1. 先搞清楚“AI漫剧制作”到底需要什么以及ComfyUI能帮你解决哪一步如果你被“AI漫剧制作”这个听起来很酷的词吸引过来想自己动手生成漫画分镜或动态视频那第一步不是急着找教程而是先拆解需求。很多人一上来就找“一键生成”的魔法结果发现要么跑不通要么效果和想象差太远。“AI漫剧”目前的核心通常是指用AI工具主要是文生图、图生图模型批量生成风格一致的漫画画面再配上对话气泡和字幕最终拼接成有叙事感的图片序列或简单视频。它不是一个单一软件能完成的而是一个工作流程。这就是ComfyUI的价值所在。它不是一个“漫剧制作软件”而是一个可视化节点编程工具主要用来调度和连接各种AI模型比如Stable Diffusion。你可以把它想象成一个乐高底板上面每个节点都是一个功能模块如加载模型、输入提示词、生成图片、放大修复、添加文字。通过连线你就能自定义整个图片生成流水线。所以这个教程的核心是两件事学会使用ComfyUI如何安装、理解基础节点、搭建一个能稳定出图的工作流。将ComfyUI应用于漫剧生产如何设计提示词控制角色一致性如何批量生成多张连贯画面如何后期处理。对于新手最大的坑在于网上很多炫酷的工作流直接导入就用不了报错“缺少节点”是家常便饭。本教程会从零开始让你不仅能搭起来更能理解为什么这么搭出问题时知道从哪查起。2. 环境准备避开整合包的“黑盒”从可管理的安装开始很多人推荐各种“一键整合包”特别是“秋叶整合包”对纯新手快速启动确实友好。但如果你打算长期使用或深入学习我强烈建议先理解一下标准安装方式。整合包像一辆组装好的车开起来快但坏了你不知道是发动机还是轮胎的问题。自己安装虽然步骤多点但你对每个部件在哪、有什么用一清二楚排查问题效率更高。这里给出两种路径请根据自身情况选择2.1 方案A使用秋叶一键整合包适合追求效率、怕麻烦的初学者这是最快上手的方式作者秋葉aaaki做了大量兼容性和预配置工作。获取整合包在B站搜索“秋叶 ComfyUI 整合包”通常能在作者动态或视频简介中找到网盘下载链接如夸克网盘。下载后解压到一个英文路径的文件夹例如D:\ComfyUI。路径里千万不要有中文或空格。启动进入解压后的文件夹双击运行run_nvidia_gpu.batN卡用户或run_cpu.bat无N卡用户。首次运行会下载一些必要的模型文件需要保持网络通畅。访问等待命令行窗口出现类似 “http://127.0.0.1:8188” 的提示后打开浏览器输入这个地址就能看到ComfyUI的Web界面。注意整合包更新较慢可能不是最新版ComfyUI且内置的插件和节点是固定的。后续安装新插件可能需要手动操作。2.2 方案B手动安装适合开发者、需要精细控制或未来可能部署的用户这种方式让你完全掌控环境。安装Python去Python官网下载3.10或3.11版本Stable Diffusion生态对3.12支持可能不佳安装时务必勾选“Add Python to PATH”。安装Git用于克隆仓库从Git官网下载安装即可。获取ComfyUI源码打开命令行CMD或PowerShell切换到你希望安装的目录执行git clone https://github.com/comfyanonymous/ComfyUI cd ComfyUI安装依赖pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 # CUDA 12.1版本请根据你的显卡驱动选择对应版本 pip install -r requirements.txt准备基础模型ComfyUI本身不带模型。你需要下载Stable Diffusion模型如sd_xl_base_1.0.safetensors将其放入ComfyUI\models\checkpoints目录。启动在ComfyUI目录下运行python main.py --port 8188同样用浏览器访问http://127.0.0.1:8188。为什么我更推荐新手也了解一下手动安装因为90%的“工作流导入失败”问题都源于缺失的节点即插件。手动安装的环境让你能清楚地知道插件应该装到哪个custom_nodes文件夹里依赖问题也更容易通过pip install解决。3. ComfyUI核心界面与基础工作流拆解理解节点如何“流动”启动ComfyUI后你会看到一个空旷的画布。别慌它的逻辑非常直观数据从左侧节点流向右侧节点。画布你搭建工作流的地方。右键点击可以添加节点。节点一个功能块有输入和输出“插座”。连线连接一个节点的输出“插座”到另一个节点的输入“插座”传递数据如模型、图片、参数。让我们搭建一个最基础的文生图工作流理解最小闭环加载模型右键 -Loaders-Load Checkpoint。这个节点负责加载你放在checkpoints文件夹里的大模型。输入提示词右键 -Conditioning-CLIP Text Encode (Prompt)。需要两个一个连接Load Checkpoint的CLIP输出用于输入正面提示词另一个同样连接用于输入负面提示词。设置采样器右键 -Sampling-KSampler。这是核心调度器它将模型、提示词、随机种子等参数组合起来生成图片。将Load Checkpoint的MODEL输出连接到KSampler的model。将正面CLIP Text Encode的CONDITIONING输出连接到KSampler的positive。将负面CLIP Text Encode的CONDITIONING输出连接到KSampler的negative。解码图片右键 -Latent-VAE Decode。采样器输出的是“潜空间”数据需要VAE模型解码成像素图片。