企业官网建设流程全解析

1. 先搞清楚“AI漫剧制作”到底需要什么，以及ComfyUI能帮你解决哪一步

如果你被“AI漫剧制作”这个听起来很酷的词吸引过来，想自己动手生成漫画分镜或动态视频，那第一步不是急着找教程，而是先拆解需求。很多人一上来就找“一键生成”的魔法，结果发现要么跑不通，要么效果和想象差太远。

“AI漫剧”目前的核心，通常是指用AI工具（主要是文生图、图生图模型）批量生成风格一致的漫画画面，再配上对话气泡和字幕，最终拼接成有叙事感的图片序列或简单视频。它不是一个单一软件能完成的，而是一个工作流程。

这就是ComfyUI的价值所在。它不是一个“漫剧制作软件”，而是一个可视化节点编程工具，主要用来调度和连接各种AI模型（比如Stable Diffusion）。你可以把它想象成一个乐高底板，上面每个节点都是一个功能模块（如加载模型、输入提示词、生成图片、放大修复、添加文字）。通过连线，你就能自定义整个图片生成流水线。

所以，这个教程的核心是两件事：

1. 学会使用ComfyUI：如何安装、理解基础节点、搭建一个能稳定出图的工作流。
2. 将ComfyUI应用于漫剧生产：如何设计提示词控制角色一致性，如何批量生成多张连贯画面，如何后期处理。

对于新手，最大的坑在于：网上很多炫酷的工作流直接导入就用不了，报错“缺少节点”是家常便饭。本教程会从零开始，让你不仅能搭起来，更能理解为什么这么搭，出问题时知道从哪查起。

2. 环境准备：避开整合包的“黑盒”，从可管理的安装开始

很多人推荐各种“一键整合包”，特别是“秋叶整合包”，对纯新手快速启动确实友好。但如果你打算长期使用或深入学习，我强烈建议先理解一下标准安装方式。整合包像一辆组装好的车，开起来快，但坏了你不知道是发动机还是轮胎的问题。自己安装虽然步骤多点，但你对每个部件在哪、有什么用一清二楚，排查问题效率更高。

这里给出两种路径，请根据自身情况选择：

2.1 方案A：使用秋叶一键整合包（适合追求效率、怕麻烦的初学者）

这是最快上手的方式，作者秋葉aaaki做了大量兼容性和预配置工作。

1. 获取整合包：在B站搜索“秋叶 ComfyUI 整合包”，通常能在作者动态或视频简介中找到网盘下载链接（如夸克网盘）。下载后解压到一个英文路径的文件夹，例如D:\ComfyUI。路径里千万不要有中文或空格。
2. 启动：进入解压后的文件夹，双击运行run_nvidia_gpu.bat（N卡用户）或run_cpu.bat（无N卡用户）。首次运行会下载一些必要的模型文件，需要保持网络通畅。
3. 访问：等待命令行窗口出现类似 “http://127.0.0.1:8188” 的提示后，打开浏览器输入这个地址，就能看到ComfyUI的Web界面。

注意：整合包更新较慢，可能不是最新版ComfyUI，且内置的插件和节点是固定的。后续安装新插件可能需要手动操作。

2.2 方案B：手动安装（适合开发者、需要精细控制或未来可能部署的用户）

这种方式让你完全掌控环境。

1. 安装Python：去Python官网下载3.10或3.11版本（Stable Diffusion生态对3.12+支持可能不佳），安装时务必勾选“Add Python to PATH”。
2. 安装Git：用于克隆仓库，从Git官网下载安装即可。
3. 获取ComfyUI源码：打开命令行（CMD或PowerShell），切换到你希望安装的目录，执行：

   git clone https://github.com/comfyanonymous/ComfyUI cd ComfyUI

4. 安装依赖：

   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 # CUDA 12.1版本，请根据你的显卡驱动选择对应版本 pip install -r requirements.txt

5. 准备基础模型：ComfyUI本身不带模型。你需要下载Stable Diffusion模型（如sd_xl_base_1.0.safetensors），将其放入ComfyUI\models\checkpoints目录。
6. 启动：在ComfyUI目录下运行：

   python main.py --port 8188

   同样，用浏览器访问http://127.0.0.1:8188。

为什么我更推荐新手也了解一下手动安装？因为90%的“工作流导入失败”问题，都源于缺失的节点（即插件）。手动安装的环境，让你能清楚地知道插件应该装到哪个custom_nodes文件夹里，依赖问题也更容易通过pip install解决。

