部工具把画面变成短动态镜头再进入剪辑软件配音、加字幕、组接成片。2.2 使用边界这项技术不适合实时渲染和精修手绘线条。ComfyUI 生成的是“可控的 AI 素材”不是为漫画出版提供最终完稿。角色细节、手指结构、场景透视在复杂分镜里仍需要后期修正。合规边界一定要提前确认。使用第三方模型、角色风格素材、真人肖像、受版权保护的 IP 形象时需要确认授权范围不要使用真实人脸生成不适合公开传播的内容发布到短视频平台或做商业化发行之前还需要复核平台规则和版权要求。素材、人物、品牌元素的合法授权是整个流程里不能绕开的部分。3. 环境准备与前置条件3.1 硬件与系统ComfyUI 在 Windows、Linux 和 macOS 上都有对应运行方式但漫剧工作流涉及模型加载、批量出图和视频生成优先建议 Windows N 卡环境。显存大小决定你能跑多大的分辨率、多长的视频。不同模型对显存的需求差异很大8G 和 12G 的卡都能用但能跑的分辨率和批量尺寸不同具体要以实际模型版本测试。没有 N 卡也可以启动 ComfyUICPU 模式能把整个工作流节点逻辑跑通。第一次验证工作流是否缺节点、缺模型时CPU 足够用只是生成速度会慢很多。磁盘空间建议准备充足Stable Diffusion 基础模型、ControlNet 模型、角色参考模型和视频生成模型加起来可能占用几十 GB具体大小取决于你下载的模型数量。3.2 检查显卡驱动与 CUDAN 卡用户先看一眼驱动信息在终端执行nvidia-smi重点看两点显卡型号以及驱动支持的 CUDA 版本。如果显卡名称看不到说明驱动有问题如果 CUDA 版本过旧某些新版本的 PyTorch 可能无法使用 GPU 加速。ComfyUI 本身不直接要求你手动安装 CUDA因为它依赖 PyTorch 自带的环境。但显卡驱动最好保持较新版本这会影响 PyTorch 是否能正确调用 GPU。3.3 Python 环境与软件依赖如果使用整合包Python、Git、PyTorch 和常用依赖通常已经内置不需要额外配置。如果使用命令行安装需要准备 Python 3.10 到 3.12 之间的版本并创建虚拟环境。不要直接把依赖装进系统 Python后面模型装多了很容易出现版本冲突。3.4 磁盘目录规划模型目录建议提前分好ComfyUI 的 models 目录默认包含以下结构你下载的模型应该按类型放入对应目录ComfyUI/ └── models/ ├── checkpoints/ # 基础模型也就是大模型 ├── loras/ # Lora 模型用于角色、风格微调 ├── controlnet/ # ControlNet 模型用于构图、姿态控制 ├── vae/ # VAE 模型用于改善颜色和细节 ├── clip/ # CLIP 模型文本编码器 └── external_files/ # 部分第三方节点的模型文件提前建立目录的好处是后续工作流加载模型时路径一目了然。很多“工作流跑不通”的问题不是节点连线错而是模型放错位置。4. 安装部署与一键启动4.1 整合包方式国内常用的 ComfyUI 整合包一般把 Python、依赖、启动器和模型管理界面打包在一起解压后运行启动脚本就能打开 WebUI。对新手来说这是最省事的方案。使用整合包时的操作步骤通常是下载并解压整合包运行启动脚本等待浏览器自动打开 ComfyUI 页面在界面上拖入工作流 JSON 文件开始测试。整合包适合先把流程跑通但要注意它锁定了特定版本的依赖。如果你之后要安装大量第三方节点或者升级到新版本工作流需要先确认整合包的更新方式和自定义节点兼容性。具体版本信息以你使用的整合包发行说明为准。4.2 命令行方式如果希望自己掌握整个环境推荐命令行安装。执行下面的通用模板实际项目地址和目录名可能需要按具体情况调整git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI python -m venv venv venv\Scripts\activate pip install -r requirements.txt python main.py命令行启动后浏览器访问http://127.0.0.1:8188即可打开 WebUI。如果 8188 端口被占用可以换一个端口。4.3 工作流导入与自定义节点安装从网上下载的漫剧工作流通常是一个.json文件。打开 ComfyUI 页面后直接把 JSON 文件拖进画布即可加载。如果界面出现红色节点说明当前环境缺少对应的自定义节点常见提示类似缺少节点请安装缺失的包。