AI漫剧制作的核心问题从来不是“哪个工具能出图”而是“整条链路怎么串起来”。以即梦AI、ComfyUI、豆包三个工具为骨架一条完整的 AI 漫剧生产线包含剧本、分镜、角色设定、静帧、视频、配音、剪辑七个环节。零基础创作者最容易卡住的位置是在“保持人物一致性”这一步前一个镜头还是完整正脸下一个镜头就换了一张脸观众一眼就能看出来。下面的内容按七道工序的顺序展开每个环节都会说明目标、操作、检查点和常见错误并给出可以直接复制的提示词模板、参数取值、工作流节点思路和排查路径。学完之后你至少能独立跑通一条“从文字剧本到成片”的最小闭环再根据自己项目的题材和画风扩展。1. AI漫剧制作链路拆解先搞清楚三个工具各管哪一段1.1 什么是 AI 漫剧为什么人物一致性是难点的核心AI 漫剧可以理解为“用 AI 工具批量生产画面的短视频剧”。传统漫剧需要画师先画角色、画分镜、再逐帧动画化成本和周期都很高。AI 漫剧把画面绘制交给图像生成模型把角色说话交给语音合成把动态交给图生视频最后用剪辑软件组装成片。难点集中在一致性上。扩散模型每次生成都在做概率采样同样一句描述“黑发红瞳少女”不同次生成可能给出完全不同的人脸、发型和服装细节。漫剧又是由几十个镜头组成的连续叙事观众会下意识对比角色长相。一旦发型、脸型、服装在不同镜头里对不上整条视频的说服力就会快速下降。所以整个工作流的设计本质上是在解决一个问题如何让模型在每次生成时都想到同一个角色。1.2 即梦AI、ComfyUI、豆包的分工这三个工具不是平级替代关系而是流水线上的不同工位。工具在链路中的角色典型用途豆包文字与声音生产写剧本、生成分镜表、优化提示词、生成对白、文字转语音ComfyUI图像生产角色设定图、人物 LoRA、静帧出图、批量生成、一致性控制即梦AI视频生产图生视频把静帧变成动态片段控制运镜和动作豆包负责“想清楚故事和台词”ComfyUI 负责“画出每一帧画面”即梦AI 负责“让画面动起来”。剪辑软件再把画面、声音、字幕组装成最终成片。理解这条分工后面每个环节使用什么工具就不会混乱。1.3 七道工序和它们的前后依赖完整流程可以拆成七道工序剧本确定故事、人物、冲突和单集目标。分镜把剧本拆成镜号、景别、画面描述、对白和时长。角色设定先固定角色三视图和外观描述再开始出图。静帧按分镜表批量生成静态画面。视频用图生视频把静帧变成动态片段。配音把对白转成语音按镜头对齐。剪辑组装画面、配音、字幕、音乐和音效。这七道工序之间有严格依赖。角色设定必须在静帧之前否则静帧画面没有统一依据分镜表必须在静帧之前否则不知道每个镜头该画什么。常见的错误是先直接生成画面再回来补剧本最后发现角色和场景都没法统一只能推倒重来。2. 环境准备把 ComfyUI 跑通再准备两个在线平台账号2.1 ComfyUI 两种安装方式怎么选ComfyUI 是一个基于节点的工作流引擎所有操作都以“节点连线”的方式完成。它本身不是一键出图软件而是一个可以把底模、LoRA、ControlNet、IP-Adapter 等能力自由组合的生产工具。安装方式有两种官方源生部署通过 Git 拉取仓库用 pip 安装依赖适合熟悉 Python 环境、希望完全控制版本的开发者。社区整合包通常被称为“一键整合包”例如秋叶整合包内置了 Python 环境、常用插件和启动器适合零基础用户快速跑通。官方部署的核心命令如下git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI pip install -r requirements.txt python main.py启动后浏览器访问http://127.0.0.1:8188即可看到工作台。如果网络下载依赖较慢可以切换国内镜像源再重新执行安装。硬件环境直接影响出图速度下面是一份参考门槛配置项最低要求推荐配置显卡NVIDIA 8GB 显存NVIDIA 12GB 至 24GB 显存内存16GB32GB硬盘30GB 空闲100GB 以上空闲系统Windows 10/11Windows 10/11 或 Linux本机没有合格显卡时可以租用云 GPU 或使用在线图像生成服务工作流的节点思路依然通用只是执行环境不同。