将KSampler的LATENT输出连接到VAE Decode的samples。将Load Checkpoint的VAE输出连接到VAE Decode的vae。有些模型VAE内置可不连保存/显示图片右键 -Image-Save Image或Preview Image。将VAE Decode的IMAGE输出连接到Save Image的images。现在点击右侧的Queue Prompt按钮你的第一张AI图片就应该开始生成了。这个流程是一切复杂工作流的基础。关键参数理解在KSampler节点上seed随机种子。固定它可以生成几乎相同的图片对保持角色一致性至关重要。steps采样步数。一般20-30步越高细节可能越好但速度越慢。cfg提示词相关性。一般7-8太高画面易过饱和太低则不听提示词。sampler_name和scheduler采样算法。新手可以用euler或dpmpp_2mnormal或karras。4. 构建你的第一个AI漫剧工作流从单张到批量从随机到可控有了基础我们现在为目标服务生成多张连贯的漫画画面。这需要解决三个问题角色一致性、画面连贯性、批量生成。4.1 实现角色一致性LoRA与Embedding的运用让同一个角色在不同画面中保持相同外貌不能只靠提示词。常用方法是使用LoRA模型。获取角色LoRA从C站Civitai等平台下载你想要的动漫风格角色LoRA模型.safetensors文件放入ComfyUI\models\loras目录。在工作流中加载LoRA在Load Checkpoint节点之后添加节点Loaders-Lora Loader。将Load Checkpoint的MODEL和CLIP输出分别连接到Lora Loader的model和clip。在Lora Loader节点上选择你下载的LoRA文件并设置strength强度通常0.5-1.0。Lora Loader输出的MODEL和CLIP再提供给后面的KSampler和CLIP Text Encode。在提示词中触发LoRA在正面提示词中加入LoRA对应的触发词通常是lora:文件名:强度格式或者该LoRA页面上标注的特定触发词如chara_xxx。更进阶的做法是使用Impact Pack插件中的FaceDetailer或UltimateSDUpscale等节点在生成后对脸部进行专门的重绘修复能极大提升面部一致性。4.2 设计漫画分镜提示词漫剧提示词需要描述场景、角色动作、表情、镜头角度和漫画风格。基础结构(masterpiece, best quality), 1girl, blue hair, school uniform, running in hallway, dynamic angle, from behind, panicked expression, speed lines, comic style, manga panel, speech bubble分镜控制通过提示词区分画面。例如画面1... close-up, surprised face, looking at smartphone画面2... full body, standing up, determined look, background blur画面3... two-shot, talking to another character, angry expression风格化加入comic book,manga drawing,screen tones,bold outlines等词汇强化漫画感。4.3 实现批量生成与简单排版ComfyUI本身可以通过KSampler的batch_size一次生成多张图但每张图参数相同。对于漫剧我们需要每张图有不同的提示词。使用“提示词队列”或“从列表加载”安装Efficiency Nodes或WAS Node Suite等插件它们提供“文本列表”节点。你可以将多个场景的提示词做成列表配合Iterative或Batch节点让工作流自动按顺序生成。一个简易批量工作流思路Load Checkpoint-Lora Loader固定模型和角色。CLIP Text Encode连接一个Text List节点里面按行写入多个正面提示词。使用Impact Pack的ImpactSimplePromptSchedule节点按索引对应第几个画面选择不同的提示词送入KSampler。在KSampler前用Primitive-Int节点生成一个递增的索引值例如从0到9并连接到ImpactSimplePromptSchedule的frame输入。同时将这个索引值也连接到KSampler的seed例如seed索引确保每张图种子不同但可控。KSampler的batch_size设为1但通过循环或迭代节点执行10次。输出与命名使用Save Image节点时可以将其filename_prefix参数与当前迭代的索引或提示词关联实现自动命名如scene_{index}。4.4 添加对话框与字幕这一步通常在ComfyUI外完成更高效但也可以在流程内集成。内部方案复杂使用ComfyUI-Impact-Pack的Text节点生成文字图片再用ImageComposite节点将文字图片叠加到生成的漫画图上。但这需要精确定位对新手不友好。外部方案推荐将ComfyUI生成的所有漫画图保存后使用专业的图像处理软件如Photoshop、GIMP或批量处理脚本Python PIL库统一添加对话框和文字。这是目前最可靠、效果最好的方式。5. 