此时最好的方式是先安装 ComfyUI Manager 插件再用它搜索并安装缺失节点。安装 Manager 后通常在界面右侧能找到 Manage 按钮点击后可以看到缺失节点列表并批量安装。不要一次性安装所有能搜到的节点。漫剧工作流涉及的节点很多但实际运行的只有几个装得越多越容易出现依赖冲突。4.4 常用启动参数命令行启动时可以通过参数控制访问方式和显存策略。以下是一些常用参数# 监听所有网络接口方便局域网其他设备访问 python main.py --listen 0.0.0.0 --port 8188 # 低显存模式适合显存较小时使用 python main.py --lowvram # 中显存模式比 lowvram 保留更多性能 python main.py --medvram # CPU 模式没有可用 GPU 时使用 python main.py --cpu低显存模式会降低速度但能提高稳定性。如果你的显卡负载高、频繁报显存不足可以先试--medvram不行再换--lowvram。5. 漫剧工作流核心模块拆解一套完整的漫剧工作流可以拆成六个核心模块。每个模块都可以单独测试跑通后再组合。5.1 文生图基础模块文生图是整个工作流的地基。没有这个模块后面所有节点都没有输入图像。最简链路包含加载模型节点Load Checkpoint正向提示词节点CLIP Text Encode反向提示词节点空白图像节点Empty Latent Image采样器KSamplerVAE 解码节点VAE Decode保存图像节点Save Image。测试这个模块时先固定一个简单提示词分辨率建议从 512x768 起步步数 20 到 30CFG 7 左右。你觉得出图质量稳定了再往后面加节点。漫剧场景里文生图通常用来生成初始概念图或补充不依赖角色一致性的环境背景。5.2 角色一致性模块角色一致是漫剧工作流的核心难点。同一个角色在不同分镜里要保持长相、服装、发色稳定不能每张图都长得不一样。常见方案是使用角色参考类节点把一张或多张角色参考图作为输入。工作流结构一般是加载角色参考图提取人脸特征或整体风格特征将特征注入生成过程。不同第三方节点对参考图数量、权重和提示词的要求不同需要按实际节点说明调整。测试方法是先固定一个分镜场景连续生成多张图观察主角脸部特征是否稳定。如果角色五官漂移可以增加参考图数量、调整特征权重或者加入角色类 Lora 模型辅助锁角色。5.3 图生图与局部重绘模块生成的分镜图往往需要在原图上修改局部内容比如换一个表情、改背景物件、修复手指。图生图模块通过输入原图和新的提示词在去噪过程中保留原图结构局部重绘模块则只对蒙版区域重新生成其余区域保持不变。在漫剧流程里局部重绘的使用频率非常高。你可以先用文生图生成粗糙构图再对脸部区域局部重绘得到更精细的表情。操作思路是加载原始分镜图绘制蒙版或使用自动蒙版辅助工具连接局部重绘采样器设置仅重绘蒙版区域输出替换后的分镜图。测试时建议把重绘幅度控制在 0.3 到 0.6 之间幅度过大会把角色长相一起改掉。5.4 ControlNet 构图与分镜控制模块ControlNet 解决的是“画面结构不可控”的问题。漫剧分镜需要同一个角色在不同构图里保持位置稳定或者按照故事板控制人物姿态。常见做法是加载 ControlNet 模型输入一张骨架图、深度图或边缘图通过预处理节点提取结构信息再把结构信息注入采样器。使用场景包括用 OpenPose 姿态图控制角色站姿用 Canny 边缘图控制场景构图用深度图控制前后景层次。每个 ControlNet 模型都有自己的适用类型不能混用。测试时先只加一个 ControlNet权重从 0.5 开始调整。5.5 批量出图与分镜流水线模块漫剧制作不是一张张手动点“生成”而是要成批产出分镜。批量出图模块需要解决两个问题提示词批量替换以及分镜结果的批量整理。一种方式是利用 ComfyUI 的批量节点通过 CSV 或表格结构输入多组提示词和参数一组一组自动执行。另一种方式是直接调用接口脚本按分镜脚本文件循环提交工作流。批量模块测试时先用 3 到 5 个分镜做小批量验证确认每张图的角色一致性都过关后再扩展到几十个分镜。批量任务一旦开始建议开启日志记录方便定位中间出错的那一个分镜。5.6 图生视频模块分镜图生成后漫剧需要画面动起来。图生视频模块把静态分镜转换为短视频镜头可以是人物微动作、镜头推拉、或者简单的画面运动。ComfyUI 中可以通过视频生成节点加载动态模型输入首帧图或尾帧图设置帧数、运动强度和分辨率后生成视频片段。不同视频生成节点对显存的要求差异很大帧数越长、分辨率越高显存压力越大。