2.2 模型、LoRA、插件准备清单ComfyUI 只是一个引擎真正决定画风的是模型。准备一个动漫风格的底模是第一步后面的角色 LoRA、ControlNet、IP-Adapter 都是在底模之上叠加控制能力。资源类型作用使用建议动漫底模决定整体画风先固定 1 至 2 个不要频繁切换VAE修复色彩和细节随底模配套放置角色 LoRA锁定角色外观自行训练或使用确认可商用的素材ControlNet 模型控制姿态和构图分镜需要固定动作时使用IP-Adapter 模型参考图约束用角色锚点图约束每次生成模型文件需要放入 ComfyUI 对应目录models/checkpoints 底模 models/vae VAE models/loras LoRA models/controlnet ControlNet models/ipadapter IP-Adapter插件放入custom_nodes目录不同插件的节点名称会随版本变化安装后如果提示找不到节点优先检查插件是否完整安装、是否需要更新。2.3 即梦AI 与豆包账号准备即梦AI 主要用于图生视频通常在网页端或 App 上操作上传一张静帧输入动作描述选择时长生成一段视频片段。豆包用于剧本、分镜表和配音也有网页版和移动端。账号注册按平台引导完成即可。需要说明的是会员权益、生成次数、单段视频时长限制会随平台版本变化开始制作前先确认当前开放的生成能力避免做到一半才发现配额不够。学习阶段可以先用免费额度把完整链路跑通确认有效后再评估是否需要付费。3. 剧本与分镜让豆包输出能直接驱动画面的文字3.1 剧本需求怎么写豆包才能给出可用稿很多人的剧本环节失败是因为只给了一句“帮我写一个漫剧剧本”。模型缺少题材、人物、时长、目标平台这些约束产出的内容自然泛泛而谈。写剧本需求时至少给出这些信息题材和世界观例如都市奇幻、古风、悬疑。主角设定包括姓名、身份、外貌、性格、目标。单集时长和目标平台这决定节奏和画幅。这一集要达到的目的例如立住人物、抛出悬念。下面是一份可以直接使用的需求模板你是一位短视频漫剧编剧。请根据以下信息写一集 2 分钟左右的漫剧剧本。 题材都市奇幻 主角林小满22 岁咖啡店店员黑发有辨识度性格慢热但关键时刻果断 单集目标让观众记住主角和核心悬念 要求 1. 写出开场钩子、冲突推进、结尾悬念。 2. 每一场都注明角色、动作、对白。 3. 场景控制在 4 个以内方便后续分镜和出图。这份需求的关键是把“场景数量”限制住。AI 漫剧的每个新场景都意味着新的背景、新的光照、新的画面参考场景越少一致性越容易维护。3.2 把剧本转成分镜表剧本是按“场”组织的分镜则是按“镜头”组织的。一个镜头是画面连续的一小段通常 3 到 5 秒。让豆包转换分镜表时要明确字段和输出格式请把上面的剧本改写成分镜表输出 Markdown 表格。 字段场次、景别、画面描述、角色动作、对白、预估时长。 要求 - 画面描述包含角色服装、面部朝向、环境、光线。 - 景别从“特写/近景/中景/全景/远景”中选择。 - 对白单独一列没有对白就写“无”。豆包给出的结果大致会是这样场次景别画面描述角色动作对白时长1全景傍晚咖啡店外街景暖黄路灯主角从远处走向店门无3 秒2中景咖啡店内吧台木质柜台主角放下背包系围裙又加班啊4 秒3特写主角面部咖啡馆灯光抬头露出无奈表情今晚不回去了。3 秒分镜表的核心不是对白而是“画面描述”。没有画面描述后续生成静帧时你还要重新写提示词画面描述写清楚静帧提示词只是把这段描述翻译成模型能理解的语言。3.3 分镜检查点拿到分镜表后不要直接开始出图先逐行检查每个镜头是否都有景别。角色形象描述是否和前一个镜头一致。是否写明了环境和光线。对白长度是否匹配画面时长。台词是否按行拆分方便后续逐段配音。这一轮检查是成本最低的修改时机。