插件生态与高级工作流管理解决“缺失节点”问题当你从网上下载别人分享的酷炫工作流.json或.png文件时直接拖入ComfyUI画布十有八九会看到红色节点和“Missing Nodes”错误。这是常态别慌。5.1 如何安装缺失节点/插件识别缺失节点ComfyUI会显示具体缺失的节点名例如ImpactPack、WAS_Node_Suite、ComfyUI-Manager等。使用ComfyUI Manager强烈推荐这是管理插件的神器。如果你用的整合包没有可以手动安装进入ComfyUI\custom_nodes目录。打开命令行执行git clone https://github.com/ltdrdata/ComfyUI-Manager.git重启ComfyUI界面右上角会出现一个齿轮图标管理器。通过管理器安装打开管理器在“Install Nodes”标签页搜索缺失的节点名称点击安装即可。管理器会自动处理克隆和依赖。手动安装如果管理器里没有或者安装失败可以手动操作在GitHub上搜索该节点项目如ComfyUI-Impact-Pack。在custom_nodes目录下git clone项目地址。查看该节点项目的README通常需要额外运行pip install -r requirements.txt安装Python依赖。5.2 必备插件推荐ComfyUI Manager插件管理必备。ComfyUI-Impact-Pack功能极其强大的工具包包含细节修复、人脸重绘、批量处理、提示词调度等无数实用节点做漫剧几乎离不开它。WAS Node Suite (WAS_Extras)另一套强大的扩展节点集提供图像处理、文本操作、逻辑控制等功能。Efficiency Nodes提升工作流效率提供各种批量处理和逻辑节点。ComfyUI-Custom-Scripts一些实用的小脚本集合。安装插件后务必重启ComfyUI才能生效。6. 实战漫剧工作流搭建与调试心法现在让我们串联一个相对完整的、可用的漫剧生成工作流思路并附上调试心法。6.1 一个可运行的漫剧工作流结构模型加载区Load Checkpoint-Lora Loader。确保你的基础模型和角色LoRA已就位。提示词与调度区准备两个String节点或文本列表一个放固定不变的“画质、风格、通用角色描述”另一个放按顺序变化的“场景动作描述”。使用ImpactSimplePromptSchedule或CR Prompt Schedule节点将固定部分和变化部分组合并按帧索引切换。负面提示词可以单独一个CLIP Text Encode通常不变。采样与生成区KSampler接收模型、组合后的提示词。关键将“帧索引”连接到seed可以用Add节点实现基础种子 帧索引保证每帧不同但可复现。将“帧索引”连接到调度节点控制提示词切换。后期处理区VAE Decode后可以连接FaceDetailer来自Impact Pack对生成图的人脸进行高清重绘提升一致性。然后连接Save Image在文件名中加入{index}或{prompt}变量以便区分。循环控制区核心使用ImpactPack的ImpactIterate节点或Efficiency Nodes的Iterative节点。设置一个循环次数如10代表10张漫画格。将“帧索引”作为循环变量每次迭代1并反馈给提示词调度和种子生成。将采样生成和保存的整个链条放在循环体内。6.2 调试心法从“跑不通”到“跑得稳”先跑通单张在搭建复杂循环前先用固定参数固定提示词、固定种子跑通一张图。确保模型、LoRA、VAE、采样器这些基础环节没问题。再测试切换手动改变提示词和种子生成两张不同的图验证提示词调度和种子生成逻辑是否有效。最后加循环引入循环节点但先把循环次数设为2或3快速验证整个链条能否按顺序执行多次而不报错。关注资源占用批量生成时显存占用会累积。如果遇到CUDA out of memory错误需要减少batch_size始终设为1对漫剧更安全。降低生成分辨率如从1024x1024降到768x768。使用TAESD等轻量VAE解码器。启用--lowvram或--medvram命令行参数启动ComfyUI。日志是朋友密切关注ComfyUI启动的命令行窗口。任何红色错误信息都会在这里首先显示比网页界面更详细。保存你的工作流每完成一个可用的阶段就通过ComfyUI的Save按钮保存工作流.json。这是你的备份也是分享的基础。7. 超越ComfyUI完整AI漫剧生产流程与工具链ComfyUI解决了核心的“画面生成”问题但一个完整的漫剧还包括脚本、分镜、对话、排版、合成甚至简单动画。前期使用ChatGPT、Claude等LLM辅助生成故事脚本和分镜描述。中期ComfyUI负责按分镜描述批量生成画面。可以配合ControlNet如OpenPose、Canny更精确地控制人物姿势和构图。后期图像编辑Photoshop/GIMP/Krita 手动精修、添加对话框、气泡、拟声词。批量处理用PythonPIL/Pillow库编写脚本自动为所有图片添加统一风格的边框和文字。视频合成将最终图片序列导入剪映、Premiere、DaVinci Resolve等视频软件添加转场、配音、背景音乐生成动态漫剧视频。项目管理为每个漫剧项目建立独立的文件夹清晰存放脚本、提示词列表、原始生成图、精修图、最终成品方便管理和迭代。最终建议不要试图在ComfyUI一个工具里解决所有问题。把它看作你生产线上的核心发动机用其他更专业的工具处理它们擅长的事情如文字、排版、剪辑。这样你的工作流会更健壮效率也更高。开始你的第一个漫剧项目时目标不要定成“做出10分钟动画”而是“用5张图讲清楚一个30秒的小情景”。先完成最小闭环享受从零到一的创造乐趣再逐步增加复杂度和精度。