测试时先用 8 到 16 帧、低分辨率验证效果确认运动逻辑稳定后再提升参数。视频生成涉及模型较大的下载体积磁盘空间也要提前准备。生成视频的素材版权和平台传播规范同样需要按合规要求确认。6. 七天搭建一套漫剧工作流标题说“七天从小白到大神”这里的核心不是七天里日夜赶工而是按固定节奏把每个模块逐个跑通。下面给出一个可以直接照做的七天路线。Day 1完成环境安装跑通第一张图。安装整合包或命令行环境下载一个基础模型用文生图模块生成第一张图。目标只有一个WebUI 能打开出图正常。Day 2整理模型目录下载角色参考和 ControlNet 模型。把模型分类放入对应目录加载一个角色参考工作流用同一参考图连续生成多张图观察角色一致性。Day 3测试图生图和局部重绘。在一张分镜图上修改局部内容确认蒙版区域能正确重绘并且不影响角色主体。Day 4接线 ControlNet。用骨架图或边缘图控制分镜构图测试姿态、场景、深度控制。Day 5搭建批量分镜工作流。准备一个 3 到 5 格的小分镜脚本用批量方式自动生成确认提示词替换和输出整理都正常。Day 6测试图生视频。把一张静态分镜转成短视频片段调整帧数和运动强度确认输出视频可以进入剪辑软件。Day 7把模块整合成项目模板。保存一套完整工作流整理模型、提示词模板和输出目录形成一个可以重复使用的漫剧生产模板。七天路线不是终点而是第一次完整跑通。真正成熟的漫剧工作流还需要按项目反复调参数。7. 接口 API 与批量任务7.1 提交生成任务ComfyUI 支持通过 HTTP 接口提交工作流。启动服务后POST /prompt可以提交一个 API 格式的生成任务。你可以在 ComfyUI 页面里把工作流保存为 API 格式或用脚本拼接节点 JSON。下面是一个通用调用示例需要把workflow_api换成你自己工作流导出的 API 结构import json import requests comfyui_address http://127.0.0.1:8188 # 这是一个示例结构实际需要替换为工作流导出的 API JSON workflow_api { 3: { class_type: KSampler, inputs: { seed: 42, steps: 20, cfg: 7.0, sampler_name: euler, scheduler: normal, denoise: 1.0, model: [4, 0], positive: [6, 0], negative: [7, 0], latent_image: [5, 0] } } } response requests.post( f{comfyui_address}/prompt, json{prompt: workflow_api}, timeout30 ) print(response.status_code) print(response.json())执行成功后会返回prompt_id后续查询执行结果需要用到。7.2 查询执行结果任务提交后可以用 WebSocket 接口监听执行进度。下面是一个通用监听示例import json import websocket ws websocket.create_connection(ws://127.0.0.1:8188/ws) while True: message json.loads(ws.recv()) if message.get(type) executing: data message.get(data, {}) if data.get(node) is None: print(任务执行完成) break ws.close()也可以直接轮询GET /history/{prompt_id}获取指定任务的状态和输出文件信息。接口路径和请求字段会随版本变化实际使用时以你当前运行的 ComfyUI 版本为准。7.3 批量任务组织批量任务的推荐方式是“脚本驱动”而不是在页面里手动点击。把分镜脚本整理成一份配置目录包含每个分镜的提示词、种子、参考图路径和输出文件名脚本按顺序提交队列任务并记录每个任务的prompt_id。{ project: demo, jobs: [ { name: scene_001, prompt: girl, school uniform, standing, park, daytime, seed: 100, reference: ./ref/hero.png }, { name: scene_002, prompt: girl, school uniform, running, street, evening, seed: 200, reference: ./ref/hero.png } ] }批量任务必须加日志和失败重试。