3. ComfyUI核心界面与基础工作流拆解：理解节点如何“流动”

启动ComfyUI后，你会看到一个空旷的画布。别慌，它的逻辑非常直观：数据从左侧节点流向右侧节点。

• 画布：你搭建工作流的地方。右键点击可以添加节点。
• 节点：一个功能块，有输入和输出“插座”。
• 连线：连接一个节点的输出“插座”到另一个节点的输入“插座”，传递数据（如模型、图片、参数）。

让我们搭建一个最基础的文生图工作流，理解最小闭环：

1. 加载模型：右键 ->Loaders->Load Checkpoint。这个节点负责加载你放在checkpoints文件夹里的大模型。
2. 输入提示词：右键 ->Conditioning->CLIP Text Encode (Prompt)。需要两个，一个连接Load Checkpoint的CLIP输出，用于输入正面提示词；另一个同样连接，用于输入负面提示词。
3. 设置采样器：右键 ->Sampling->KSampler。这是核心调度器，它将模型、提示词、随机种子等参数组合起来生成图片。
   • 将Load Checkpoint的MODEL输出连接到KSampler的model。
   • 将正面CLIP Text Encode的CONDITIONING输出连接到KSampler的positive。
   • 将负面CLIP Text Encode的CONDITIONING输出连接到KSampler的negative。
4. 解码图片：右键 ->Latent->VAE Decode。采样器输出的是“潜空间”数据，需要VAE模型解码成像素图片。
   • 将KSampler的LATENT输出连接到VAE Decode的samples。
   • 将Load Checkpoint的VAE输出连接到VAE Decode的vae。（有些模型VAE内置，可不连）
5. 保存/显示图片：右键 ->Image->Save Image或Preview Image。
   • 将VAE Decode的IMAGE输出连接到Save Image的images。

现在，点击右侧的Queue Prompt按钮，你的第一张AI图片就应该开始生成了。这个流程是一切复杂工作流的基础。

关键参数理解（在KSampler节点上）：

• seed：随机种子。固定它，可以生成几乎相同的图片，对保持角色一致性至关重要。
• steps：采样步数。一般20-30步，越高细节可能越好，但速度越慢。
• cfg：提示词相关性。一般7-8，太高画面易过饱和，太低则不听提示词。
• sampler_name和scheduler：采样算法。新手可以用euler或dpmpp_2m，normal或karras。

4. 构建你的第一个AI漫剧工作流：从单张到批量，从随机到可控

有了基础，我们现在为目标服务：生成多张连贯的漫画画面。这需要解决三个问题：角色一致性、画面连贯性、批量生成。

4.1 实现角色一致性：LoRA与Embedding的运用

让同一个角色在不同画面中保持相同外貌，不能只靠提示词。常用方法是使用LoRA模型。

1. 获取角色LoRA：从C站（Civitai）等平台下载你想要的动漫风格角色LoRA模型（.safetensors文件），放入ComfyUI\models\loras目录。
2. 在工作流中加载LoRA：在Load Checkpoint节点之后，添加节点Loaders->Lora Loader。
   • 将Load Checkpoint的MODEL和CLIP输出分别连接到Lora Loader的model和clip。
   • 在Lora Loader节点上选择你下载的LoRA文件，并设置strength（强度，通常0.5-1.0）。
   • Lora Loader输出的MODEL和CLIP再提供给后面的KSampler和CLIP Text Encode。
3. 在提示词中触发LoRA：在正面提示词中，加入LoRA对应的触发词，通常是<lora:文件名:强度>格式，或者该LoRA页面上标注的特定触发词（如chara_xxx）。

更进阶的做法是使用Impact Pack插件中的FaceDetailer或UltimateSDUpscale等节点，在生成后对脸部进行专门的重绘修复，能极大提升面部一致性。