等静帧和视频都生成后再发现分镜问题返工量会是好几倍。4. 人物一致性ComfyUI 里锁住角色的几种做法4.1 四种方案的强度与成本对比在 ComfyUI 中实现人物一致性常见做法有四类它们不是互斥关系实际项目通常叠加使用。方案原理一致性强度成本适用场景固定提示词加固定种子每次生成使用相同的角色描述和种子弱低快速验证想法参考图加 IP-Adapter生成时参考一张角色设定图中低保持大体外观训练角色 LoRA用多张角色图微调模型让模型记住角色强中到高多集、多角度、多表情换脸或面部修复插件生成后把脸替换成目标脸强特写效果好中大特写、成片精修比较稳妥的组合是“固定提示词 角色 LoRA IP-Adapter 参考图”。提示词负责描述服装和场景LoRA 负责锁定脸部特征参考图负责约束整体形象。4.2 角色设定图一切一致性的源头所有一致性方案都要先有一张“角色锚点图”。这张图用来统一你对角色的描述也用来作为 IP-Adapter 的参考输入和 LoRA 的训练数据。在 ComfyUI 中用动漫底模生成一组角色设定正面全身、半侧面、正面特写可以的话再补几张表情图。生成时使用固定的角色描述词masterpiece, best quality, 2d anime style, young woman, long black hair, red eyes, casual coffee shop uniform, white shirt, brown apron, front view, full body, simple background, character sheet负面提示词保持统一bad anatomy, extra fingers, deformed hands, blurry, lowres, jpeg artifacts, watermark, text生成后挑出最满意的一张保存为“角色锚点图”。之后所有镜头不管用什么方案都要回到这张图对齐。4.3 训练角色 LoRA 的完整要点如果做单集短片参考图方案可能够用。如果做多集连载角色需要从各个角度、各种表情反复出现建议训练一个角色 LoRA。训练前需要准备数据收集或生成同一角色的图片 20 至 50 张。图片统一分辨率单人背景简单。覆盖正面、侧面、半侧面、不同表情和不同构图。对所有图片打标签标签要准确描述画面中的元素角色名字也要出现在标签里。训练工具可以使用 kohya_ss 或 ComfyUI 内相关训练节点。常用参数可以按下面的范围起步参数参考值说明分辨率512 或 768与底模训练分辨率保持一致Epoch10 至 20轮数过多容易过拟合学习率1e-4 左右过高会导致画面崩坏Network Dim32 至 64维度越大记住细节越多但更容易过拟合保存间隔每 500 步保存一次方便回退选择中间版本训练完成后在 ComfyUI 中用 LoRA 节点加载权重可以从 0.7 到 0.9 开始试。权重太低角色特征不明显权重太高画面容易丢失自然感。4.4 ComfyUI 工作流的节点串联思路一个控制人物一致性的典型工作流节点顺序如下Load Checkpoint加载固定的动漫底模。Load LoRA加载角色 LoRA设置合适权重。CLIP Text Encode填入正向提示词和负向提示词。Apply IPAdapter载入角色锚点图作为参考约束。Apply ControlNet如果需要固定姿态载入姿态参考图。KSampler执行采样。VAE Decode把潜空间向量解码为图片。Save Image保存 PNG。具体节点名称会随插件版本变化但节点关系不变。把这条链路保存成一个工作流模板以后每个分镜只替换提示词和参考图角色一致性控制逻辑不需要重新搭建。5. 静帧生成把分镜表翻译成提示词和参数5.1 正向提示词的结构化写法静帧提示词不要每次临时写要用同一套结构。推荐顺序是画风词、固定角色描述、景别与视角、动作与表情、环境与光线、质量词。