漫剧分镜数量很多中途可能因为显存不足、模型加载失败或节点报错而中断。建议每完成一个任务立即保存结果记录重启后可以跳过已完成任务。8. 资源占用与性能观察8.1 观察方法生成过程中可以用显卡监控命令观察显存占用nvidia-smi -l 2这个命令每两秒刷新一次可以看到显存使用率、GPU 利用率和占用显存的进程。生成图片时显存会明显上升生成结束后回落视频生成时显存占用持续时间更长需要观察是否存在峰值超过显卡容量。8.2 影响性能的主要因素分辨率是最直观的影响因素。分辨率翻倍显存和耗时通常成倍增加。采样步数越大耗时越长但图像质量不一定线性提升。批量数batch_size每个批次生成的图片数量也能显著增加显存占用。视频生成模块的帧数越长、分辨率越高显存压力越大。如果频繁出现显存不足优先降低分辨率和批量数再考虑换更省显存的模型。8.3 降低资源占用的手段使用启动参数--medvram或--lowvram可以降低显存占用。精简工作流只保留当前测试需要的节点避免一个工作流挂载大量未使用的模型。生成完成后及时释放视频节点占用的模型缓存。多任务批量排队时不要同时提交过多任务避免多个任务同时抢占 GPU 导致失败。9. 常见问题与排查方法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或服务未启动查看终端日志检查 8188 端口更换端口或重启服务工作流提示“请安装缺失的包”缺少自定义节点或 Python 包查看节点报错信息检查缺失节点名称安装 ComfyUI Manager批量安装缺失节点节点在执行过程中发生错误节点配置不对或依赖缺失查看节点红色报错信息按报错内容更换节点版本或参数生成时提示显存不足分辨率、批量数、模型过大用 nvidia-smi 观察显存占用降低分辨率或批量数使用低显存启动参数模型文件无法加载模型路径错误或模型放置位置不对检查 models 目录结构把模型放入对应目录并刷新页面生成图片角色长相不一致角色参考权重过低或参考图质量差连续生成多张图对比增加参考图、调整权重、加入角色 LoraAPI 提交后无返回结果工作流 API 结构不对对比工作流导出的 API JSON用工作流导出格式替换示例结构批量任务中途卡住某个分镜参数异常或显存占用过高查看日志定位卡住的任务减少批量大小加入失败跳过机制视频生成特别慢帧数过长或分辨率过高观察 GPU 占用和耗时时长降低帧数和分辨率逐段生成10. 最佳实践与使用建议第一保持一套“最小可运行工作流”。每次测试新节点前先回到这套基础工作流确认环境本身没问题。很多复杂工作流跑不通其实是在组合大量第三方节点后引入的兼容问题。第二分目录管理模型和素材。模型、参考图、输出结果分开存放。参考图按角色建子目录输出结果按项目和时间建目录。这样做批量任务时文件不会混在一起也很容易定位某一集的出图记录。第三固定版本。同样一个工作流在不同版本的 ComfyUI、不同版本的自定义节点下结果可能不一样。项目进行到中途时不要频繁升级节点。如果必须升级先备份工作流 JSON 和模型配置。第四批量任务必须加记录。建议记录每个分镜的任务名、请求时间、完成时间、种子、提示词、输出文件路径。出问题后能快速回放和定位。第五接口服务不要随意暴露到公网。ComfyUI 的接口能直接提交生成任务如果绑定了0.0.0.0局域网内任何人都能提交任务逻辑上等同于放开了一个无鉴权的生成服务。生产环境中建议加访问控制或限制访问范围。第六合规审查要前置。不要在漫剧项目里随意使用未经授权的真人肖像、品牌元素和 IP 形象。发布、商用的内容一定要确认素材授权、模型许可和平台规范。11. 总结与下一步ComfyUI 漫剧工作流最值得尝试的点是用节点把“画分镜”变成可复用的生产流程。建议你先从文生图基础链路开始验证环境能正常出图再逐个加入角色一致性、局部重绘、ControlNet 和批量出图模块最后再测试图生视频和接口调用。最容易踩的坑集中在缺失节点、模型路径错误、显存超限这三类问题上遇到报错时先看节点颜色、看终端日志、看显存占用基本能定位大多数故障。下一步可以把工作流固定成项目模板把分镜脚本、角色参考图、提示词模板和输出目录标准化。等稳定跑完一个短片后再考虑接入更复杂的视频生成模型或者用 API 把 ComfyUI 接到自己的编辑工具里。先把基础链路跑通再谈效率优化这套路线对漫剧方向的新手来说足够稳。