最近在尝试把 AI 漫剧从“能出图”推进到“能出片”时MiniMax-H3 和 ComfyUI 工作流成了绕不开的两个关键词。网上资料虽然不少但多数只讲单点有的只讲模型下载有的只讲 ComfyUI 安装有的只放出一张工作流截图让新手自己猜。真正把模型、节点、工作流搭建、批量出片串成一条完整链路的教程并不多。这篇文章就以“AI 漫剧制作”为目标从零开始拆解 ComfyUI 工作流搭建全过程。内容包括 MiniMax-H3 的核心概念、环境准备、模型下载、工作流节点拆解、完整漫剧制作案例、常见报错排查以及工程化建议。无论你是刚接触 ComfyUI 的新手还是已经有 Stable Diffusion 使用经验、想转向视频生成的进阶玩家都能按文章顺序跟着操作。1. MiniMax-H3 与 ComfyUI 工作流核心概念1.1 AI 漫剧是什么为什么需要工作流AI 漫剧并不是一个新概念但它的制作方式和传统动画完全不同。传统漫剧需要分镜师、原画师、动画师、配音演员等多角色协作周期长、成本高。AI 漫剧的核心思路是用大模型生成角色画面、场景画面、动作序列再通过合成工具把画面组合成完整视频。这里有一个关键转变过去我们关注的是“单张图片质量”现在关注的是“连续画面的稳定性、可控性和批量生产效率”。单张图片可以用 Stable Diffusion 手动调参但一部漫剧可能有几十个分镜每个分镜又有多帧画面如果还靠手动逐张拖动参数效率完全跟不上。ComfyUI 的价值就在于把整个生成流程拆成节点化的工作流。你可以把“加载模型”“写提示词”“设置画面尺寸”“采样生成”“保存视频”这些步骤都变成一个个可视化节点连好线后一键运行同一套流程可以反复用于不同分镜甚至批量跑几十个镜头。1.2 MiniMax-H3 解决了什么问题MiniMax-H3 是 MiniMax 在视频生成方向上的模型产品主要面向短视频、动漫、广告分镜等场景。和传统的文生图模型不同它更强调生成连续视频帧的能力适合用来产出“能动的画面”。在 AI 漫剧制作中MiniMax-H3 承担的核心任务是根据文字描述生成视频片段。比如你输入“主角站在黄昏的街道上回头微笑头发被风吹动”它能生成一段符合描述的短视频素材。这就是漫剧里的一个分镜。不过要注意视频生成模型对提示词的理解、对角色一致性的保持、对镜头运动的控制都还处于快速迭代阶段。不同版本的能力差异较大所以“工作流 模型版本”的组合往往比单独讨论某个模型更有意义。1.3 ComfyUI 工作流的基本组成ComfyUI 是一款基于节点式编辑器的 AI 图像/视频生成工具。用户不需要写完整代码只需要把功能节点拖到画布上通过连线把数据流串联起来。一个典型的工作流通常包含以下几类节点节点类型作用类比模型加载节点加载大模型权重文件启动引擎提示词节点输入正向/反向描述告诉引擎“做什么”参数控制节点设置分辨率、步数、CFG调节引擎输出精度生成/采样节点执行推理计算引擎正式工作解码/保存节点把结果转成可预览文件引擎输出结果这种设计的好处是可视化、模块化、可复用。你可以把一个复杂任务拆成几十个节点也可以把一套跑通的节点组合保存为“工作流模板”下次直接拖进来改改提示词就能用。2. 环境准备与版本说明2.1 硬件与系统要求ComfyUI 本身对硬件有一定门槛尤其是视频生成任务会比单纯文生图消耗更多显存。下面按推荐程度列出硬件项入门配置推荐配置显卡NVIDIA 8GB 显存NVIDIA 12GB 或更高显存内存16GB32GB 以上硬盘50GB 空闲空间100GB 以上 SSD系统Windows 10/11Windows 11 / Linux如果你用的是 Apple Silicon MacComfyUI 也能跑但视频生成相关的模型兼容性和速度不如 NVIDIA 平台。本文示例以 Windows NVIDIA 显卡为主。软件方面需要准备Python 3.10 或以上版本Git可选用于拉取项目源码NVIDIA 显卡驱动 CUDA 环境ComfyUI 本体版本需要根据你的项目实际情况调整本文示例以常见环境为例重点演示配置思路。2.2 安装 ComfyUI 整合包对于新手来说最省事的方式是使用一键整合包例如秋叶 ComfyUI 整合包。整合包的好处是内置了 Python 运行环境不需要自己配置 Python 和 CUDA预装了大量常用的自定义节点启动脚本做了优化双击即可运行安装步骤大致如下下载秋叶 ComfyUI 整合包。解压到本地目录例如D:\ComfyUI。双击启动脚本等待界面自动打开。浏览器访问http://127.0.0.1:8188进入 ComfyUI 页面。如果你更想用源码方式运行也可以克隆官方仓库git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI pip install -r requirements.txt python main.py两种方式都能跑通但整合包更适合新手因为省去了 Python 依赖冲突的麻烦。