如果你对本地AI图像生成感兴趣尤其是想用它来制作连续剧情的“AI漫剧”那么ComfyUI是你绕不开的一个工具。它不像Stable Diffusion WebUI那样提供现成的按钮而是通过节点连接的方式让你能像搭积木一样精确控制AI绘画的每一个步骤。这种灵活性正是制作高质量、风格统一的AI漫剧所必需的。今天这篇文章我们就来彻底搞懂ComfyUI并手把手带你搭建一个能实际跑起来的AI漫剧工作流。这篇文章的重点不是空谈概念而是解决实际问题如何在你的电脑上从零开始部署ComfyUI安装必要的插件和模型最终搭建并运行一个能生成连贯漫画分镜的工作流。我们会重点关注硬件门槛、启动方式、显存占用以及如何通过工作流实现批量生成、角色一致性等漫剧制作的核心需求。无论你是刚接触AI绘画的新手还是想从WebUI迁移过来的进阶用户这篇教程都能让你获得一套可落地的解决方案。1. 核心能力速览ComfyUI与AI漫剧在深入细节之前我们先通过一个表格快速了解ComfyUI的核心特性和它在AI漫剧制作中的定位让你判断它是否适合你。能力项说明与解读项目类型基于节点的Stable Diffusion图形化界面用于高级工作流编排。核心优势可视化编程通过连接节点精确控制生成流程灵活性极高。可复现性工作流JSON文件可保存、分享、复用确保结果一致。资源效率相比WebUI通常对显存和内存的管理更精细适合复杂任务。主要功能文生图、图生图、局部重绘、多图拼接、ControlNet控制、LoRA模型调用、高清修复、批量生成等。AI漫剧应用通过工作流实现角色形象一致性控制、分镜画面连贯性、批量生成多张图片、自动构图与景别切换。推荐硬件GPU推荐NVIDIA显卡显存建议8GB及以上。复杂工作流或高分辨率需要更多显存。CPU可运行支持纯CPU推理但速度非常慢仅适合学习流程。显存占用取决于工作流复杂度、基础模型大小如SDXL、同时加载的LoRA/ControlNet数量。一个中等复杂度的漫剧工作流在SD1.5模型下8G显存是较为稳妥的起点。支持平台Windows, Linux, macOS (支持M系列芯片)。Windows用户有成熟的整合包。启动方式通常通过命令行启动python main.py也有秋叶等制作的一键启动整合包极大简化了部署。是否支持API支持。提供原生API可被其他程序调用实现自动化生成是批量制作漫剧的关键。是否支持批量任务核心支持。工作流天生支持通过队列Queue进行批量生成也可通过API外部调度。适合场景追求生成流程可控、可复现的进阶用户需要批量、自动化生成内容的创作者希望深入理解Stable Diffusion内部流程的学习者AI漫画、漫剧、视觉小说等内容制作。2. 适用场景与使用边界ComfyUI是一个强大的工具但明确其边界能让你更有效地利用它。它非常适合风格化、系列化内容创作如制作AI漫剧、漫画、视觉小说需要角色和画风高度统一。工作流程研究与优化你可以拆解、分析每一个生成步骤理解参数如何影响最终结果。批量生产与自动化结合API和脚本可以搭建无人值守的图片生成流水线。复杂控制需求需要同时使用多个ControlNet、LoRA并进行精细的图像后处理。它可能不适合追求最快上手的纯新手如果你只想快速点几下按钮出图WebUI的交互更直观。硬件资源极其有限复杂的节点工作流会占用更多显存低配电脑可能无法流畅运行大型工作流。拒绝学习新交互方式的用户节点式操作需要一定的逻辑思维和学习成本。重要合规与伦理边界必须阅读AI漫剧制作涉及图像生成务必遵守以下原则版权与肖像权禁止使用未经授权的真人肖像、受版权保护的动漫角色形象进行训练或生成用于商业用途风险极高。内容安全生成内容需符合法律法规与社会公序良俗避免制作暴力、色情、侵权等违法违规内容。用途声明生成的AI图像在公开传播时建议注明由AI生成避免误导。素材来源用于图生图img2img或训练的素材应确保为自己创作或已获得合法授权。3. 环境准备与前置条件开始之前请确保你的电脑满足以下基础条件。这是成功部署和运行ComfyUI的基石。1. 操作系统Windows 10/11 (64位)拥有最广泛的社区支持和整合包推荐大多数用户使用。Linux适合开发者和服务器部署原生支持良好。macOS (Apple Silicon)可通过原生或conda环境安装性能取决于芯片型号。2. 硬件要求GPU (强烈推荐)NVIDIA显卡这是最佳选择。确保已安装最新版的显卡驱动。显存这是关键指标。8GB显存是制作AI漫剧的推荐起步配置。使用SD1.5基础模型搭配简单LoRA6GB显存或可尝试但进行高清修复或使用SDXL模型时极易爆显存。4GB显存仅能运行极简工作流不适合漫剧制作。关于50系显卡新一代显卡如RTX 50系列通常兼容性更好但需确保PyTorch、CUDA等深度学习库已提供对应支持。