AI漫剧生产线拆解：即梦、Seedance与ComfyUI工作流实战

这次我们不看单个工具而是把“AI漫剧”这条完整生产线拆开讲一遍。所谓 AI 漫剧指的是用 AI 生成静态画面、再通过图生视频把分镜动态化最后配合配音、音乐和剪辑形成短片。它和传统动漫最大的区别在于不需要手绘原画不需要关键帧补间角色、场景、镜头运动全部可以交给模型完成。项目标题里出现了即梦、Seedance、ComfyUI基本覆盖了从提示词、图像生成到视频生成、再到本地工作流控制的主流路线。对零基础用户来说最先要搞清楚的是两个问题第一画面用什么生成第二画面怎么动起来。图像部分可以走云端工具快速出图也可以在本机用 ComfyUI 控制风格和一致性视频部分可以用即梦这类在线平台完成图生视频Seedance 则是偏底层或偏模型的视频生成路线很多工作流和第三方工具都在围绕它做集成。本文会从漫剧制作流程出发讲清楚这些工具的定位、部署方式、工作流配置、接口调用和批量处理的思路。文章适合三类读者想入局 AI 短剧和漫剧的内容创作者、准备在本地搭建 ComfyUI 出图/视频工作流的开发者以及打算把视频生成能力接进自己系统的工程师。1. 核心能力速览能力项说明面向需求AI 漫剧、AI 短剧、AI 动漫、动态漫制作图像生成即梦在线创作 / ComfyUI 本地工作流视频生成即梦图生视频 / Seedance 系列模型接入风格统一方案分镜提示词体系 ComfyUI 固定种子/Reference/ControlNet本地部署ComfyUI 官方包或秋叶整合包启动方式一键启动脚本或python main.py命令接口能力ComfyUI 自带 API可提交工作流并查询进度批量任务文本列表批量出图、批量抽帧、批量图生视频依赖硬件显卡优先CPU 可跑但速度慢具体显存需按模型实测关键合规点素材授权、肖像授权、版权音乐、商用复核需要说明表中的“推荐显存”没有写具体数字因为整条链路涉及多种模型普通绘图模型、视频生成模型、插帧模型、超分模型不同模型的显存要求差异很大。更稳妥的做法是先确认你要用哪个模型再按该模型的官方要求选卡。这比起笼统地说“8G 够用”或“必须 24G”要准确得多。2. 适用场景与使用边界AI 漫剧的典型场景包括短视频平台连续短剧通过固定角色设定和剧情分镜快速产出 1 到 3 分钟的单集。动态漫/动态条漫将静态漫画分镜通过局部动画和镜头运动转成动态视频。小说推广视频选取小说中的名场面用 AI 生成对应画面和视频片段。个人动画短片不依赖专业动画软件用 AI 工具完成概念验证和样片。不适合的场景也要说清楚高精度角色表演和复杂肢体动作AI 视频模型现阶段仍不稳定需要大量抽卡和挑选。长时间多人同屏的连续剧情模型容易在人物身份、面部细节上出现漂移。需要精确控制镜头轨迹的项目AI 视频生成的随机性较高传统三维软件的运镜和灯光控制无法被完全替代。关于合规边界必须重点讲。制作漫剧时如果使用真人演员的肖像、他人创作的漫画角色、有版权的音乐或音效必须取得授权。AI 生成的画面也可能与已有作品风格高度相似发布前应主动做原创性复核。涉及未成年人内容、低俗内容、暴力内容一律不能生成。商用前确认你对生成结果的版权归属理解正确避免因为平台条款变化导致收益争议。3. AI 漫剧制作整体流程AI 漫剧的生产流程可以拆成六个环节。3.1 策划与剧本先写单集剧本建议控制在一到两分钟。漫剧通常以对话推动剧情所以剧本里要包含场景、角色动作、对白、镜头情绪提示。场景夜晚城市天台 角色林夏女主黑发红色外套 动作站在天台边缘回头看向男主 对白你还是找到我了。 镜头中景从男主视角仰拍风吹动女主头发。 情绪紧张、试探这个脚本结构同时服务于三个下游环节分镜提示词、配音台词、B 站/视频号的剪辑节奏。剧本越细分镜越容易写。3.2 分镜设计把剧本拆成分镜表每一镜对应一条画面描述。常见的分镜表字段如下镜号景别画面描述对白时长预估1全景城市夜景天台上女主背影无2s2中景女主回头风吹动头发你还是找到我了。3s3特写男主眼神变化无2s不要直接拿着剧本去生成视频模型对长篇文本的理解有限。分镜表相当于告诉模型“这一张图里要有什么”能显著提高出图命中率。