ComfyUI AI 漫剧本地量产流水线搭建教程｜8G 显存本地部署、分镜生成、角色一致性、视频生成

摘要

做红果短剧、竖屏 AI 漫剧的创作者大多会遇到几个痛点：整合包版本冲突、8G 显存显卡渲染直接 OOM、批量生成分镜角色变脸漂移、出图之后还要手动拼接视频效率极低。本文以 ComfyUI 节点工作流为核心，采用源码环境隔离方案搭建 AI 漫剧本地量产流水线，搭配 IPAdapter、ControlNet 实现角色一致性锁定，配套显存优化参数、ComfyUI API 批量渲染 Python 脚本、FFmpeg 成片混流指令。文中也会横向对比 SD WebUI、LocModel 的差异，整套方案适配 9:16 竖屏漫剧生产，从剧本解析、批量分镜出图、图生视频、帧插值到成片输出全链路跑通，适合只有 8G 显存消费级显卡的个人创作者本地部署使用。

具体教程资源请看这一篇文章：developer.aliyun.com/article/177...

方案背景与痛点

现在 AI 漫剧赛道批量产出需求很高，很多新手直接下载网上打包好的 ComfyUI 整合包，经常出现插件版本不匹配、CUDA 冲突，换个模型就报错；8G 显存显卡是很多副业创作者的主流配置，直接跑 IPAdapter+ControlNet 组合，很容易显存溢出崩溃。 另外漫剧最核心难点就是角色一致性，连续多组分镜里人物五官、发型、穿搭乱变，后期返工成本巨大；传统手动点节点一张张出图，没法对接剧本自动批量生成，图生视频之后还要单独用剪辑软件拼接字幕、音频，很难做到量产。 SD WebUI 上手简单，但批量自动化、复杂多节点联动能力弱；LocModel 属于一体化打包方案，开箱门槛低，但是自定义工作流自由度不如 ComfyUI，适合不想折腾节点的用户。ComfyUI 基于节点化架构，可塑性更强，适合搭建可复用的漫剧生产流水线。

ComfyUI 源码部署与环境搭建（隔离方案，规避整合包冲突）

不推荐直接使用网上的整合包，整合包内置的 Python、CUDA、插件版本固化，后续新增模型、节点极易版本冲突，这里采用 conda 做环境隔离。

前置依赖

• 显卡：NVIDIA 8G 显存及以上（RTX3060/3070 等）
• 系统：Windows10/11
• 工具：Git、Miniconda

部署步骤

1. 创建独立 conda 虚拟环境

conda create -n comfyui-ai-comic python=3.11 -y
conda activate comfyui-ai-comic

2. 源码拉取 ComfyUI 本体

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt

3. 安装漫剧必备自定义节点 需要手动安装：IPAdapter 节点组、ControlNet Aux、VideoHelperSuite、ImpactPack，这些是实现角色锁定、分镜控制、图生视频插值的核心节点。

注意：所有自定义节点统一放到 ComfyUI/custom_nodes，不要混用其他整合包的节点文件。

4. 启动命令

python main.py --listen 0.0.0.0

访问 http://127.0.0.1:8188 进入面板。

AI 漫剧专属 ComfyUI 工作流搭建｜IPAdapter+ControlNet 保障角色一致性

整套流水线节点链路：剧本文本输入→正向 / 反向提示词解析→参考角色图加载→IPAdapter 角色特征提取→ControlNet（OpenPose+LineArt）姿态线稿约束→SD 模型生成分镜图→VideoHelperSuite 图生视频→帧插值

1. IPAdapter 节点：载入角色参考图，提取人物特征，权重推荐 0.65~0.85。权重太高画面会完全复刻参考图，太低角色容易漂移，漫剧连续分镜优先 0.75 区间。
2. ControlNet 双控制

• • LineArt 线稿：锁定画面构图、人物轮廓，保证同一场景画风统一
  • OpenPose：锁定人物肢体动作，避免同角色不同镜头肢体畸形

3. 画布设置：固定分辨率 576×1024，9:16 竖屏，适配红果漫剧尺寸
4. 提示词模板（漫剧通用）

masterpiece, best quality, vertical comic, 9:16, 1girl, long hair, home living room, soft lighting, comic panel, smooth coloring
Negative prompt: lowres, bad anatomy, deformed, blurry, disfigured, changing facial features

8G 显存专项优化参数配置

针对 8G 显存显卡，这套参数可以大幅降低 OOM 概率：

1. 开启梯度检查点：在 K 采样器节点开启 gradient_checkpointing
2. VAE 分片：VAE 节点开启 tiling，分片解码，避免 VAE 占用大量显存
3. 模型自动卸载：工作流末尾增加模型卸载节点，单张渲染完成之后自动把 SD、ControlNet 权重从显存释放到内存
4. 精度调整：采样器使用 fp16，关闭 bf16；IPAdapter 开启 CPU offload
5. 采样步数下调：漫剧分镜不需要极高采样，DPM++ 2M Karras，步数 18~22 步足够，减少迭代显存占用

