本地部署Qwen+ComfyUI：AI漫剧生产流水线实战指南-开发者社区

1. 为什么要在本地搭一套AI漫剧生产流水线

把Qwen和ComfyUI捏在一起做AI漫剧，这个组合在2026年初已经跑通了一条相当成熟的路径。所谓AI漫剧，说白了就是用大语言模型写剧本、分镜和提示词，再用扩散模型批量出图，最后串成有角色、有对白、有镜头运动的短篇漫画剧集。整条链路里，Qwen负责“脑力活”——剧本创作、角色设定、分镜拆解、提示词翻译；ComfyUI负责“体力活”——角色一致性出图、场景生成、动画补帧。两者通过本地API对接，全程离线，素材不出机器。

这套方案解决的核心痛点有三个。第一是成本，在线出图服务按张计费，一集漫剧动辄几百张图，长期做下来开销不小，本地跑一次投入、无限次使用。第二是一致性，AI漫剧最怕角色“换脸”，本地部署可以配合LoRA微调和IPAdapter把角色锁死。第三是隐私与可控，剧本和素材都在自己硬盘里，工作流可以随意魔改，不受平台规则限制。

适合谁来学？如果你已经会用ComfyUI出单张图，但不知道怎么把它变成“流水线”；或者你写剧本没问题，但一到批量出图就抓瞎；再或者你纯粹想搞明白本地大模型和图像模型怎么协同工作——这篇内容就是给你准备的。我会从环境搭建一路讲到成片导出，把踩过的坑和验证过的参数都摊开说。

2. 环境准备：Qwen本地部署与ComfyUI安装

2.1 硬件门槛与系统选择

先泼一盆冷水：这套东西对硬件有实打实的要求。Qwen本地推理和ComfyUI出图是两套吃资源的活儿，如果同时跑，显存和内存都要留足余量。

我的建议配置是这样的：

组件	最低可用	推荐配置	说明
GPU显存	12GB	24GB及以上	出图主力，AnimateDiff很吃显存
系统内存	32GB	64GB	Qwen 14B量化版约需10-16GB
硬盘	100GB空闲	500GB SSD	模型文件动辄几十GB
CPU	8核	16核以上	影响模型加载和预处理速度

显卡方面，N卡生态最省心，20系以上都行。如果你手头是Mac，M系列芯片统一内存架构跑Qwen推理其实不错，但ComfyUI出图速度会慢一些，做漫剧批量生产会比较煎熬。至于Jetson Orin Nano这类边缘设备，跑Qwen小尺寸量化版可以，但拿来做完整漫剧流水线就力不从心了，更适合做推理验证。

系统我推荐Windows 11或者Ubuntu 22.04。Windows的好处是秋叶整合包开箱即用，Ubuntu的好处是环境干净、依赖冲突少。下面我两条路都讲。

2.2 Qwen本地部署：Ollama方案实操

Qwen本地部署最省事的路径是走Ollama。Ollama把模型下载、量化、推理服务都封装好了，一条命令就能拉起一个兼容OpenAI格式的API，ComfyUI那边直接调就行。

第一步，安装Ollama。官网下载对应系统的安装包，Windows双击安装，Linux用一条脚本搞定：

curl -fsSL https://ollama.com/install.sh | sh

安装完验证一下：

ollama --version

能打印版本号就说明装好了。这里有个常见坑：国内下载Ollama安装包和模型时速度可能很慢，甚至卡住。解决办法是配置镜像源，在环境变量里加一行OLLAMA_HOST指向国内可访问的地址，或者手动下载模型文件放到Ollama的模型目录里。模型目录默认在~/.ollama/models（Linux/Mac）或C:\Users\你的用户名\.ollama\models（Windows）。

第二步，拉取Qwen模型。根据你的显存选尺寸：

# 14B量化版，平衡质量和资源，推荐 ollama pull qwen2.5:14b # 7B版，显存紧张时用 ollama pull qwen2.5:7b # 32B版，质量最好但需要大显存 ollama pull qwen2.5:32b