目前主流整合包基于CUDA 11.8/12.1只要NVIDIA驱动支持通常没问题。CPU (备选方案)如果没有独立显卡或显存不足可以强制使用CPU模式运行但生成一张图片可能需要数分钟到数十分钟仅适用于学习工作流逻辑不具备生产力。3. 软件与依赖Python版本通常在3.10.x。整合包已内置无需单独安装。Git用于克隆ComfyUI仓库和插件。整合包通常也已集成。磁盘空间至少准备20-30GB可用空间。用于存放ComfyUI本体、基础模型约2-7GB每个、LoRA模型、VAE、ControlNet模型以及生成的图片。网络环境需要能正常访问Github、Hugging Face等网站以下载代码和模型。4. 安装部署与启动方式Windows整合包方案对于绝大多数Windows用户使用“秋叶大佬”制作的ComfyUI一键整合包是最省心、最不易出错的方式。它集成了Python环境、常用插件和启动器。步骤1下载整合包在可靠的社区或发布页如B站“秋叶aaaki”的动态找到最新的ComfyUI整合包下载链接。下载完成后将其解压到一个英文路径的文件夹中例如D:\AI_Tools\ComfyUI。路径中不要有中文或特殊字符。步骤2放置模型文件ComfyUI需要基础的Stable Diffusion模型才能工作。整合包内ComfyUI\models\checkpoints文件夹通常是空的。获取基础模型从合法渠道下载如sd_xl_base_1.0.safetensors或v1-5-pruned-emaonly.safetensors等模型文件。将下载的.safetensors或.ckpt文件放入ComfyUI\models\checkpoints目录。同样地将需要的VAE文件放入models\vae LoRA文件放入models\loras ControlNet模型放入models\controlnet。步骤3启动ComfyUI进入解压后的整合包根目录。双击运行启动器运行依赖-dotnet-6.0.11.exe如果首次运行确保安装.NET依赖。之后运行启动器.exe。在启动器界面你可以进行一些设置如选择显卡、监听端口等通常保持默认即可。点击“一键启动”按钮。等待命令行窗口弹出并加载完毕直到出现类似“To see the GUI go to: http://127.0.0.1:8188”的提示。步骤4访问Web界面打开浏览器输入提示中的地址通常是http://127.0.0.1:8188即可看到ComfyUI的空白节点画布界面。至此安装部署完成。5. 功能测试与效果验证从零搭建一个简易漫剧工作流现在我们通过搭建一个能生成两张具有相同角色、不同场景的简易“漫剧”工作流来验证ComfyUI的核心功能。这个工作流将包含加载模型、编写提示词、生成图像、并初步控制角色一致性。5.1 基础文生图测试目的验证ComfyUI基础功能是否正常生成单张图片。清空画布在ComfyUI界面按Delete键或右键菜单清除所有默认节点。添加基础节点右键画布 -Add Node-loaders-Checkpoint Loader。用于加载基础模型。Add Node-conditioning-CLIP Text Encode (Prompt)。需要添加两个一个用于正面提示词(Prompt)一个用于负面提示词(Negative Prompt)。Add Node-sampling-KSampler。这是核心采样器。Add Node-latent-Empty Latent Image。定义生成图片的尺寸和批次。Add Node-latent-VAE Decode。将潜空间变量解码为最终图像。Add Node-image-Save Image。保存生成的图片。连接节点将Checkpoint Loader的MODEL和CLIP输出分别连接到KSampler的model和两个CLIP Text Encode的clip。将Empty Latent Image的latent输出连接到KSampler的latent_image。将两个CLIP Text Encode的输出conditioning分别连接到KSampler的positive和negative。将KSampler的LATENT输出连接到VAE Decode的latent。将Checkpoint Loader的VAE输出连接到VAE Decode的vae。最后将VAE Decode的IMAGE输出连接到Save Image的images。配置参数在Checkpoint Loader节点点击选择你放入checkpoints文件夹中的模型。