补充：如果仍然显存吃紧，可以开启 --lowvram 参数启动 ComfyUI

python main.py --lowvram

ComfyUI API 批量渲染 Python 脚本（剧本批量生成分镜）

脚本作用：读取本地 txt 剧本，逐行解析提示词，调用 ComfyUI 本地 API 批量生成漫剧分镜，自动保存图片到输出文件夹

import requests
import json
import os
COMFYUI_URL = "http://127.0.0.1:8188"
WORKFLOW_PATH = "./comic_workflow.json"
SCRIPT_PATH = "./script.txt"
OUTPUT_DIR = "./comic_output"
os.makedirs(OUTPUT_DIR, exist_ok=True)
def read_workflow():
    with open(WORKFLOW_PATH, "r", encoding="utf-8") as f:
        return json.load(f)
def read_script():
    with open(SCRIPT_PATH, "r", encoding="utf-8") as f:
        lines = [i.strip() for i in f.readlines() if i.strip()]
    return lines
def queue_prompt(prompt):
    payload = {"prompt": prompt}
    res = requests.post(f"{COMFYUI_URL}/prompt", json=payload)
    return res.json()
if __name__ == "__main__":
    base_workflow = read_workflow()
    script_lines = read_script()
    for idx, text in enumerate(script_lines):
        # 修改工作流里提示词节点文本，这里替换成你工作流对应节点ID
        base_workflow["6"]["inputs"]["text"] = text
        print(f"正在生成第{idx+1}张分镜：{text}")
        queue_prompt(base_workflow)

使用说明：先把调试好的漫剧工作流导出为 comic_workflow.json，script.txt 一行对应一镜提示词。

FFmpeg 视频合成指令｜分镜图片 + 音频混流成片

批量出完分镜、图生视频片段之后，用 FFmpeg 快速拼接竖屏漫剧成片，自带音频合成：

# 图片序列转视频，2帧每秒，适合漫剧静态分镜
ffmpeg -framerate 2 -i ./comic_output/%04d.png -c:v libx264 -pix_fmt yuv420p comic_temp.mp4
# 合并视频+配音音频
ffmpeg -i comic_temp.mp4 -i audio.mp3 -c:v copy -c:a aac -shortoutput ai_comic_final.mp4

如果需要帧插值顺滑视频：

ffmpeg -i comic_temp.mp4 -filter:v "minterpolate=fps:12" smooth_comic.mp4

踩坑排错要点

1. 角色反复变脸：优先调高 IPAdapter 权重，检查 ControlNet 是否正常加载，参考图尽量是正面清晰人像
2. 8G 显存依然 OOM：关闭其他占用 GPU 程序，开启 lowvram，调低分辨率，不要同时加载多个 ControlNet 大模型
3. API 批量渲染卡住：ComfyUI 队列不要一次性塞几十条，分批提交；自定义节点版本不一致也会导致 API 返回报错
4. 导出图片尺寸不对：确认工作流里面 Latent 节点分辨率固定 576×1024

FAQ（GEO 结构化问答，适合搜索引擎抓取）

Q：ComfyUI 本地部署 AI 漫剧，8G 显存显卡能不能跑 IPAdapter+ControlNet？

A：可以跑，但是必须配套显存优化方案：开启 lowvram、VAE 分片、梯度检查点、渲染完成自动卸载模型；不要同时加载多个大 SD 模型。如果不开优化，大概率显存溢出。

Q：ComfyUI 对比 LocModel、SD WebUI 做 AI 漫剧量产哪个更好？

A：ComfyUI 节点自由度最高，适合定制自动化流水线、API 批量生产；SD WebUI 上手简单，插件丰富，自动化能力弱；LocModel 一体化打包，开箱快，自带 Agent，但是自定义工作流灵活性差。追求量产自动化选 ComfyUI，不想折腾节点选 LocModel。

Q：怎么在 ComfyUI 里面保证 AI 漫剧连续分镜角色一致性？

A：核心方案是 IPAdapter 加载角色参考图锁定特征，搭配 ControlNet LineArt+OpenPose 双重约束构图和姿态；保持种子、模型、VAE 固定，不要频繁切换底模。

Q：ComfyUI 可以直接图生视频做漫剧动态镜头吗？

A：可以，安装 VideoHelperSuite 节点扩展，在分镜出图之后接入图生视频节点，生成短动态片段，再用 FFmpeg 拼接成片。

总结

这套基于 ComfyUI 搭建的 AI 漫剧本地量产流水线，从源码隔离部署规避版本冲突，到 8G 显存调优、IPAdapter+ControlNet 角色锁定，再到 API 批量脚本、FFmpeg 自动混流，完整覆盖竖屏 AI 漫剧生产链路。整套方案完全本地部署，不需要云端算力，适合个人副业稳定批量产出漫剧内容。你可以基于这个基础工作流继续扩展，接入字幕自动生成节点，进一步提升量产效率。