3.3 角色与风格设定漫剧最难解决的是“主角长得前后统一”。建议在开始出图前先建立一组角色参考图。可以先用文生图生成一个你最满意的角色立绘保存下来后续每一张图都基于这张参考图做图生图或参考控制而不是每次都从文字重新生成。这里就引出了 ComfyUI 的价值本地工作流可以把角色参考图、风格提示词、固定种子、ControlNet 统一管理保证批量出图时角色一致性。3.4 AI 出图图像阶段有两个选择在线使用即梦上手快不需要显卡适合零基础用户快速验证画面。本地使用 ComfyUI可控性强、批量效率高、可复用工作流适合需要量产和做风格定制的用户。出图时建议统一分辨率、统一采样步数、统一提示词前缀避免不同镜头的画质和风格差异过大。3.5 图生视频拿到单帧画面后用即梦或 Seedance 相关工具做图生视频。这一步不是让整张图从头动一次而是让画面里的人物产生小幅度动作比如回头、眨眼、头发飘动、镜头缓慢推进。漫剧和电影不同不需要大范围运镜动作幅度越小成功率越高角色变形越少。3.6 配音与剪辑最后把生成的视频片段导入剪辑软件加上 TTS 配音、音效和背景音乐。配音建议用 TTS 工具需要注意角色音色的一致性也就是保存同一个音色配置避免同一角色在第二集换了声音。4. 即梦分镜、提示词与视频生成即梦是当前制作 AI 漫剧非常常用的在线创作入口适合零基础起步。4.1 即梦能做什么即梦集成了文生图、图生图、文生视频、图生视频、智能参考、数字人等能力。做漫剧时最常用的是两个工序先用文生图出角色和场景再用图生视频让静态画面动起来。优点是不需要本地显卡打开网页就能用生成速度也比较快适合快速验证分镜效果。4.2 分镜提示词体系“即梦 2.0 古装剧分镜词”类的搜索热度说明一个问题很多人不是不会生成单张图而是不会写一套可复用的分镜提示词。建议按固定模板写主体描述 服装外貌 动作神态 场景环境 镜头景别 光线氛围 画风关键词 画质关键词 负面描述示例20岁古装女主面容清冷乌黑长发红色长裙站在江南水乡木桥上手持油纸伞回头微笑中景侧逆光空气中有薄雾国风水墨插画风格高细节8Kbest quality不要只写“古风美女”要写出服装、动作、场景、景别、光线。模型对名词和空间关系的响应远强于形容词。4.3 在即梦中执行漫剧出图操作步骤进入即梦图像生成页面。选择图片比例漫剧推荐 16:9 或 9:16。粘贴分镜提示词。设置生成数量一般一次生成 4 张。对结果进行筛选选出最接近分镜意图的一张。将选中的图片加入“参考图”库用于后续图生视频和角色一致性格外控制。判断成功的标准主体符合描述、角色面部没有明显畸变、构图留有运镜空间、画面风格和前几镜接近。失败则调整提示词中的动作部分或者重新抽卡。4.4 图生视频在即梦选择刚才生成的静态图选择“图生视频”提示词里写一个小幅度动作例如镜头缓慢推进风吹起头发人物缓缓回头建议动作词少一些。因为图生视频的核心是让画面动起来不是让模型重新创作构图。动作描述过多时画面会偏离原图角色轮廓容易变形。5. ComfyUI本地图像生成与风格统一当你在即梦里完成单集验证后如果要做多集漫剧就会遇到一个痛点每张图都靠在线平台抽卡效率低且风格不稳定。这时可以引入 ComfyUI 做本地集中管理。5.1 ComfyUI 是什么ComfyUI 是基于 Stable Diffusion 生态的节点式图形界面工具和 WebUI 相比它把生成流程拆成节点连接形式。出图过程变成加载模型、输入提示词、设置采样器、解码、保存图片。工作流可以保存成 JSON 文件下次直接拖入即恢复。同一套流程还可以通过 API 提交给后端自动执行这是批量任务的基础。5.2 本地部署环境准备建议按下面清单检查环境操作系统Windows 10/11 或 Ubuntu 20.04。显卡NVIDIA 显卡优先需安装对应 CUDA 驱动。AMD 显卡也可用 DirectML 或 ROCm 方案但兼容性不如 NVIDIA。内存建议 16GB 起步。磁盘模型文件普遍较大预留 50GB 以上空间。Python如果不用整合包需要 Python 3.10 到 3.12 环境。