在CLIP Text Encode (Prompt)节点输入masterpiece, best quality, 1girl, solo, white hair, blue eyes, in a classroom。在CLIP Text Encode (Negative)节点输入worst quality, low quality, monochrome。在Empty Latent Image节点设置宽度(width)为512高度(height)为512批次(batch_size)为1。在KSampler节点设置steps(步数)为20cfg(提示词相关性)为7采样器(sampler)可选euler调度器(scheduler)可选normal。生成与验证点击右下角的Queue Prompt按钮。观察命令行窗口是否有报错并查看GPU显存占用。生成完成后图片会显示在Save Image节点上并自动保存到ComfyUI\output目录。成功标准无报错能正常生成一张符合提示词描述的512x512图片。5.2 引入LoRA实现角色一致性目的让生成的不同图片中的角色看起来是同一个人这是漫剧的核心。添加LoRA节点在Checkpoint Loader和CLIP Text Encode之间插入LoRA节点。Add Node-loaders-Lora Loader。将Checkpoint Loader的MODEL和CLIP输出连接到Lora Loader的model和clip输入。再将Lora Loader的MODEL和CLIP输出连接到后续节点。配置LoRA在Lora Loader节点选择你下载并放入loras文件夹的LoRA模型文件例如一个特定动漫角色的LoRA。设置strength_model和strength_clip通常设为0.8-1.0。修改提示词在正面提示词中加入触发LoRA的特定标签tag例如, [角色名]。这个标签需要与LoRA训练时使用的触发词一致。再次生成点击Queue Prompt。此时生成的图片应体现出LoRA模型的风格或角色特征。5.3 批量生成与简单分镜目的一次性生成多张图片模拟漫剧的不同分镜。修改批次将Empty Latent Image节点的batch_size改为2。动态提示词简易版为了两张图略有不同我们可以使用ComfyUI的“通配符”或“随机数”功能但这里用一个更简单的方法复制整个工作流选中所有节点CtrlC, CtrlV修改第二套提示词中的场景描述。例如第一套提示词是in a classroom第二套改为in a library。连接队列实际上你只需点击一次Queue PromptComfyUI会自动按顺序处理画布上的所有“工作流”。更高级的做法是使用Primitive节点和Batch Prompt Schedule等插件来动态管理提示词。验证输出在output文件夹中应生成两张图片它们共享相同的基础模型和LoRA因此角色相似但场景不同。6. 接口API与批量任务自动化ComfyUI的API是其强大自动化能力的体现。你可以通过HTTP请求远程触发生成这对于编写脚本批量制作漫剧至关重要。6.1 启动API服务ComfyUI默认在启动WebUI的同时也开启了API服务。地址就是你的WebUI地址如http://127.0.0.1:8188。6.2 获取工作流API模板在ComfyUI网页中搭建好你的漫剧工作流。点击右侧的“Save”按钮磁盘图标将当前工作流保存为一个.json文件。这个文件包含了所有节点和连接的完整信息。点击右下角的“Queue Prompt”按钮旁边的“API”按钮或通过菜单ComfyUI会生成一个该工作流的API调用示例包括prompt数据结构。复制这个数据结构。6.3 编写Python脚本进行调用以下是一个基本的Python脚本示例用于通过API触发工作流生成并保存图片。import requests import json import time import uuid # ComfyUI服务器地址 server_address http://127.0.0.1:8188 # 1. 加载你保存的工作流JSON文件 with open(your_workflow_api.json, r, encodingutf-8) as f: workflow_api_data json.load(f) # workflow_api_data 是一个庞大的字典包含了所有节点信息 # 通常我们直接使用这个数据作为prompt prompt_data workflow_api_data # 2. 