ComfyUI工作流详解：AI漫剧专业级画面生成方案

一、ComfyUI简介与优势

什么是ComfyUI

ComfyUI是一个开源的、基于节点的Stable Diffusion图形界面。与传统的WebUI（如Automatic1111）不同，ComfyUI采用节点式的工作方式，用户通过连接不同的功能节点来构建图像生成流程。

对于AI漫剧创作者来说，ComfyUI的核心价值在于：

ComfyUI vs 其他AI绘画工具

[!IMPORTANT] ComfyUI需要一定的技术基础和硬件投入。如果你是完全没有技术背景的新手，建议先使用即梦AI等在线工具入门，等熟悉了AI绘画的基本概念后再转向ComfyUI。ComfyUI的学习曲线虽然陡峭，但一旦掌握，其生产效率和画面控制能力远超在线工具。

二、安装与配置

硬件要求

ComfyUI需要本地运行AI模型，对硬件有一定要求：

[!WARNING] ComfyUI不支持AMD显卡和Apple Silicon（M系列芯片）的GPU加速。如果你使用的是Mac，可以考虑使用Draw Things等替代工具。如果你使用的是AMD显卡，可以考虑使用DirectML版本，但性能和兼容性不如NVIDIA版本。

安装步骤

方法一：官方安装包（推荐新手）

1. 前往ComfyUI官方GitHub页面下载最新版本
2. 解压到目标目录
3. 运行启动脚本：
   • Windows：双击 run_nvidia_gpu.bat
   • macOS：运行 run_macos.sh
4. 等待启动完成，浏览器打开 http://127.0.0.1:8188

方法二：ComfyUI Desktop（最简单）

1. 前往ComfyUI官网下载Desktop版本
2. 安装并启动
3. Desktop版本集成了Python环境和模型管理，开箱即用

方法三：手动安装（适合高级用户）

# 1. 克隆仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 2. 创建Python虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/Mac
venv\Scripts\activate     # Windows

# 3. 安装依赖
pip install -r requirements.txt

# 4. 启动
python main.py

必装模型

安装ComfyUI后，需要下载基础模型才能开始使用：

[!TIP] | 节点名称 | 功能 | 必需程度 | |---------|------|---------| | Load Checkpoint | 加载基础大模型 | 必需 | | CLIP Text Encode | 将提示词编码为模型可理解的格式 | 必需 | | KSampler | 核心采样器，控制生成过程 | 必需 | | VAE Decode | 将潜空间数据解码为可见图像 | 必需 | | Save Image | 保存生成的图像 | 必需 | | Load Image | 加载参考图像 | 常用 | | VAE Encode | 将图像编码为潜空间数据 | 常用 | | ControlNet Apply | 应用ControlNet控制 | 常用 | | IP-Adapter Apply | 应用IP-Adapter角色参考 | 常用 | | Lora Loader | 加载LoRA模型 | 常用 | | Preview Image | 预览中间结果 | 调试用 |

最简工作流搭建

一个最基础的ComfyUI工作流由以下节点组成：

Load Checkpoint → CLIP Text Encode (Positive) → KSampler → VAE Decode → Save Image
                → CLIP Text Encode (Negative) ↗
                → Empty Latent Image ↗

操作步骤：

1. 拖入 Load Checkpoint 节点，选择一个基础模型
2. 从 Load Checkpoint 拖出连接线到两个 CLIP Text Encode 节点
3. 一个 CLIP Text Encode 输入正面提示词，另一个输入负面提示词
4. 添加 Empty Latent Image 节点，设置生成尺寸（如1024x1024）
5. 将正面提示词、负面提示词和潜空间图像连接到 KSampler
6. 从 KSampler 连接到 VAE Decode
7. 从 VAE Decode 连接到 Save Image
8. 点击 Queue Prompt 运行工作流

[!TIP] | 节点 | 推荐设置 | 说明 | |------|---------|------| | KSampler | sampler_name: dpmpp_2m, scheduler: karras | 画质和速度的最佳平衡 | | KSampler | steps: 20-30 | 步数越多画质越好，但速度越慢 | | KSampler | cfg: 7-8 | 控制提示词的遵循程度 | | Empty Latent Image | width/height: 1024x1024 (SDXL) | SDXL推荐1024x1024 | | Empty Latent Image | batch_size: 4-8 | 批量生成，提升效率 |