关于版本建议不要去追最新 Python 版本。ComfyUI 对 Python 的兼容区间相对固定版本过新容易出现依赖冲突。5.3 安装方式整合包与源码包ComfyUI 的安装途径主要有两类。第一种是下载社区维护的一键整合包例如秋叶整合包。这类整合包会把 Python 环境、依赖、常用节点提前打包好适合不想处理环境问题的用户。启动方式通常是解压后双击启动脚本等待服务地址出现然后用浏览器访问。第二种是源码安装适合开发者。以 Ubuntu 为例通用流程如下# 克隆项目 git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI # 创建虚拟环境 python3 -m venv venv source venv/bin/activate # 安装依赖 pip install -r requirements.txt然后准备模型文件。将绘图模型放到models/checkpoints目录ControlNet 模型放到models/controlnet目录VAE 放到models/vaeLoRA 放到models/loras。最后启动python main.py --listen 127.0.0.1 --port 8188启动成功后终端会打印 Web 地址浏览器打开即可进入节点编辑界面。需要特别注意不同整合包和不同版本的 ComfyUI 启动参数可能不一样以上命令需要按实际目录和版本调整。6. ComfyUI 工作流搭建与节点配置ComfyUI 的默认工作区是一张无限画布两侧可以添加节点节点之间用连线传递数据。做漫剧出图时可以搭建一条“文生图基础工作流”。6.1 最小可用文生图工作流核心节点如下节点作用关键参数CheckpointLoader加载绘图模型ckpt_nameCLIPTextEncode编码正向提示词textCLIPTextEncode编码负向提示词textEmptyLatentImage设置空白潜空间图像width / height / batch_sizeKSampler采样生成seed / steps / cfg / sampler_nameVAEDecode将潜空间解码为像素图samplesSaveImage保存图片到输出目录filename_prefix将这些节点连接起来后填好提示词点击“Queue Prompt”即可生成图片。工作流保存后会生成 JSON 文件这个文件可以上传分享也可以在另一台机器上导入。6.2 角色一致性配置做漫剧时不能只用一张文生图工作流。建议在基础工作流中加入参考角色图节点通常使用 ControlNet 的 reference 模式或者通过 img2img 方式把上一张角色图作为输入。操作上加载图像节点读取角色参考图。将参考图连接至 ControlNet 节点。在 ControlNet 设置中开启参考模式。主提示词改为当前分镜的描述。固定 seed便于复现。批量出同一角色不同镜头的图时请保持正向提示词的角色前缀完全一致只修改动作和场景部分。6.3 节点执行错误处理有一个高频报错值得单独说明形式类似ComfyUI Error Report Node: KSampler或节点在执行过程中发生错误处理方式打开终端/控制台看完整的 Python 报错栈。优先看“Node”字段定位到具体节点。常见原因包括模型路径不存在、节点输入参数类型不匹配、显存不足、依赖缺失。确认是否是自定义节点引起的错误。自定义节点升级后可能破坏已有工作流建议保留一个稳定的工作流版本再升级。7. SeedanceAI 生成视频的接入思路Seedance 在热词中常和视频生成、ComfyUI 工作流同时出现。它的定位可以理解为 AI 视频生成模型方案常见用法有两种一是接入第三方工作流或在线平台生成视频二是通过 API 能力把视频生成集成到自己的应用里。需要先说明由于 Seedance 不同时期的不同版本、不同平台的接入方式差异较大本文不写死 API 路径而是给出通用接入思路。7.1 接入方式在线平台方式通过已集成 Seedance 的服务上传图片输入动作提示词生成视频片段。