拉取完成后测试一下：

ollama run qwen2.5:14b "写一段三幕式漫剧大纲，主题是都市奇幻"

如果能看到流畅的中文输出，说明Qwen已经跑起来了。Ollama默认在11434端口提供API服务，ComfyUI的自定义节点可以直接连。

注意：Ollama默认只监听本地回环地址，如果你想让局域网内其他机器调用，需要设置OLLAMA_HOST=0.0.0.0，但这会带来安全风险，非必要不要开。

2.3 ComfyUI安装：整合包与手动部署两条路

ComfyUI的安装有两条路，我分别说。

路线一：秋叶整合包。这是国内最省心的方案，解压即用，内置了常用插件和Python环境，避免了依赖地狱。下载秋叶ComfyUI整合包（2026年v10版本已经相当稳定），解压到非中文路径下，双击启动器即可。启动器里可以一键更新ComfyUI本体和插件，还能管理模型路径。新手强烈建议走这条路，能省掉至少半天的环境调试时间。

路线二：手动部署。如果你想用最新版ComfyUI（比如v0.35.0），或者需要精细控制环境，就手动来：

git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI python -m venv venv source venv/bin/activate # Windows用 venv\Scripts\activate pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 pip install -r requirements.txt

启动：

python main.py --listen 0.0.0.0 --port 8188

浏览器打开http://127.0.0.1:8188就能看到节点界面。

必装插件清单。不管走哪条路，做AI漫剧这几个插件是刚需：

ComfyUI-Manager：插件和模型管理，装插件全靠它
ComfyUI-AnimateDiff-Evolved：动画生成核心，做镜头运动必备
ComfyUI-IPAdapter_plus：角色一致性锁定
ComfyUI-Custom-Scripts：一堆实用小工具，比如提示词自动补全
ComfyUI-Ollama：对接本地Qwen的桥梁

装插件用Manager最方便，界面里搜名字点安装，重启即可。手动装的话进custom_nodes目录git clone再pip install -r requirements.txt。

2.4 模型文件准备与目录规划

ComfyUI的模型目录结构要提前规划好，不然文件一多就乱。核心目录：

ComfyUI/ ├── models/ │ ├── checkpoints/ # 基础大模型，如SDXL、Flux │ ├── loras/ # 角色LoRA、风格LoRA │ ├── vae/ # VAE解码器 │ ├── controlnet/ # 姿态、线稿控制 │ ├── ipadapter/ # 角色参考图编码 │ └── animatediff_models/ # AnimateDiff运动模块

做漫剧我推荐用SDXL系的基础模型，出图质量和角色稳定性都比SD1.5好一截。Flux系列质量更高但对显存要求也更高，24GB以下显存慎用。VAE记得配一个，SDXL自带的VAE有时候偏灰，换成sd_xl_vae色彩会正很多。

3. 核心思路拆解：Qwen与ComfyUI如何协同

3.1 分工逻辑：谁干什么活

这套流水线的核心设计思想是“语言模型管叙事，扩散模型管画面”。Qwen不直接出图，它输出的是结构化的文本——剧本、分镜表、每个镜头的提示词。ComfyUI读取这些文本，驱动出图节点批量生产。

为什么不让Qwen直接生成图片描述然后手动粘贴？因为漫剧一集几十上百个镜头，手动粘贴不现实。必须让Qwen的输出格式固定、可解析，ComfyUI那边用脚本或自定义节点自动读取。这就是为什么要走API对接，而不是复制粘贴。

具体分工：

Qwen负责：故事大纲、角色小传、分镜脚本（镜号、景别、画面描述、对白、时长）、每个镜头的正向/负向提示词、角色LoRA触发词
ComfyUI负责：根据提示词出关键帧、用IPAdapter锁定角色、用AnimateDiff生成镜头运动、批量渲染、导出序列帧

