跳到正文
阿里雲開發者社區 AI·· 9 天前AI 評分56

用 8G 顯示卡本地製作 AI 漫劇:由劇本到成片的新手教程

8G 显卡本地做 AI 漫剧保姆教程,从写剧本到导出成片,新手也能上手

AI 導讀

文章提供一套以普通 8G 顯存筆記本和 ComfyUI 本地製作 AI 漫劇的入門流程,涵蓋由分鏡劇本、固定角色人設到影片輸出。流程包括以 IPAdapter + FaceID 固定角色形象、批量生成分鏡圖、用 Wan2.2 5B FP8 製作微動態,再配音、加字幕及剪輯。文中亦列出 8G 顯存優化建議及影片參數,包括 16 幀、720×1280、CFG=6 和採樣步數 20。

正文

2026-11-12 19

版权

版权声明:

本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写 侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

简介: 本文手把手教你用普通8G显存笔记本+ComfyUI,零基础制作AI漫剧:聚焦角色一致、画风统一、流程极简,涵盖分镜剧本、人设锁定、静态绘图、微动态生成、配音剪辑全流程,附8G显存专属优化技巧与免费资源链接。(239字)

很多人想做 AI 漫剧,但是一看到复杂的工作流、一大堆模型、各种专业术语就直接放弃。其实 AI 漫剧没有想象中那么复杂,只要理顺流程,一台普通 8G 显存笔记本,搭配 ComfyUI,就能稳定产出适合短视频平台发布的漫剧短片,不管是做兴趣创作,还是批量做短剧内容都能用。本文不讲复杂的分层架构、Agent 调度,就走最朴素、落地性最强的制作路线,一步步带你走完完整流程。

具体教程资源模型请看这一篇文章:单 8G 显卡离线跑通 AI 漫剧长剧集,自动换场景不崩人设,全链路 Agent 无人值守渲染方案-CSDN博客

一、先搞懂 AI 漫剧的基础逻辑

AI 漫剧和普通 AI 视频不一样,它的核心不是追求夸张炫酷的特效,而是角色不崩脸、画风统一、剧情连贯。 标准流程一句话概括:AI 写分镜剧本 → 固定角色人设图 → 批量生成漫画分镜图 → 图生视频做微动态 → AI 配音、字幕、剪辑拼接,导出成片。 新手最容易踩的坑,就是直接一句话生成长视频,这种方式十有八九会出现人物变脸、画风跳变、肢体穿帮,后期很难修改。稳妥的做法是拆成短镜头,单个镜头控制在 3~8 秒,短片段更容易控制角色一致性,出问题也只需要重拍这一个镜头,不用全部重来。

二、需要准备的工具和模型(适配 8G 显存)

整套工具全部本地部署,不用一直依赖云端 API,降低成本。

  1. ComfyUI(秋叶整合包优先):整个流程的核心,节点式操作,方便导入漫剧工作流,显存优化选项多,8G 显卡友好。
  2. 绘图模型:FLUX 二次元、Anything、MeinaMix,适合漫剧插画风格,优先 FP8 量化版本,占用显存更低。
  3. 视频模型:Wan2.2 5B FP8,图生视频稳定性强,漫剧微动态首选,尽量不要跑长帧。
  4. 一致性节点:IPAdapter + FaceID,这是解决角色变脸的核心,也是漫剧必备节点。
  5. 配套工具:本地 TTS 配音工具、FFmpeg、剪映免费版(后期剪辑,自动字幕)
  6. 辅助大模型:本地 Qwen、DeepSeek,用来拆分剧本、写分镜提示词,不用反复复制粘贴。

8G 显卡重要提醒:不要同时加载多个大模型,生成图片的时候关闭视频模型,生成视频的时候再加载视频模型;开启梯度检查点、VAE 分块,模型层自动 offload 到内存,减少爆显存报错。

三、第一步:写分镜剧本,搭好故事框架

剧本是漫剧的根基,很多新手直接上来画图,最后镜头混乱、剧情脱节。我们可以直接给大模型固定提示词,一键生成标准化分镜,之后人工微调。

给大家一个可以直接复制的剧本提示词模板:

你是短剧编剧,写一集9:16竖屏AI漫剧分镜,题材选都市逆袭,总时长90秒,一共12个镜头。
输出格式:镜号|景别|画面描述|台词|运镜提示
要求:开头3秒制造冲突,结尾留悬念,角色只有男主、女主,画风国漫写实,镜头不要大幅度晃动,动作简单,适合AI生成。

image.gif

拿到 AI 输出的分镜之后,重点检查这几点:

  1. 每个镜头动作不能太复杂,尽量是转头、抬手、眼神变化这类微动作;
  2. 台词不要太长,一句台词控制在 15 个字以内;
  3. 区分远景、中景、特写,不要全是人物大脸特写,镜头没有节奏感。