工作流方式在 ComfyUI 中安装对应视频生成工作流节点将序列帧或静态图输入到视频模型再输出视频。API 方式在代码中请求视频生成接口提交图片地址和提示词轮询任务状态获取生成结果。7.2 在 ComfyUI 中使用视频工作流的通用流程如果你下载到的是 JSON 格式的 Seedance 工作流操作步骤如下将 JSON 文件拖入 ComfyUI 画布。根据红色提示安装缺失的自定义节点。检查模型加载节点的模型路径。上传一张已经生成好的分镜图作为视频首帧。填写动作提示词控制在 10 到 30 个词。设置视频长度、帧率、分辨率。点击 Queue Prompt等待生成完成。在输出目录查看生成的视频文件。需要注意视频生成工作流通常比普通文生图占用的显存更高分辨率过大时容易报 OOM。如果显存不足优先降低分辨率、减少帧数、关闭同时运行的其它任务而不是贸然调整节点参数。7.3 用 Seedance 生成片的判断标准一个可用的漫剧视频片段应该满足三条角色面部没有在运动过程中明显变形。动作幅度和输入文本一致。画面构图和输入的首帧接近没有突然切换场景。如果角色变形严重降低动作幅度描述、切换更短时长的片段如果画面和解说词对不上重新检查输入文本和首帧不要让视频模型“自由发挥”剧情。8. 接口 API 与批量任务漫剧制作进入量产阶段后人工手动点击生成会非常耗时。把 ComfyUI 工作流和视频生成接口串联起来可以实现批量出图、批量生成视频。8.1 ComfyUI API 调用通用模板ComfyUI 暴露了 HTTP API核心逻辑是将工作流导出为 JSON。修改 JSON 中的提示词、图像路径和输出前缀。通过/prompt接口提交工作流。通过 WebSocket 或/history查询执行结果。下面是一个 Python 调用模板代码中的工作流 JSON 需要替换为你的实际文件import json import requests import urllib.request SERVER 127.0.0.1:8188 def load_workflow(path): with open(path, r, encodingutf-8) as f: return json.load(f) def queue_prompt(workflow): data {prompt: workflow, client_id: ai-manju-batch} resp requests.post(fhttp://{SERVER}/prompt, jsondata, timeout30) resp.raise_for_status() return resp.json() def get_history(prompt_id): with urllib.request.urlopen(fhttp://{SERVER}/history/{prompt_id}) as resp: return json.loads(resp.read()) workflow load_workflow(manju_workflow.json) # 修改提示词节点这里的节点 id 需要按实际工作流调整 workflow[6][inputs][text] 一个长发女主站在天台上回头微笑中景傍晚光线 result queue_prompt(workflow) prompt_id result[prompt_id] print(任务已提交:, prompt_id)随后可以轮询历史记录判断是否完成import time for _ in range(120): history get_history(prompt_id) if prompt_id in history: outputs history[prompt_id].get(outputs, {}) print(生成完成:, outputs) break time.sleep(2)这个模板是通用写法不代表所有 ComfyUI 版本的 API 完全相同。在实际项目中请以你使用的 ComfyUI 版本的页面文档为准。