masterpiece, best quality, anime style, {固定角色描述}, medium shot, front view, action: standing behind the counter, looking up, environment: cozy cafe, warm light, wooden counter, detailed background, highres花括号内的“固定角色描述”要全局统一。实际制作时先把角色描述词单独存放在一个文本文件或工作流常量里每个分镜生成时原样复制不要重新措辞。同一个含义换一种写法模型就可能理解成另一种发型或另一件衣服。5.2 负面提示词和采样参数负面提示词的作用是排除常见画崩情况。每个分镜使用同一份负面提示词bad anatomy, extra fingers, deformed hands, blurry, lowres, jpeg artifacts, watermark, text, duplicate采样参数直接决定画面风格稳定性参数常用范围说明采样器Euler a 或 DPM 2M Karras动画风格下表现稳定步数20 至 30过高不一定更好徒增耗时CFG5 至 8太高容易过饱和太低细节不足尺寸横屏 1920x1080 或竖屏 1080x1920先按目标平台定画幅种子固定或逐次加 1同一分镜需要复现时使用种子是理解一致性的关键概念。同样的提示词、同样的底模、同样的参数配合同一个种子生成的构图和细节会接近换一个种子则会出现明显差异。批量出图时可以固定基础种子只小幅调整动作描述生成多个候选再挑选。5.3 批量出图与“场景词库”静帧制作通常按镜头批量进行。每个镜头生成 2 到 4 个候选挑选最符合分镜描述的一张再进入视频生成阶段。场景一致性和人物一致性同样重要。把每个场景的固定描述词整理成一个“场景词库”避免不同镜头里同一场景长得完全不像场景固定描述咖啡店内cozy cafe, wooden counter, warm light, shelves with cups夜晚街道night street, streetlight, wet asphalt, blue tone这一阶段最容易犯的两个错误是服装描述每次换说法导致角色衣服变了场景描述写得太简单导致每个镜头背景都不一样。用固定词库可以一次性规避这两个问题。6. 视频、配音与剪辑把静帧变成完整的镜头6.1 即梦AI 图生视频的操作要点视频生成阶段的核心工具是即梦AI 的图生视频能力上传一张静帧作为首帧输入动作描述平台会生成一段短视频。动作描述只写动态不写外观镜头缓慢推进主角抬头看向镜头发丝轻微飘动背景保持静止操作时注意几点单段时长控制在 3 至 5 秒太长容易产生形变。动作幅度不要过大一次只表达一个动作。长镜头先拆成短镜头分别生成再拼接。竖屏内容先出竖屏静帧再生成竖屏视频避免后期裁切损失画面。同一镜头可以先生成多条候选视频挑动作自然、角色变化小的一条使用。6.2 配音豆包语音合成的使用思路配音环节用豆包完成文字转语音。先把分镜表里的对白按行拆开逐句生成。对白较多时可以在文本中标注情绪[平静] 又加班啊 [无奈] 今晚不回去了。生成后逐条试听确认语气符合剧情。每条配音文件的命名要和镜头编号对应建议统一使用“集数_场次_镜头_版本”的规则S01E01_scene01_shot02_v1.png 静帧 S01E01_scene01_shot02_v1.mp4 视频片段 S01E01_scene01_shot02_v1_cn.mp3 配音如果豆包当前没有合适的音色也可以录制自己的声音或在合规前提下使用其他语音合成工具。关键是配音文件要能对回每个镜头否则剪辑阶段会花大量时间找声音。6.3 剪辑与字幕最后一道组装工序剪辑环节使用剪映、Premiere 或 Davinci 都可以。组装顺序推荐如下放入视频画面轨道按分镜顺序排列。放入对白音频对齐对应镜头。添加背景音乐音量压到对白之下。添加音效如脚步、开门、环境声。生成字幕自动识别后逐句校对。