2.3 下载 MiniMax-H3 模型模型下载是视频生成工作流里最容易卡住的一步。MiniMax-H3 模型文件比较大下载前先确认磁盘空间充足。下载方式通常有两种从 MiniMax 官方渠道或模型托管平台下载权重文件。通过 ComfyUI 社区分享的下载脚本/网盘链接下载。下载完成后需要把模型文件放到 ComfyUI 的模型目录。具体位置取决于工作流使用的加载器节点类型常见路径包括ComfyUI/ ├── models/ │ ├── checkpoints/ # 完整模型文件 │ ├── diffusion_models/ # 扩散模型权重 │ ├── vae/ # VAE 文件 │ └── ...如果你不确定放在哪里可以先看导入的工作流中“加载模型”节点期望的文件名再按名字放到对应目录。模型文件名和工作流里的名称一定要保持一致否则会报“模型文件不存在”。2.4 安装 ComfyUI Manager 与缺失节点ComfyUI 原生节点只能处理最基础的操作视频生成通常需要额外安装自定义节点。手动安装节点比较繁琐推荐先安装 ComfyUI Manager。ComfyUI Manager 是一个插件管理工具可以帮你搜索、安装、更新自定义节点。安装方式是在 ComfyUI 目录下执行cd ComfyUI/custom_nodes git clone https://github.com/ltdrdata/ComfyUI-Manager.git cd ComfyUI-Manager pip install -r requirements.txt安装完成后重启 ComfyUI页面右侧会出现 Manager 按钮。进入 Manager搜索视频生成相关的节点包点击 Install 即可自动安装。导入他人分享的工作流时如果提示“请安装缺失的包以使用此工作流”通常是因为工作流里用到了你没有安装的自定义节点。这时先看提示中的节点名再到 Manager 里搜索安装。如果 Manager 里搜不到可以到该节点的 GitHub 仓库手动安装cd ComfyUI/custom_nodes git clone https://github.com/xxx/节点仓库地址.git cd 节点仓库地址 pip install -r requirements.txt安装后重启 ComfyUI再次导入工作流即可。3. 工作流核心节点拆解3.1 加载模型节点加载模型节点是整个工作流的起点。它负责把模型权重读入显存。不同类型的工作流使用的加载节点不一样文生图工作流通常用CheckpointLoaderSimple视频生成工作流可能会使用专门的视频模型加载节点部分新模型需要通过DiffusionModelLoader和VAELoader分开加载加载模型时要注意以下参数ckpt_name模型文件名必须和models/checkpoints目录下文件完全一致vae_name如果不确定可以先选择“自动”或按工作流默认设置加载速度取决于硬盘读取速度和模型大小新手最容易犯的错误是下载了模型但文件名带有多余空格或中文导致节点找不到模型。建议把模型文件重命名为简洁的英文名。3.2 提示词与参数节点提示词节点负责把自然语言转换成模型能理解的向量。ComfyUI 中常见的是CLIPTextEncode节点但视频生成模型可能使用不同的文本编码器。写提示词时建议遵循以下结构提示词组成部分示例主体一名少年主角环境黄昏街道霓虹灯动作回头微笑头发被风吹动镜头中景缓慢推进风格日系动漫风格高细节画质高清8K电影感反向提示词可以写不想要的内容例如“模糊、变形的手指、文字水印、分辨率低”。这里需要注意的是视频生成模型对提示词长度和结构的敏感度比文生图更高。同一个提示词在短文本模型和长文本模型中的效果差异很大建议先从工作流分享者给出的模板入手不要一上来就自行发挥。3.3 视频生成与输出节点视频生成节点是整个工作流的核心计算节点。它的输入通常包括模型提示词编码种子值画面尺寸帧数或视频长度采样步数CFG 引导强度种子值是一个容易被忽略但非常重要的参数。固定种子可以让多次生成结果保持一致更换种子可以获得不同画面。在做漫剧分镜时角色一致性往往需要固定种子或使用参考图节点否则同一个角色在不同镜头里可能长相差很多。输出节点负责把生成的视频编码并保存为文件。常见的输出节点会提供filename_prefix文件名前缀format输出格式常见有 MP4、WEBMfps帧率漫剧常用 24 或 303.4 加速设置视频生成比图生成慢得多所以加速设置很有必要。常见的加速手段包括使用半精度推理FP16/BF16减少显存占用并提升速度开启 xformers 或 Flash Attention 优化注意力计算控制视频帧数和分辨率不要盲目追求 1080P使用更小的模型变体例如蒸馏版本关闭后台占用显存的其他程序如果你是 NVIDIA 显卡可以在启动 ComfyUI 时添加参数python main.py --xformers如果你的显卡较老、显存较小也可以加上低显存模式python main.py --lowvram加速的前提是保证画面质量不严重下降。