8.2 批量任务设计建议批量出图时推荐按以下目录结构管理素材inputs/ chars/ 林夏.png 林夏_战斗.png scenes/ 天台.png 街道.png outputs/ 20260101/ shot_001.png shot_002.png workflows/ manju_base.json manju_controlnet.json批量任务要注意每条任务都要记录原始分镜 ID方便回查。输出文件名建议带上镜号、角色名、版本号。增加失败重试机制遇到 OOM 或超时任务自动降低分辨率重置。不要让并行任务数超过显卡显存上限。对成品做抽检不能只看文件名就认定生成成功。8.3 视频生成接口调用思路如果使用即梦或 Seedance 等在线服务它们的 API 调用模式通常是上传图片获取图片 URL。提交图生视频任务包含图片 URL、提示词、时长、比例。按任务 ID 轮询状态。状态为成功时拉取视频 URL。下面的伪代码展示了这一流程import requests import time # 伪代码请替换为实际服务的地址和参数 resp requests.post( https://api.xxx.com/v2/video/generate, headers{Authorization: Bearer TOKEN}, json{ image_url: https://your-bucket.com/shot_001.png, prompt: 微风头发飘动, duration: 5, ratio: 16:9 } ) task_id resp.json()[task_id] for _ in range(60): status requests.get( fhttps://api.xxx.com/v2/video/task/{task_id}, headers{Authorization: Bearer TOKEN} ).json() if status[status] SUCCESS: print(视频地址:, status[video_url]) break time.sleep(5)这是为了展示思路而写的示例代码不是某一个服务商的真实 SDK。实际接入时以官方接口文档为准。9. 资源占用与性能观察AI 漫剧全流程涉及多个计算密集环节资源占用需要分环节观察。9.1 显存占用观察方法推荐用 NVIDIA 官方命令实时监控nvidia-smi -l 2这条命令每 2 秒刷新一次可以看到每个进程的显存占用、GPU 利用率和温度。如果环境不支持 nvidia-smiWindows 用户可以打开任务管理器“性能”页查看 GPU 显存曲线也可以在 ComfyUI 的终端输出中观察显存分配日志。需要强调的是显存占用不是固定的它会随模型类型、分辨率、批量大小、是否加载 ControlNet 而波动。你在网上看到的“4G 能跑”和“12G 勉强能跑”可能来自完全不同的配置不适合作为本机判断依据。9.2 CPU 推理与 GPU 推理差异ComfyUI 默认优先使用 GPU 推理。CPU 推理在纯 CPU 环境中也能完成但速度差距极大。比如一张 1024x1024 的图GPU 可能只需要几秒到十几秒CPU 可能要几分钟。做漫剧这种大批量任务CPU 方案基本不现实除非你只用来做最终效果的离线复核。9.3 降低资源占用的常规方法降低分辨率先出小图验证构图再放大大图精修。降低批量数不要一次生成 8 张改为 2 到 4 张。减少视频生成时的帧数短片段确认动作后再合成完整长段。关闭其它占用显存的程序。定期清理 ComfyUI 的临时输出文件。如果是显存不足导致的 OOM优先降低batch_size或帧数量然后调整分辨率。9.4 端口冲突与进程残留ComfyUI 默认端口是 8188。如果提示端口被占用可以在启动命令中指定新端口python main.py --port 8288如果之前运行的进程没有干净退出也会占用端口。Windows 下可以用以下命令查找并结束残留进程netstat -ano | findstr 8188 taskkill /PID 进程号 /FLinux 下使用lsof -i :8188 kill -9 进程号10. 