四、第二步:锁定角色人设,提前做角色资产

这一步是漫剧成败关键,先把角色定妆照做好,后面所有镜头都参考这张图,大幅度降低变脸概率。

  1. 先写角色提示词,生成一张正面标准定妆照,包含五官、发型、服装、气质; 示例正向提示词:国漫男生,黑色短发,锐利眼神,黑色休闲外套,干净侧脸,柔和自然光,漫画上色,高清,9:16 竖版 反向提示词:畸形五官,多手指,扭曲,水印,文字,变形,画风杂乱
  2. 用 IPAdapter 加载这张定妆图,同时开启 FaceID,锁定面部特征;
  3. 如果角色有换装场景,可以单独生成另一套衣服的参考图,作为这个场景的专属参考资产,做到换衣服不换脸。

角色资产建议单独建文件夹存放,命名清晰,比如男主_日常装.png、女主_连衣裙.png,后续多集连载可以反复复用,不用每次重新画人设。

五、第三步:批量生成分镜静态画面

剧本和角色资产准备好之后,就可以把分镜里的画面描述,搭配角色参考图,丢进 ComfyUI 绘图工作流批量出图。 推荐工作流节点顺序:加载模型 → IPAdapter 加载角色参考图 → 正向 / 反向提示词输入 → 分辨率设置 720×1280(9:16 竖屏)→ 采样器 → 输出图片。 批量生成小技巧:

  • 一次不要一次性跑十几个镜头,8G 显卡建议 2~3 张一组生成,防止显存溢出;
  • 同一个角色的镜头,固定种子或者固定参考图,保证画风统一;
  • 每一张图出来之后快速预览,一旦五官崩坏,直接修改提示词重生成,不要留到视频环节。

六、第四步:静态图转动态视频(漫剧动态环节)

静态漫画图只是画面,想要变成漫剧,就要用图生视频模型增加动态。漫剧不适合大动作,优先做微动态:缓慢推镜、眨眼、发丝飘动、轻微转头,动态强度不要拉太高。 Wan2.2 图生视频提示词示例:

正向:国漫画面,镜头缓慢向前推进,男生微微抬眼,发丝轻微飘动,光影不变,画面流畅,24fps
反向:画面剧烈抖动,人物五官变形,肢体崩坏,闪烁,扭曲,水印

image.gif

参数参考(适配 8G 显卡): 帧数:16 帧,分辨率 720×1280,CFG=6,采样步数 20 生成之后,单独导出 mp4 片段,按照镜号命名,比如shot01.mp4、shot02.mp4。

这里给一个 FFmpeg 简易压缩指令,生成的视频体积太大可以一键压缩:

ffmpeg -i shot01.mp4 -c:v libx264 -crf 24 -preset fast shot01_out.mp4

image.gif

七、第五步:配音、字幕、剪辑合成成片

所有镜头视频片段全部生成完毕,就进入后期环节,这一步新手用剪映就足够,门槛最低。 操作顺序:

  1. 把所有视频片段按剧本顺序导入时间线;
  2. 导入台词,用 AI 配音,给男女角色分配不同音色,调整语速;
  3. 对齐音频和画面,台词和人物镜头匹配;
  4. 一键自动字幕,手动修改错别字,调整字幕位置;
  5. 添加适合题材的 BGM,音量低于人声,不要盖过台词;
  6. 镜头之间加 0.2 秒淡入淡出转场,避免切换生硬;
  7. 导出:1080P,25fps,H.264 编码,直接上传短视频平台。

如果想要更精细的本地配音,也可以用 CosyVoice 本地 TTS,离线生成音频,再导入剪辑软件。

八、新手高频问题和 8G 显存专属优化方案

  1. 经常爆显存 OOM 解决:关闭后台其他软件;视频模型只用 FP8 量化版本;不要同时绘图 + 跑视频;设置PYTORCH_CUDA_ALLOC_CONF,限制显存分片大小。 bat 启动参数示例:
set PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:256

image.gif

  1. 角色每一张图都变脸 解决:必须开 IPAdapter+FaceID,每一个镜头都加载同一张定妆参考图;不要频繁更换绘图模型;提示词里固定画风描述。
  2. 视频画面疯狂闪烁 解决:降低动态强度,减少镜头运动幅度;优先用首尾关键帧模式,不要纯文字驱动视频;采样步数不要太低。
  3. 生成速度很慢 解决:图片批量分组生成;视频单镜头控制在短帧;优先用本地模型,不要云端大模型混跑。

九、简单的量产小技巧

如果打算长期做漫剧连载,可以建立自己的提示词库、角色资产库,同一个题材的世界观、角色可以反复复用,不用每一集从零开始搭建。 每一集做完之后,把剧本、分镜图、视频片段打包归档,后面做同系列续集的时候,直接调用角色资产,节省大量时间。

十、写在最后

AI 漫剧本质是分工制作,AI 负责画图、生成动态,人负责把控剧情、人设、镜头节奏。不要指望工具一键直接出完美成片,人工微调、校验镜头,才是成片好看的关键。这套流程不需要昂贵显卡,8G 显存笔记本就能跑通,适合新手入门练习,熟练之后,再去尝试更复杂的自动化工作流、上层调度工具。

來源:阿里雲開發者社區 AI · developer.aliyun.com