建议先在低分辨率下测试参数再逐步提高。4. AI 漫剧制作完整实战4.1 拆解漫剧制作流程一部完整的 AI 漫剧通常包含以下步骤剧本创作确定剧情、角色、场景分镜拆解把剧本拆成多个镜头每个镜头包含画面描述、台词、时长角色设定生成角色的参考图确保之后每个镜头角色一致视频生成用 MiniMax-H3 为每个分镜生成视频片段音频制作为角色配音、添加背景音乐后期合成剪辑画面、配上字幕、调整节奏ComfyUI 工作流主要承担第 2 到第 4 步。你可以把分镜信息整理成一张表格然后用工作流批量生成视频片段。4.2 搭建基础工作流下面演示一个最简漫剧分镜生成工作流的搭建思路。由于视频生成相关节点在不同版本中存在差异这里以“节点功能模块”的方式描述实际使用时需要根据导入的工作流模板调整节点名称。打开 ComfyUI 后在空白画布上按以下模块顺序添加节点加载模型 - 提示词编码 - 视频参数设置 - 视频生成 - 视频保存连线逻辑如下[模型加载] --- [视频生成] [正向提示词] --- [视频生成] [反向提示词] --- [视频生成] [视频参数] --- [视频生成] [视频生成] --- [视频保存]工作流导入后你可以在任意空白处双击输入关键词搜索节点例如输入“Load Video Model”“Video Gen”“Save Video”等。如果搜不到说明对应节点包还没安装需要回到第 2.4 节安装依赖。4.3 配置分镜参数以一个 3 秒漫剧分镜为例推荐从以下参数开始参数项推荐值说明分辨率832x480 或 1280x720先低后高控制显存帧率24 fps常见动画帧率帧数72 帧3 秒 x 24 fps采样步数20-30步数过高会变慢CFG4-7太高容易过曝种子固定值如 42保证可复现提示词示例一个少年站在黄昏的街道上远处霓虹灯闪烁他回头微笑头发被风吹动日系动漫风格细腻线条电影级光影高清细节。反向提示词示例模糊低质量变形手指多余肢体文字水印画面抖动。不同模型对 CFG 和步数的敏感度不同以上只是调试起点。跑出第一版后根据画面效果增量调整不要一次改多个参数。4.4 批量生成多个分镜如果要制作一部完整的 AI 漫剧手动一个个修改提示词太累了。建议把分镜信息写进 CSV 文件再通过批量脚本调用 ComfyUI API 提交任务。下面是一个使用 Python 调用 ComfyUI API 的示例脚本思路是在外部生成工作流 JSON然后循环替换提示词并提交import json import time import uuid import requests # ComfyUI 本地服务地址 server http://127.0.0.1:8188 # 这里放你从 ComfyUI 导出的工作流 JSON workflow { prompt_id: , positive_prompt: , negative_prompt: , seed: 42 } def build_workflow(positive_prompt, negative_prompt, seed): # 从模板 worklfow.json 中读取完整节点配置然后替换关键字段 with open(workflow_template.json, r, encodingutf-8) as f: wf json.load(f) # 替换提示词和种子具体节点 ID 以实际工作流为准 wf[6][inputs][text] positive_prompt wf[7][inputs][text] negative_prompt wf[3][inputs][seed] seed return wf def submit_prompt(workflow): client_id str(uuid.uuid4()) data { prompt: workflow, client_id: client_id } resp requests.post(f{server}/prompt, jsondata) return resp.json() def wait_for_result(prompt_id): while True: time.sleep(2) history requests.get(f{server}/history/{prompt_id}).json() if history: return history print(任务还在执行中...) if __name__ __main__: positive 一个少年站在黄昏的街道上回头微笑日系动漫风格 negative 模糊变形水印 my_workflow build_workflow(positive, negative, 42) result submit_prompt(my_workflow) print(提交结果:, result)这个脚本只是最基础的调用思路实际操作中你需要先从 ComfyUI 页面把工作流导出为workflow_template.json再根据导出文件里的节点 ID 修改脚本。