4.2 设计漫画分镜提示词

漫剧提示词需要描述场景、角色动作、表情、镜头角度和漫画风格。

• 基础结构：(masterpiece, best quality), 1girl, blue hair, school uniform, running in hallway, dynamic angle, from behind, panicked expression, speed lines, comic style, manga panel, speech bubble
• 分镜控制：通过提示词区分画面。例如：
  • 画面1：... close-up, surprised face, looking at smartphone
  • 画面2：... full body, standing up, determined look, background blur
  • 画面3：... two-shot, talking to another character, angry expression
• 风格化：加入comic book,manga drawing,screen tones,bold outlines等词汇强化漫画感。

4.3 实现批量生成与简单排版

ComfyUI本身可以通过KSampler的batch_size一次生成多张图，但每张图参数相同。对于漫剧，我们需要每张图有不同的提示词。

1. 使用“提示词队列”或“从列表加载”：安装Efficiency Nodes或WAS Node Suite等插件，它们提供“文本列表”节点。你可以将多个场景的提示词做成列表，配合Iterative或Batch节点，让工作流自动按顺序生成。
2. 一个简易批量工作流思路：
   • Load Checkpoint->Lora Loader（固定模型和角色）。
   • CLIP Text Encode连接一个Text List节点，里面按行写入多个正面提示词。
   • 使用Impact Pack的ImpactSimplePromptSchedule节点，按索引（对应第几个画面）选择不同的提示词送入KSampler。
   • 在KSampler前，用Primitive->Int节点生成一个递增的索引值（例如从0到9），并连接到ImpactSimplePromptSchedule的frame输入。同时，将这个索引值也连接到KSampler的seed（例如seed+索引），确保每张图种子不同但可控。
   • KSampler的batch_size设为1，但通过循环或迭代节点执行10次。
3. 输出与命名：使用Save Image节点时，可以将其filename_prefix参数与当前迭代的索引或提示词关联，实现自动命名，如scene_{index}。

4.4 添加对话框与字幕

这一步通常在ComfyUI外完成更高效，但也可以在流程内集成。

• 内部方案（复杂）：使用ComfyUI-Impact-Pack的Text节点生成文字图片，再用ImageComposite节点将文字图片叠加到生成的漫画图上。但这需要精确定位，对新手不友好。
• 外部方案（推荐）：将ComfyUI生成的所有漫画图保存后，使用专业的图像处理软件（如Photoshop、GIMP）或批量处理脚本（Python + PIL库）统一添加对话框和文字。这是目前最可靠、效果最好的方式。

5. 插件生态与高级工作流管理：解决“缺失节点”问题

当你从网上下载别人分享的酷炫工作流（.json或.png文件）时，直接拖入ComfyUI画布，十有八九会看到红色节点和“Missing Nodes”错误。这是常态，别慌。

5.1 如何安装缺失节点/插件

1. 识别缺失节点：ComfyUI会显示具体缺失的节点名，例如ImpactPack、WAS_Node_Suite、ComfyUI-Manager等。
2. 使用ComfyUI Manager（强烈推荐）：这是管理插件的神器。如果你用的整合包没有，可以手动安装：
   • 进入ComfyUI\custom_nodes目录。
   • 打开命令行，执行：git clone https://github.com/ltdrdata/ComfyUI-Manager.git
   • 重启ComfyUI，界面右上角会出现一个齿轮图标（管理器）。
3. 通过管理器安装：打开管理器，在“Install Nodes”标签页搜索缺失的节点名称，点击安装即可。管理器会自动处理克隆和依赖。
4. 手动安装：如果管理器里没有，或者安装失败，可以手动操作：
   • 在GitHub上搜索该节点项目（如ComfyUI-Impact-Pack）。
   • 在custom_nodes目录下git clone项目地址。
   • 查看该节点项目的README，通常需要额外运行pip install -r requirements.txt安装Python依赖。

5.2 必备插件推荐

• ComfyUI Manager：插件管理，必备。
• ComfyUI-Impact-Pack：功能极其强大的工具包，包含细节修复、人脸重绘、批量处理、提示词调度等无数实用节点，做漫剧几乎离不开它。
• WAS Node Suite (WAS_Extras)：另一套强大的扩展节点集，提供图像处理、文本操作、逻辑控制等功能。
• Efficiency Nodes：提升工作流效率，提供各种批量处理和逻辑节点。
• ComfyUI-Custom-Scripts：一些实用的小脚本集合。