同步检查有一个简单标准对白时长不能明显超过画面时长。一个 3 秒的镜头配 5 秒的台词观众会明显感觉画面在等待。遇到这种情况要么缩短台词要么把镜头拆成两个在中间切一个反应镜头。导出参数按目标平台设置竖屏内容通常使用 1080x1920横屏内容使用 1920x1080帧率 30fps编码选择 H.264 兼容性最好。7. 常见问题排查从现象倒推原因7.1 人物面貌不一致现象同一个角色在不同镜头里脸型、发型、眼睛颜色发生变化。可能原因依次排查提示词里的角色描述不固定每次重新措辞。没有使用角色 LoRA或 LoRA 权重过低。不同分镜使用了不同底模。IP-Adapter 参考图没有接进工作流。处理方式把角色描述词固定为同一段文本确认所有分镜使用同一个底模在 ComfyUI 检查 LoRA 是否成功加载重新接上 IP-Adapter 并保证参考图为角色锚点图。预防手段是制作角色三视图把所有镜头都对齐到同一张锚点图。7.2 画面风格漂移现象有的镜头偏动画有的镜头偏写实整体画风不统一。原因通常是底模不一致、风格词不一致或采样参数不一致。检查时翻看每个分镜的出图记录确认底模、风格词、CFG 和步数是否相同。解决方式是把风格词和采样参数固化到工作流模板里不要在每个分镜中临时修改。风格词写进场景词库和场景描述一起复用。7.3 图生视频时角色变形现象视频里角色突然脸歪、手脚扭曲或动作幅度大得不像同一个人。这是图生视频的常见问题。首要原因是动作提示词幅度太大模型在补中间帧时无法维持角色结构其次是单段视频时长过长生成中期开始失控。处理建议把动作描述改成小幅运动比如只写“发丝飘动”“镜头推进”把单段时长缩短到 3 秒左右重新生成几条候选选择角色最稳定的一条。不要指望一个镜头完成复杂动作复杂动作拆成多个短镜头更可靠。7.4 ComfyUI 报错与显存不足常见的 ComfyUI 运行错误可以按这张表快速定位错误现象可能原因处理建议CUDA out of memory显存不足降低分辨率、减小批次、关闭后台占用显存的程序模型文件不存在文件放错目录检查 models 下各子目录路径找不到某个节点插件未安装或版本不匹配检查 custom_nodes更新或重装插件出图全黑VAE 缺失或配置错误加载对应 VAE或切换 VAE 类型使用整合包时插件更新尽量通过启动器完成不要手动覆盖目录否则容易出现依赖版本冲突。排查任何问题先看控制台报错信息报错的最后三行通常已经给出了定位线索。8. 制作清单与扩展方向8.1 制作前必做检查清单开工前把下面这些项目逐项确认能避免大部分返工[ ] 角色三视图锚点图已经生成并统一保存。[ ] 角色描述词已固定不在每个分镜中重新编写。[ ] 场景词库已建立每个场景有稳定描述。[ ] 分镜表包含景别、画面描述、对白、时长。[ ] 已确定目标平台的画幅、时长和字幕风格。[ ] 配音音色和情绪风格已确认。[ ] ComfyUI 工作流模板已保存底模和参数固定。8.2 出片阶段的效率技巧批量生产时效率来自复用把“底模加 LoRA 加 IP-Adapter 加采样器”的整体链路保存为工作流模板每次只改提示词。提示词模板按场景、动作、表情分类存储复制后替换关键字。文件命名统一使用“集数_场次_镜头_版本”方便一次性归档。先集中生成所有静帧再统一生成视频和配音最后剪辑避免频繁切换工具损耗注意力。8.3 合规、版权与下一步内容合规是长期做这个方向的前提。不要直接模仿真实演员的肖像也不要沿用他人原创的角色设计使用可商用素材和自绘角色发布前确认内容符合目标平台的规范。技术链路的下一步可以往三个方向扩展使用云端 GPU 批量出图和训练 LoRA把豆包、即梦AI 的能力通过平台开放接口接入自有流程把单集制作沉淀为标准流程支撑多集连载的批量生产。技术链路跑通之后决定作品上限的是内容设计。第一条片不要把目标定成“大量产片”先把两分钟左右的一集完整做出来把人物一致性和场景一致性工作流稳定下来再逐步提高产量。把每个环节的可复制模板和排查经验沉淀下来比追求单次效果更重要。