四、角色一致性工作流搭建

角色一致性的挑战

在AI漫剧创作中，角色一致性是最核心的技术挑战。同一角色在不同镜头、不同表情、不同角度下都需要保持外观一致。ComfyUI通过以下技术方案解决这个问题：

方案一：IP-Adapter角色一致性（推荐入门）

IP-Adapter是最容易上手且效果优秀的角色一致性方案。

所需节点：

• Load Checkpoint
• CLIP Text Encode (x2)
• Load Image（加载角色参考图）
• IP-Adapter Apply
• KSampler
• VAE Decode
• Save Image

工作流连接：

Load Checkpoint → CLIP Text Encode (Positive) → IP-Adapter Apply → KSampler → VAE Decode → Save Image
                → CLIP Text Encode (Negative) ↗              ↗
                → Load Image (角色参考图) ────────────────↗
                → Empty Latent Image ────────────────────↗

关键参数设置：

方案二：LoRA角色一致性（推荐进阶）

LoRA（Low-Rank Adaptation）是一种模型微调技术，通过训练一个小的附加模型来让基础大模型学会生成特定角色。

LoRA训练流程：

1. 收集角色的参考图（15-30张，越多越好）
2. 使用Kohya_ss等工具训练LoRA模型
3. 将训练好的LoRA模型放入ComfyUI的loras目录
4. 在工作流中使用Lora Loader节点加载

LoRA工作流节点：

Load Checkpoint → Lora Loader → CLIP Text Encode → KSampler → VAE Decode → Save Image
                                    ↗
                              Empty Latent Image

LoRA训练参数建议：

[!IMPORTANT] LoRA训练需要一定的技术基础和GPU资源。训练一个LoRA模型通常需要1-2小时（RTX 4060）。如果你不想自己训练，可以在Civitai等平台寻找现成的角色LoRA模型，或者使用IP-Adapter方案作为替代。

方案三：组合方案（推荐专业）

将LoRA、IP-Adapter和ControlNet组合使用，可以实现最强的角色一致性：

Load Checkpoint → Lora Loader → CLIP Text Encode → KSampler → VAE Decode → Save Image
                                       ↗                ↗
                                 IP-Adapter Apply   ControlNet Apply
                                       ↗                ↗
                                 Load Image (参考)   Load Image (姿势)

组合方案的优势：

• LoRA保证角色的基础外观一致
• IP-Adapter提供额外的参考图引导
• ControlNet控制角色的姿势和构图
• 三者协同工作，一致性效果最佳

五、批量生成工作流

为什么需要批量生成

AI漫剧每集通常需要15-30个分镜画面。如果逐个生成，效率极低。ComfyUI的批量生成能力可以一次生成多个画面，大幅提升效率。

批量生成方法一：Batch Size

最简单的批量生成方法是在 Empty Latent Image 节点中设置 batch_size：

批量生成方法二：提示词列表

使用 Primitive 节点或自定义节点，可以传入多个不同的提示词，每个提示词生成一张不同的画面：

所需额外节点：

• Text List 或 Prompt Multiple 自定义节点
• For Loop 或 Iterate 节点

这种方法适合生成分镜脚本中不同场景的画面。

批量生成方法三：从文件读取

使用 Load Text File 或 Load Image Batch 节点，可以从文件中批量读取提示词或参考图：

1. 将所有分镜的提示词保存为一个文本文件（每行一个提示词）
2. 使用自定义节点逐行读取并生成
3. 自动保存到指定目录

[!TIP] | 工作流名称 | 用途 | 特点 | 获取来源 | |---------|------|------|---------| | SDXL基础工作流 | 通用画面生成 | 简单易用，适合入门 | ComfyUI官方示例 | | IP-Adapter角色一致性 | 角色一致性生成 | 使用参考图保持角色一致 | ComfyUI GitHub | | LoRA角色训练+生成 | 自定义角色生成 | 训练专属角色LoRA | Kohya_ss文档 | | ControlNet姿势控制 | 角色姿势控制 | 精确控制角色动作 | ComfyUI官方示例 | | 图生图工作流 | 画面修改和优化 | 基于参考图生成新画面 | ComfyUI官方示例 | | 批量分镜生成 | 批量生成分镜画面 | 自动化批量处理 | 社区分享 | | 漫画分格工作流 | 漫画风格画面 | 生成漫画分格效果 | Civitai社区 | | 风格迁移工作流 | 统一画风 | 将不同画面统一为相同风格 | 社区分享 |