如果你想动态修改某些节点的输入如提示词可以这样操作 # 假设你知道正面提示词节点的ID是6这个ID在你的工作流JSON里可以找到 node_id_to_modify 6 new_prompt_text masterpiece, best quality, 1girl, solo, white hair, blue eyes, in a garden, sunny day prompt_data[node_id_to_modify][inputs][text] new_prompt_text # 3. 发起生成请求 def queue_prompt(prompt): p {prompt: prompt} data json.dumps(p).encode(utf-8) response requests.post(f{server_address}/prompt, datadata) return response.json() print(提交生成任务...) response_json queue_prompt(prompt_data) prompt_id response_json[prompt_id] print(f任务ID: {prompt_id}) # 4. 轮询查询任务状态和历史结果 def get_history(prompt_id): response requests.get(f{server_address}/history/{prompt_id}) return response.json() print(等待生成完成...) while True: history get_history(prompt_id) if prompt_id in history: # 任务已完成 history_data history[prompt_id] outputs history_data.get(outputs, {}) for node_id, node_output in outputs.items(): if images in node_output: for image_info in node_output[images]: filename image_info[filename] subfolder image_info.get(subfolder, ) # 构建图片URL并下载 image_url f{server_address}/view?filename{filename}subfolder{subfolder}typeoutput print(f图片生成成功: {image_url}) # 这里可以添加下载图片的代码例如使用requests.get break time.sleep(1) # 每秒查询一次 print(批量任务执行完毕。)6.4 实现批量任务基于上述API你可以轻松实现批量任务读取脚本准备一个文本文件或CSV里面每一行是一段不同的场景提示词。循环调用在Python脚本中循环读取提示词每次替换工作流数据中对应节点的文本然后调用queue_prompt。管理队列ComfyUI内部有任务队列你可以连续提交多个任务它会依次处理。注意监控显存避免同时提交过多高负载任务。结果收集通过查询历史将生成的图片文件名或元数据记录到日志中便于后续整理。7. 资源占用与性能观察合理管理资源是稳定运行复杂漫剧工作流的前提。1. 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。这是最直观的方式。nvidia-smi命令打开命令行输入nvidia-smi -l 1可以每秒刷新一次显存使用情况。影响显存的关键因素基础模型大小SDXL模型比SD1.5模型占用显存多得多。同时加载的模型数量工作流中同时激活的LoRA、ControlNet模型越多显存占用越高。图片分辨率与批次Empty Latent Image中的width,height,batch_size直接决定单次处理的数据量。分辨率翻倍显存占用可能呈平方增长。高清修复Hires. Fix开启后会在高分辨率下进行二次采样显存占用激增。优化建议从低分辨率开始测试工作流时先用512x512的小图。分批加载模型通过工作流设计避免一次性加载所有LoRA。可以使用“Checkpoint Loader (Simple)”等节点在流程中动态切换。使用--lowvram参数在启动命令中添加--lowvram可以尝试优化显存使用但可能会降低速度。及时清理生成完成后可以点击ComfyUI界面上的“Free Memory”按钮垃圾桶图标尝试释放显存。2. 性能观察生成速度关注命令行窗口或WebUI下方的生成日志它会显示每一步的耗时。速度受GPU算力、图片尺寸、采样步数影响。CPU/内存占用复杂的预处理、后处理节点如人脸修复、超分辨率可能会增加CPU和内存负担。8. 常见问题与排查方法遇到问题不要慌按照下表思路排查。