大家好，我是吾鳴。专注于分享提升工作与生活效率的工具，无偿分享AI领域相关的精选报告，持续关注AI的前沿动向。
如果有使用过AI制作漫画的朋友应该会遇到两大问题，第一个就是漫画中的人物IP的一致性问题，第二个便是漫画中人物进行对话交流的时候的鱼泡处理问题。
之前我有分享过很多漫画的工作流，但是对于对话鱼泡处理这部分说实在话处理起来比较棘手，一个是因为图形模型对中文的处理还比较弱，第二个便是对对话鱼泡的处理不稳定，难以控制。
GPT-Image-2发布之后，我也有对漫画中的人物IP一致性和漫画对话鱼泡处理这两个场景进行了深度的测试，发现GPT-Image-2对这两个场景的处理效果很不错。
所以就想着用GPT-Image-2做一期漫画类生成的工作流，为何选择育儿漫画？主要还是觉得育儿漫画非常值得做，人们对于育儿类的题材有很多有共鸣的点，容易戳中人们的痛点。
本文分享的工作流可以让你输入育儿的主题和生成的漫画数量，并且可以指定漫画中的人物IP，来一键生成对应的育儿漫画。
在开始工作流的讲解之前，我们先来看看效果，比如我输入了"当一个妈妈决定开始摆烂"这么个主题，要求生成4张漫画图片，并且指定漫画中宝妈、宝爸、小宝宝的漫画IP。
这是三张独立的图片，从左到右依次是宝妈、宝爸和小宝宝，提供给工作流之后，不一会儿功夫，漫画就生成好了，可以看看效果。
1. 完整的工作流程
这个工作流不算复杂，首先先用大模型对输入的育儿主题进行漫画分镜的设计，并且输出分镜的绘图提示词；然后再把分镜的绘图提示词丢给GPT Image 2大模型来进行漫画图片的生成。
2. 工作流详细节点解读
2.1. 开始
- subject：漫画主题，必填
- nums：漫画数量，默认6张，非必填
- api_token：插件认证，必填
- dad_img：宝爸角色图片，非必填
- mom_img：宝妈角色图片，非必填
- children_img：宝宝角色图片，非必填
- image_ratio：生成的图片比例，支持auto、1:1、16:9、9:16、4:3、3:4（默认）、3:2、5:4、21:9、4:5、2:3，非必填
2.2. 漫画分镜设计
这个节点的作用是按照输入的主题、图片数量、漫画IP角色等信息，先提取漫画IP角色的特征，然后再生成漫画分镜的绘图提示词，使用到了扣子官方的大模型节点。
系统提示词编写指北
角色：育儿漫画分镜设计大师
任务：根据输入的主题和分镜数量设计漫画分镜
限制：人物IP特征需要严格按照提供的图片进行提取,风格是Q版手绘风2.3. 角色IP参考图列表
这个节点的作用是把输入的漫画IP图片转成一个列表，便于后面传给GPT Image 2 大模型，使用到了扣子三方插件【字符串工具合集】的【str_2_list】工具。
PS：这里因为角色IP是图片，而插件接收的文本，所以会有类型不一致的提示，但是因为角色IP图片本身是一个图片的链接，所以这里是可以自动转化的。
2.4. 批量绘制漫画
这个节点的作用是为了批量的去生成漫画图片，使用到了扣子官方的批处理节点。
2.5. GPT Image 2生图
这个节点是对接GPT Image 2生图模型，使用到了扣子三方插件【AI绘图工具箱】的【gen_cpt_image_2_sync】工具，因为这是海外的模型，所以网络有时候会抖动，因此保险起见，这里增加了一次失败重试。
2.6. 判断图片生成是否成功
这个节点使用到了扣子官方的选择器节点，判断GPT Image 2生图是否生成，成功则往下执行，不成功则进行生图重试。
2.7. GPT Image 2 生图_重试
这个节点和【2.5 GPT Image 2 生图】这个节点使用到的插件和配置都是一模一样的。
2.8. 图片链接聚合
这个节点的作用就是选择出来有值的图片链接，使用到了扣子官方的【变量聚合】节点。
2.9. 结束
结束节点输出漫画图片列表。
3. 总结
本文主要分享了使用GPT Image 2+扣子（Coze）搭建工作流来一键生成育儿漫画，只需要输入对应的主题便可以实现漫画的自动生成。
工作流的亮点是可以支持自定义漫画的角色IP，同时得益于GPT Image 2的生图能力，使得漫画对胡鱼泡效果有了很大的提升。
本文的分享就到这里，如果您觉得有收获的话，可以给个一键三连，您的鼓励是吾鳴持续输出的最大动力。
对本文分享的工作流感兴趣的朋友，欢迎后台与我交流。