3.2 数据流转：从剧本到成片的管道

整条管道的数据流是这样的：

你在Qwen对话里输入故事主题和角色设定
Qwen输出一份JSON格式的分镜表，每个镜头包含shot_id、prompt、negative_prompt、character、duration
一个Python脚本读取JSON，逐条调用ComfyUI的API（/prompt端点）提交任务
ComfyUI工作流里，提示词节点从API参数接收文本，IPAdapter节点加载对应角色的参考图，AnimateDiff节点生成帧序列
渲染结果保存到指定目录，文件名带shot_id方便后期对齐
后期软件（剪映、达芬奇）按分镜表拼接，配上Qwen生成的配音文本

这个管道的关键在于格式约定。Qwen输出的JSON必须字段固定，ComfyUI工作流里的节点名称必须和脚本里的映射一致。我建议先用3-5个镜头跑通全流程，再扩展到整集。

3.3 为什么选Qwen而不是其他模型

Qwen2.5系列在中文叙事任务上表现很稳，尤其是分镜脚本这种需要结构化输出的场景。它的指令遵循能力强，你让它输出JSON它基本不会跑偏。14B量化版在24GB显存上跑得很流畅，生成一集分镜（约50个镜头）大概两三分钟。

相比一些更大的模型，Qwen的优势是本地部署友好、量化版本齐全、中文语感自然。做漫剧对白要接地气，Qwen在这点上比很多英文为主的模型强。而且Ollama对Qwen的支持是一等公民，拉取和运行都很顺。

3.4 角色一致性方案选型

AI漫剧最大的技术难点是角色一致性。同一个角色在几十个镜头里不能长得不一样。我试过几种方案，对比如下：

方案	原理	优点	缺点	适用场景
LoRA微调	用角色图训练专属LoRA	一致性最强	需要训练，耗时	主角、长期角色
IPAdapter	参考图编码注入	免训练，即插即用	一致性中等	配角、临时角色
ControlNet	姿态/线稿控制	构图精准	不解决长相	配合前两者
提示词锁定	详细外貌描述	零成本	一致性最弱	辅助手段

我的实战组合是：主角训LoRA + IPAdapter双保险，配角用IPAdapter + 详细提示词。LoRA训练用ComfyUI里的训练节点或者Kohya，20-30张角色多角度图，跑2000步左右就能出一个可用的角色LoRA。IPAdapter则用一张高质量角色立绘做参考，权重设0.6-0.8之间。

4. 实操全流程：从剧本到成片

4.1 用Qwen生成分镜脚本与提示词

先给Qwen一个清晰的系统提示，让它按固定格式输出。我在Ollama里这样调：

ollama run qwen2.5:14b

然后输入系统指令：

你是一个专业的AI漫剧分镜师。请根据用户提供的主题，输出JSON格式的分镜表。 每个镜头包含以下字段： - shot_id: 镜号，从1开始 - shot_type: 景别（远景/全景/中景/近景/特写） - camera: 镜头运动（固定/推/拉/摇/移） - prompt: 英文正向提示词，描述画面内容、光线、构图、风格 - negative_prompt: 英文负向提示词 - character: 出场角色名 - dialogue: 该镜头对白，无对白则为空字符串 - duration: 镜头时长（秒） 风格统一为：anime style, cinematic lighting, detailed background 只输出JSON，不要有其他文字。

然后输入你的故事主题，比如“一个外卖员在雨夜发现自己是古代剑仙转世”。Qwen会输出一份完整分镜表。实测14B版输出的JSON结构很规整，偶尔有字段缺失，加一句“确保所有字段都存在”就能修正。

拿到JSON后存成storyboard.json。这里有个技巧：让Qwen把每个镜头的提示词写得具体，包含角色外貌特征（发色、瞳色、服装），这样即使不用LoRA，出图一致性也能好一些。

4.2 ComfyUI工作流搭建：出图主链路

打开ComfyUI，搭建基础出图工作流。核心节点链：

Checkpoint Loader：加载SDXL基础模型
CLIP Text Encode（正向）：接API传入的prompt
CLIP Text Encode（负向）：接negative_prompt
Empty Latent Image：设分辨率，漫剧推荐1024x1024或832x1216
KSampler：采样器选DPM++ 2M Karras，步数25-30，CFG 7
VAE Decode：解码
Save Image：保存，文件名前缀用shot_