工作流安装方法

1. 下载工作流JSON文件
2. 在ComfyUI界面中点击 Load 按钮
3. 选择下载的JSON文件
4. 工作流会自动加载到画布上
5. 根据需要修改模型路径和参数

[!NOTE] | 优化方向 | 具体方法 | 效果 | |---------|---------|------| | 降低分辨率 | 使用768x768而非1024x1024 | 显存需求降低40% | | 使用Turbo模型 | 使用SDXL Turbo等加速模型 | 生成速度提升4-8倍 | | 减少采样步数 | 从30步降到15-20步 | 速度提升50%，画质轻微下降 | | 使用Tiled VAE | 分块处理VAE解码 | 显存需求降低50% | | 启用xformers | 安装xformers优化库 | 速度提升20-30% | | 关闭预览 | 减少中间结果预览 | 减少显存占用 | | 使用低精度 | FP16而非FP32 | 显存需求降低50% |

速度优化

[!WARNING] | 资源 | 名称 | 类型 | 说明 | |------|------|------|------| | 官方文档 | ComfyUI GitHub Wiki | 文档 | 最权威的参考 | | 视频教程 | ComfyUI官方YouTube频道 | 视频 | 官方教程和更新日志 | | 社区论坛 | ComfyUI Discord | 社区 | 最活跃的交流社区 | | 中文教程 | B站搜索"ComfyUI教程" | 视频 | 大量中文教程 | | 工作流分享 | Comfyworkflows.com | 网站 | 工作流模板分享平台 | | 节点市场 | ComfyUI Manager | 插件 | 一键安装自定义节点 | | 模型下载 | Civitai.com | 网站 | LoRA、Checkpoint模型 | | 中文社区 | 即梦社区/小红书 | 社区 | AI漫剧创作者交流 |

推荐学习路径

1. 第一周：安装ComfyUI，搭建最简工作流，熟悉基本操作
2. 第二周：学习IP-Adapter，实现基本的角色一致性
3. 第三周：学习ControlNet，控制角色姿势和构图
4. 第四周：尝试LoRA训练，创建自定义角色
5. 第五周+：组合各种技术，搭建完整的AI漫剧画面生成工作流

[!TIP] ComfyUI的学习曲线确实陡峭，但不要被吓退。建议从最简单的工作流开始，每掌握一个新节点就实际使用它生成几张图片。通过"学一个、用一个"的方式，你可以在2-3周内掌握ComfyUI的核心功能。社区中有大量免费的工作流模板可以直接使用，不需要从零开始搭建。

八、总结

ComfyUI是AI漫剧专业创作者的必备工具。本教程全面讲解了ComfyUI在AI漫剧创作中的应用：

• ComfyUI简介与优势：免费、可定制、角色一致性强
• 安装与配置：硬件要求、安装方法、必装模型
• 核心节点介绍：KSampler、VAE、CLIP等关键节点
• 角色一致性方案：IP-Adapter（入门）、LoRA（进阶）、组合方案（专业）
• 批量生成：Batch Size、提示词列表、文件读取三种方法
• 工作流模板推荐：8个常用工作流及获取来源
• 性能优化：显存优化和速度优化的具体方法
• 学习资源：官方文档、社区论坛、中文教程等

[!IMPORTANT] ComfyUI是一个持续进化的工具，新的自定义节点和工作流方案不断涌现。建议关注ComfyUI的官方GitHub仓库和Discord社区，及时了解最新的功能和优化方案。同时，也要注意不要陷入"工具收集"的陷阱，掌握核心节点和几个实用的工作流就足够了，把更多精力放在内容创作上。