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浏览器打不开页面服务未启动、端口错误、防火墙拦截查看终端启动日志访问 http://127.0.0.1:8188确认启动成功换端口关闭系统代理提示词提交后报节点错误节点输入类型不匹配、依赖缺npm查看终端完整错误栈确认报错节点重新连接节点安装缺失自定义节点生成图片全是黑图/绿图VAE 缺失或模型损坏查看终端警告检查 VAE 路径补充正确的 VAE 文件重新下载模型显存不足 OOM分辨率太高、batch 太大、同时多个任务nvidia-smi 观察显存占用降分辨率、降 batch、串行执行任务图生视频角色变形严重动作提示词过多、输入图是半身大特写检查首帧构图减少动作词改为小幅度动作重新出图API 提交 400/403工作流格式不对、接口地址不对、鉴权失败先用 UI 手动执行一次确认可运行按实际 API 文档调整请求体批量任务中途卡住某个任务 OOM 或超时查看任务日志增加超时和失败重试机制角色在不同镜头里长相不一致没有使用参考图、提示词不一致、seed 不固定对比角色特征用图生图/ControlNet 加固角色一致性排查 ComfyUI 问题最重要的一步是看终端日志不是只看浏览器页面上的红色报错框。浏览器上的信息是截断的终端里的 Python 错误栈才是完整的。11. 最佳实践与使用建议从单张 AI 图到完整漫剧中间隔着大量工程问题。以下建议来自常见的生产流程可以帮你提高成功率。第一先做一集 30 秒的样片再做大计划。不要一上来就规划 20 集先用 3 个分镜跑通“剧本 - 出图 - 图生视频 - 配音 - 剪辑”全流程确认每道工序的耗时和质量都在可接受范围。第二建立角色资产库。把每个主角的设定图、三视图、参考提示词集中存放。新的分镜需要该角色出场时直接基于角色资产图做图生视频或 ControlNet 参考而不是重新生成一个陌生角色。第三固定你的“风格基线”。选一个画风满意的模型固定常用分辨率、采样器、步数、负向提示词。不要在批量过程中频繁更换绘图模型换模型等于换角色形象会导致整部剧风格断裂。第四分镜提示词要写成结构化文本。分镜提示词不是一句话作文它需要稳定、可复用、可排查。建议把提示词按段落拆分一旦某张图出问题能快速定位是场景描述问题还是动作描述问题。第五视频片段要做质检再入库。批量生成了大量片段之后不能直接进入剪辑需要抽帧检查角色面部、检查画面是否有穿帮。一个稳妥做法是按照分镜表逐条勾选验证结果不通过的重跑。第六保存最小可运行配置。无论用 ComfyUI 工作流还是整合包保存一份你确认能跑通的最小配置。后续安装了其它插件或升级了自定义节点后再回来对比可以快速判断是配置变化导致的问题。第七接口服务不要完全开放。如果开启了 ComfyUI API 服务建议只在本地或内网使用不要直接暴露到公网。批量任务服务最好增加任务队列和鉴权避免被无关请求打满显存。第八涉及真人肖像、他人漫画角色、版权音乐时先确认授权再进入批量流程。AI 生成成本很低但版权风险不会因为成本降低而消失。12. 总结与下一步AI 漫剧制作的完整链路可以归纳为剧本拆分为分镜分镜写成分镜提示词提示词通过即梦或 ComfyUI 生成静态画面静态画面通过图生视频或 Seedance 相关工作流变成动态片段最后统一配音和剪辑成片。最先建议验证的环节是“分镜 - 出图 - 图生视频”这条最小链路。确认单张图能稳定生成、单段视频能正常动起来再逐步扩展到批量任务和接口集成。最容易踩的坑是角色一致性其次是视频生成阶段的面部变形这两个问题都需要通过参考图和低动作幅度来缓解。后续可以继续探索的方向包括用 ComfyUI 自定义节点串联更多风格化模型、用 API 队列把批量生成接到内容管理后台、把配音和字幕也纳入自动化流程。如果你对本地 ComfyUI 部署、Seedance 工作流或即梦分镜词体系感兴趣建议先收藏这篇文章再从自己卡住的那个环节开始测试。一次跑通最小链路比收集十份教程更有用。