这种方式非常适合批量生成漫剧分镜。4.5 导出与后期合成视频生成完成后ComfyUI 会输出到默认的output目录。文件名格式通常是“前缀_时间戳.mp4”。建议按分镜序号统一命名例如output/ ├── shot_01.mp4 ├── shot_02.mp4 ├── shot_03.mp4 └── ...之后你可以把视频片段导入剪映、Premiere 或达芬奇等剪辑软件添加配音、字幕、背景音乐最终合成完整漫剧。如果你需要更自动化的后期流程也可以学习 FFmpeg 命令行剪辑但这就超出 ComfyUI 的范畴了。5. 常见问题与排查思路新手在搭建 ComfyUI 工作流时会遇到各种报错下面整理最典型的几类问题和排查方法。问题现象常见原因解决思路提示“请安装缺失的包以使用此工作流”缺少自定义节点或 Python 依赖看提示中的包名用 ComfyUI Manager 或 pip 安装模型加载报错“File not found”模型文件名不匹配或路径错误检查模型存放目录和文件名保持一致生成视频时显存不足分辨率、帧数设置过高降低分辨率开启--lowvram视频画面模糊步数太少、CFG 不合适提高步数尝试调整 CFG角色在不同镜头中不一致没有固定种子或缺少参考图固定种子使用角色一致性节点页面打开很慢首次启动需要加载模型等待首次加载完成后续会改善自定义节点安装后不生效安装后没有重启重启 ComfyUI 后再导入工作流如果你遇到“要安装缺失的节点,请先在你的 python 环境中运行”的提示先确认自己是使用整合包还是源码安装整合包用户使用整合包自带的 Python 环境执行 pip不是系统 Python。源码安装用户直接使用当前虚拟环境或全局 Python 执行安装。安装命令参考pip install 包名安装完重启服务即可。6. 最佳实践与工程建议6.1 建立自己的工作流模板库不要每次从零搭建工作流。当你跑通一个效果不错的分镜工作流后立刻保存为模板并写清楚功能说明。建议按用途分类workflows/ ├── 文生图基础模板.json ├── 漫剧分镜模板.json ├── 角色一致性模板.json └── 视频放大模板.json这样以后做新项目时可以直接在模板基础上改提示词效率提升非常明显。6.2 显存与批量任务管理批量生成多个分镜时不要把任务一次性全部提交。建议采用“串行 监控”策略提交一个任务等结果返回后再提交下一个。虽然速度慢一些但不容易把显存打爆也方便中途发现问题及时终止。如果你的显存较大可以适当提高 batch size如果显存有限建议保持 batch size 为 1。6.3 模型文件管理模型文件动辄几十 GB建议单独建一个模型目录并做好版本记录。文件名建议包含版本号或日期例如models/ ├── checkpoints/ │ ├── minimax-h3_v1.safetensors │ └── minimax-h3_v2.safetensors同时建立一份README.md记录每个模型的来源、用途、适用工作流方便项目复盘和团队协作。6.4 注意素材合规与来源使用 AI 生成漫剧素材时需要注意版权和合规问题。尽量避免使用未经授权的角色形象、真人肖像、商标元素。生成内容用于商业发布前务必确认模型授权范围、平台发布规则以及相关法律法规。关于这一点每个平台和模型的要求不一样请以当时最新的官方规则为准。6.5 记录可复现参数AI 生成结果具有一定随机性为了保证项目可复现建议每次生成都记录以下信息模型文件名和版本正向/反向提示词种子值步数、CFG、分辨率、帧数使用的自定义节点版本可以把这些信息写到分镜表格中。对于漫剧这种需要多镜头一致性的项目参数记录尤为重要。7. 总结与学习路线本文围绕 MiniMax-H3 与 ComfyUI 工作流完整介绍了 AI 漫剧制作的入门链路。内容覆盖了基础概念、环境准备、模型下载、工作流节点拆解、分镜生成实战、批量提交脚本、常见报错排查以及工程化管理方法。即使你之前完全没接触过 ComfyUI只要跟着第 2 章和第 4 章操作应该也能在本地跑通第一个漫剧分镜。接下来可以沿着这个方向继续深入学习 ComfyUI 基础节点的更多参数理解“采样”“步数”“CFG”背后的原理。研究角色一致性方案目前有多种参考图、IPAdapter、ControlNet 相关的组合用法是漫剧可控性的关键。学习视频放大和帧插值技术提升成片分辨率与流畅度。深入学习 Python 脚本调用 ComfyUI API搭建自动化批处理系统。如果有开发基础可以尝试编写自定义节点把重复操作封装成自己的工具。建议先不要追求高分辨率、长视频、复杂特效。把最简单的 3 秒分镜跑通再逐步增加复杂度这是最快、最稳的学习路径。先把环境搭好跑通第一个工作流后面很多问题都会迎刃而解。