文档说明1. 完全原生 Windows 10/11无 WSL、无虚拟机2. 全部环境基于 Conda 独立隔离干净不冲突3. 彻底删除 SDXL-Lightning全网唯一 FLUX.1-schnell 统一绘图远景/中景/特写通用4.补全所有模型 Xinference 启动参数 Dify 后台精细化推理参数本次重点新增5. 保留历史全部步骤、排错、启动流程、Dify 访问地址、工作流结构内容不丢失1. 方案总览 全链路模型对照表1.1 完整流水线用户输入短剧题材、集数、风格 上传主角正面人脸参考图↓Qwen2-14B-Instruct 生成带镜头分类结构化 JSON 剧本↓Qwen-VL-7B-Instruct 生成标准化正负绘图 Prompt↓FLUX.1-schnell 统一生成所有镜头分镜图IP-Adapter-Face 锁人脸↓Wan2.1-I2V-14B-720p 图生视频输出 3.5s 标准短剧镜头↓CosyVoice2 情绪 TTS 智能配音↓FFmpeg 自动拼接、对齐音视频、内嵌字幕、输出完整 MP4 成片1.2 全套模型总表最终定稿链路阶段模型名称量化方式核心功能核心特性剧本 LLMQwen2-14B-InstructCPU 4bit生成结构化短剧剧本、镜头类型、台词、情绪超长上下文、强制 JSON 输出分镜 PromptQwen-VL-7B-InstructCPU 4bit剧情转专业绘图正负提示词稳定适配短剧人像镜头全局绘图唯一FLUX.1-schnellCPU 4bit全镜头统一出图远景/中景/特写IP-Adapter-Face 人脸锁定统一人物五官图生视频Wan2.1-I2V-14B-720pCPU 4bit静态分镜转动态短剧片段人脸漂移最低、商用开源情绪配音 TTSCosyVoice2CPU 4bit多情绪智能人声配音喜怒哀乐情绪自适应1.3 全局统一规范运行环境Windows10/11 原生、CondaI 隔离、无 WSL硬件64G 物理内存、纯 CPU 推理统一画幅896×51216:9 短剧标准模型量化全部 4bit 常驻端口Xinference 9997、Dify 8000合成工具本地 FFmpeg 全局环境变量2. 硬件 系统硬性要求2.1 硬件CPU16线程及以上多核处理器内存64G 物理内存必备硬盘NVME 1TB 固态模型缓存约180G网络可正常访问 HF 镜像2.2 系统Windows10 22H2 / Windows11 23H2全程管理员权限运行终端虚拟内存16G~32G必须配置防OOM3. 前置软件完整安装步骤3.1 Miniconda3 安装1. 安装 Windows Miniconda3Python3.102. 必勾加入系统 PATH、注册默认 Python3. 安装路径纯英文无空格C:\Miniconda3验证conda --version python --version3.2 FFmpeg 安装配置1. 解压至C:\ffmpeg\bin\ffmpeg.exe2. 将C:\ffmpeg\bin加入系统环境变量 PATH验证ffmpeg -version3.3 Docker Desktop 安装仅Dify使用1. 安装最新稳定版开启 Hyper-V2. 启动保证托盘绿色运行验证docker --version docker compose version4. Conda 环境完整搭建4.1 创建专属虚拟环境conda create -n ai_drama python3.10 -y conda activate ai_drama4.2 配置清华 Conda 源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/ conda config --set show_channel_urls yes4.3 安装 CPU 版 Pytorchconda install pytorch torchvision torchaudio cpuonly -c pytorch -y4.4 安装 Xinference 人脸依赖pip install xinference[all] pip install insightface onnxruntime opencv-python pillow4.5 配置 HF 镜像环境永久生效conda env config vars set HF_ENDPOINThttps://hf-mirror.com conda deactivate conda activate ai_drama echo %HF_ENDPOINT%5. Xinference 服务启动 全模型启动参数完整官方参数5.1 启动主服务窗口1常驻conda activate ai_drama xinference-local --host 0.0.0.0 --port 9997 --device cpu5.2 全部模型启动运行参数逐条完整新开第二个 Anaconda Prompt 执行conda activate ai_drama # 1. CosyVoice2 TTS xinference run cosyvoice2 --model-args {device:cpu,load_4bit:true} timeout /t 12 /nobreak # 2. Qwen-VL-7B-Instruct 分镜Prompt xinference run qwen-vl:7b-instruct --model-args {device:cpu,load_4bit:true} timeout /t 15 /nobreak # 3. FLUX.1-schnell 唯一绘图核心完整参数 xinference run flux-schnell --model-args { device:cpu, load_4bit:true, enable_ip_adapter_face:true, default_width:896, default_height:512, default_steps:8, default_cfg_scale:1.5 } timeout /t 25 /nobreak # 4. Wan2.1-I2V-14B 图生视频 xinference run wan2.1-i2v:14b-720p --model-args {device:cpu,load_4bit:true} timeout /t 25 /nobreak # 5. Qwen2-14B-Instruct 剧本 xinference run qwen2:14b-instruct --model-args {device:cpu,load_4bit:true} xinference list6. Dify 完整部署 标准访问地址6.1 拉取代码git clone https://github.com/langgenius/dify.git D:\AI_Script\dify cd D:\AI_Script\dify\docker copy .env.example .env6.2 修改 .env 固定端口 8000修改 .env 文件EXPOSE_NGINX_PORT8000 EXPOSE_NGINX_SSL_PORT84436.3 启动容器docker compose up -d docker compose ps6.4 Dify 固定访问地址工作台首页http://127.0.0.1:8000首次初始化http://127.0.0.1:8000/installXinference对接APIhttp://127.0.0.1:9997/v17. Dify 绑定 Xinference 模型供应商1. 右上角设置 → 模型供应商 → 新增 Xinference2. API地址http://127.0.0.1:9997/v13. 无API Key4. 同步全部5个模型全部启用8. 全网最全各模型 Dify 后台精细化固定参数新增完整版8.1 Qwen2-14B-Instruct剧本生成上下文窗口32768最大输出 Token16384Temperature0.6写实 / 0.8爽文Top P0.7输出格式严格 JSON系统提示词你是专业短剧编剧输出严格JSON格式字段包含shot_id、scene、shot_type、dialogue、emotion、character_descshot_type仅允许填写远景/中景/特写禁止输出多余文字、注释、Markdown。8.2 Qwen-VL-7B-Instruct分镜Prompt生成Temperature0.4最大视觉Token1024输出规范第一段正向Prompt、第二段负面Prompt强制约束16:9短剧、电影柔光、写实人像、统一五官8.3 FLUX.1-schnell唯一绘图全镜头通用核心参数分辨率896 × 512采样步数8固定不可改CFG Scale1.5IP人脸权重0.9IP图像输入全局主角人脸参考图正向通用Prompt写实短剧镜头高清人像柔和电影柔光完整五官统一面部特征细腻皮肤纹理浅景深16:9短视频构图专业影视运镜负面通用Prompt畸形手部多根手指五官扭曲面部变形换脸模糊水印文字色差低分辨率肢体穿模多余人物马赛克重影人脸图片规范单人、正面、无遮挡、高清、无多人合照8.4 Wan2.1-I2V-14B-720p图生视频输出尺寸896×512帧率24fps总帧数84帧3.5秒motion_bucket_id110采样步数20视频负面Prompt人脸闪烁、五官漂移、肢体畸形、画面抖动、色彩断层、背景跳变、模糊重影8.5 CosyVoice2情绪TTS配音采样率24000语速0.95输出格式mp3自动识别字段emotion开心/愤怒/悲伤/冷漠9. Dify 完整工作流结构无分支极简版开始节点 → LLM剧本 → 循环遍历镜头 → VL生成Prompt → FLUX绘图 → Wan2.1视频 → CosyVoice配音 → Python FFmpeg合成 → 输出成片9.1 开始节点题材、集数、故事简介、主角人脸图全局变量9.2 LLM节点输出标准化镜头JSON数组9.3 循环内部子节点VL分镜Prompt → FLUX绘图锁脸 → 图生视频 → 情绪配音9.4 Python合成节点输出路径C:/AI_Drama_Output/成片.mp49.5 输出节点返回本地成片路径10. Windows 专属优化 端口 路径规范10.1 内存优化全部模型强制4bit量化系统虚拟内存 16G~32G运行时关闭大型软件10.2 端口放行放行防火墙 TCP 9997、8000端口排查netstat -ano | findstr 9997 netstat -ano | findstr 800011. 全套故障排查清单完整保留11.1 模型下载慢/卡住检查HF镜像、重启服务、清理缓存11.2 人脸锁失效开启enable_ip_adapter_face、绑定人脸变量、更换标准人脸图、升级insightface11.3 内存溢出4bit加载、调高虚拟内存、减少并发11.4 Dify打不开容器正常运行、端口放行、重启docker compose11.5 接口连不上0.0.0.0启动服务、9997端口通畅、地址填写正确12. 开机全套一键启动流程最终完整版12.1 窗口1启动推理服务conda activate ai_drama xinference-local --host 0.0.0.0 --port 9997 --device cpu12.2 窗口2加载全部模型执行本文5.2全部run命令12.3 CMD启动Difycd D:\AI_Script\dify\docker docker compose down docker compose up -d12.4 打开工作台http://127.0.0.1:8000