问题现象可能原因排查方式解决方案启动时提示“无法启动”或闪退1. 运行依赖缺失如VC .NET。2. 路径包含中文或特殊字符。3. 端口被占用。1. 查看启动器日志或命令行报错信息。2. 检查解压路径。1. 安装整合包自带的运行依赖。2. 将ComfyUI移动到纯英文路径。3. 在启动器或extra_model_paths.yaml中修改默认端口如8188。WebUI页面打开空白或报错1. 服务未成功启动。2. 浏览器缓存问题。3. 模型文件缺失或损坏。1. 确认命令行窗口是否正常加载完毕有无红色错误。2. 按F12打开浏览器控制台看网络请求错误。3. 检查models/checkpoints目录是否有模型文件。1. 等待启动完成或根据命令行错误修复。2. 尝试浏览器无痕模式访问。3. 放入正确的模型文件。加载工作流时提示“缺少节点”工作流使用了你未安装的插件自定义节点。错误信息通常会显示缺失的节点名或包名。1. 通过ComfyUI管理器如果已安装搜索并安装对应插件。2. 手动从GitHub克隆插件到ComfyUI/custom_nodes/目录并重启。生成图片时显存不足OOM1. 图片分辨率设置过高。2. 批次batch_size太大。3. 同时加载了过多大模型。观察任务管理器中显存占用是否接近100%。1. 降低生成分辨率。2. 将batch_size改为1。3. 简化工作流移除不必要的ControlNet或LoRA。4. 尝试使用--lowvram模式启动。生成图片全黑或全灰1. VAE模型不匹配或缺失。2. 采样步数steps过低。3. 提示词冲突或模型损坏。1. 检查VAE Decode节点是否连接了正确的VAE。2. 检查KSampler参数。1. 在Checkpoint Loader后显式连接一个VAE Loader节点加载合适的VAE模型。2. 增加采样步数至20以上。3. 更换基础模型测试。LoRA或ControlNet效果不明显1. 强度strength设置过低。2. 节点连接错误。3. 未使用正确的触发词。1. 检查LoRA/ControlNet节点的强度参数。2. 对照教程检查节点连线。3. 查看LoRA模型的说明文档。1. 适当调高强度值如从0.7调到1.0。2. 确保LoRA节点正确插入到MODEL和CLIP路径中。3. 在提示词中加入LoRA特定的触发词。API调用失败1. 服务器地址或端口错误。2. 工作流JSON数据格式错误。3. 服务器端工作流本身有问题。1. 使用浏览器访问WebUI确认地址。2. 使用Postman或curl先测试一个简单请求。3. 在WebUI上手动运行一次工作流确保无误。1. 修正请求URL。2. 使用WebUI提供的“API”按钮生成正确的prompt数据结构。3. 先在WebUI上调试通工作流。9. 最佳实践与使用建议掌握以下技巧能让你的AI漫剧制作之路更顺畅。从简到繁逐步测试不要一开始就搭建几十个节点的复杂工作流。先从“加载模型 - 编码提示词 - 采样 - 解码保存”这个最小闭环开始确保每一步都跑通再逐步添加ControlNet、LoRA、高清修复等模块。善用工作流管理保存Save每完成一个可用的功能模块就保存一次工作流.json文件并起一个清晰的名字。加载Load可以从别人的优秀工作流.json或.png中学习节点连接技巧。模板化将常用的角色生成、场景变换、后期处理等流程做成子工作流或模板方便复用。素材与模型管理目录规范化在ComfyUI目录外建立专门的文件夹管理你的项目素材如角色设定图、场景参考图、输出成果和脚本。模型分类定期整理models文件夹删除不用的模型对LoRA按风格或角色分类存放。提示词工程角色一致性除了依赖LoRA在提示词中固定描述角色的发型、瞳色、服装等关键特征。场景控制使用具体的名词和形容词描述场景如cozy cafe interior, warm lighting比简单的inside a cafe效果更好。分镜语言尝试在提示词中加入镜头术语如close-up shot,full body shot,from behind,low angle来控制构图。自动化脚本将API调用脚本化实现“提示词列表 - 批量生成 - 自动重命名排序”的流水线。在脚本中加入错误重试和日志记录机制应对长时间生成任务中的偶发失败。合规与备份定期备份你的核心工作流文件和项目配置。始终牢记内容生成的合规性对生成内容进行审核。ComfyUI的门槛在于其节点式的思维方式但一旦掌握它提供的控制力和自动化潜力是无可比拟的。对于AI漫剧制作这类需要高度可控性和批量化的场景它几乎是目前最理想的工具。建议从克隆一个简单的漫画分镜工作流开始边操作边理解每个节点的作用很快你就能搭建出属于自己的创作流水线。