安装插件后，务必重启ComfyUI才能生效。

6. 实战漫剧工作流搭建与调试心法

现在，让我们串联一个相对完整的、可用的漫剧生成工作流思路，并附上调试心法。

6.1 一个可运行的漫剧工作流结构

1. 模型加载区：Load Checkpoint->Lora Loader。确保你的基础模型和角色LoRA已就位。
2. 提示词与调度区：
   • 准备两个String节点（或文本列表），一个放固定不变的“画质、风格、通用角色描述”，另一个放按顺序变化的“场景动作描述”。
   • 使用ImpactSimplePromptSchedule或CR Prompt Schedule节点，将固定部分和变化部分组合，并按帧索引切换。
   • 负面提示词可以单独一个CLIP Text Encode，通常不变。
3. 采样与生成区：
   • KSampler接收模型、组合后的提示词。
   • 关键：将“帧索引”连接到seed，可以用Add节点实现基础种子 + 帧索引，保证每帧不同但可复现。
   • 将“帧索引”连接到调度节点，控制提示词切换。
4. 后期处理区：
   • VAE Decode后，可以连接FaceDetailer（来自Impact Pack）对生成图的人脸进行高清重绘，提升一致性。
   • 然后连接Save Image，在文件名中加入{index}或{prompt}变量以便区分。
5. 循环控制区（核心）：
   • 使用ImpactPack的ImpactIterate节点或Efficiency Nodes的Iterative节点。
   • 设置一个循环次数（如10，代表10张漫画格）。
   • 将“帧索引”作为循环变量，每次迭代+1，并反馈给提示词调度和种子生成。
   • 将采样生成和保存的整个链条放在循环体内。

6.2 调试心法：从“跑不通”到“跑得稳”

1. 先跑通单张：在搭建复杂循环前，先用固定参数（固定提示词、固定种子）跑通一张图。确保模型、LoRA、VAE、采样器这些基础环节没问题。
2. 再测试切换：手动改变提示词和种子，生成两张不同的图，验证提示词调度和种子生成逻辑是否有效。
3. 最后加循环：引入循环节点，但先把循环次数设为2或3，快速验证整个链条能否按顺序执行多次而不报错。
4. 关注资源占用：批量生成时，显存占用会累积。如果遇到CUDA out of memory错误，需要：
   • 减少batch_size（始终设为1对漫剧更安全）。
   • 降低生成分辨率（如从1024x1024降到768x768）。
   • 使用TAESD等轻量VAE解码器。
   • 启用--lowvram或--medvram命令行参数启动ComfyUI。
5. 日志是朋友：密切关注ComfyUI启动的命令行窗口。任何红色错误信息都会在这里首先显示，比网页界面更详细。
6. 保存你的工作流：每完成一个可用的阶段，就通过ComfyUI的Save按钮保存工作流（.json）。这是你的备份，也是分享的基础。

7. 超越ComfyUI：完整AI漫剧生产流程与工具链

ComfyUI解决了核心的“画面生成”问题，但一个完整的漫剧还包括脚本、分镜、对话、排版、合成甚至简单动画。

• 前期：使用ChatGPT、Claude等LLM辅助生成故事脚本和分镜描述。
• 中期：ComfyUI负责按分镜描述批量生成画面。可以配合ControlNet（如OpenPose、Canny）更精确地控制人物姿势和构图。
• 后期：
  • 图像编辑：Photoshop/GIMP/Krita 手动精修、添加对话框、气泡、拟声词。
  • 批量处理：用Python+PIL/Pillow库编写脚本，自动为所有图片添加统一风格的边框和文字。
  • 视频合成：将最终图片序列导入剪映、Premiere、DaVinci Resolve等视频软件，添加转场、配音、背景音乐，生成动态漫剧视频。
• 项目管理：为每个漫剧项目建立独立的文件夹，清晰存放脚本、提示词列表、原始生成图、精修图、最终成品，方便管理和迭代。

最终建议：不要试图在ComfyUI一个工具里解决所有问题。把它看作你生产线上的核心发动机，用其他更专业的工具处理它们擅长的事情（如文字、排版、剪辑）。这样你的工作流会更健壮，效率也更高。

开始你的第一个漫剧项目时，目标不要定成“做出10分钟动画”，而是“用5张图讲清楚一个30秒的小情景”。先完成最小闭环，享受从零到一的创造乐趣，再逐步增加复杂度和精度。