如果要加角色一致性，在CLIP Text Encode和KSampler之间插入IPAdapter节点：

IPAdapter Unified Loader：加载ipadapter模型
Load Image：加载角色参考图
IPAdapter Apply：权重设0.7，开始步数0，结束步数1

工作流搭好后，点“Save (API Format)”导出成JSON，这个JSON就是脚本调用的模板。

4.3 批量出图脚本：让流水线跑起来

写一个Python脚本，读storyboard.json，逐条替换工作流JSON里的提示词，提交到ComfyUI API：

import json import requests import time COMFY_API = "http://127.0.0.1:8188" def load_workflow(path): with open(path, 'r', encoding='utf-8') as f: return json.load(f) def queue_prompt(workflow): resp = requests.post(f"{COMFY_API}/prompt", json={"prompt": workflow}) return resp.json() def build_workflow(template, shot): wf = json.loads(json.dumps(template)) # 假设节点ID 6 是正向提示词，7 是负向 wf["6"]["inputs"]["text"] = shot["prompt"] wf["7"]["inputs"]["text"] = shot["negative_prompt"] # 文件名前缀 wf["9"]["inputs"]["filename_prefix"] = f"shot_{shot['shot_id']:03d}" return wf def main(): template = load_workflow("workflow_api.json") with open("storyboard.json", 'r', encoding='utf-8') as f: shots = json.load(f) for shot in shots: wf = build_workflow(template, shot) result = queue_prompt(wf) print(f"Queued shot {shot['shot_id']}: {result}") time.sleep(1) # 避免队列过载 if __name__ == "__main__": main()

节点ID要和你导出的工作流对应，打开workflow_api.json看每个节点的编号。这个脚本跑起来后，ComfyUI会按顺序渲染所有镜头，输出到output目录。

4.4 AnimateDiff镜头运动：让画面动起来

静态图出完后，用AnimateDiff给需要运动的镜头加动画。工作流在出图链路基础上加：

AnimateDiff Loader：加载运动模块，选mm_sd_v15_v2或SDXL对应的运动模块
AnimateDiff Sampler：替换普通KSampler，设总帧数16-24，帧率8
Context Options：设上下文长度16，避免长序列崩坏

运动提示词要配合镜头运动写，比如“推镜”就在prompt里加camera zoom in，“摇镜”加camera pan。AnimateDiff对运动的理解靠提示词引导，不写的话就是随机微动。

显存不够的话，把总帧数降到12，分辨率降到768x768，用--lowvram启动ComfyUI。实测24GB显存跑1024x1024、16帧、SDXL+AnimateDiff是够的，但批量跑要留余量。

4.5 后期拼接与配音

出完图后，把所有镜头按shot_id排序，导入剪映或达芬奇。每个镜头时长按分镜表的duration设置，运动镜头用AnimateDiff生成的序列帧。对白用Qwen生成的文本，走TTS工具配音，或者自己录。

这里有个提效技巧：让Qwen在分镜表里额外输出一列transition，标注镜头间的转场方式（切、叠化、划像），后期直接照着做，不用再想。

5. 常见问题与排查技巧实录

5.1 部署阶段的高频坑

Ollama下载模型太慢怎么办？这是最高频的问题。两个办法：一是配置国内镜像源，在Ollama的环境变量里设置OLLAMA_HOST指向镜像；二是手动下载GGUF格式的Qwen模型文件，放到Ollama模型目录，然后写一个Modelfile指向它：

FROM ./qwen2.5-14b-instruct-q4_k_m.gguf

然后ollama create qwen-custom -f Modelfile。手动下载的好处是可以用下载工具加速，不受Ollama内置下载器限制。

ComfyUI启动报错缺依赖？秋叶整合包一般不会，手动部署常见。看报错信息缺哪个包就pip install哪个。如果遇到self_signed_cert_in_chain这类证书错误，通常是Python的SSL证书路径问题，重装certifi或者设置SSL_CERT_FILE环境变量指向正确的证书文件。

显存不够报OOM？按这个顺序降级：先降分辨率（1024→768→512），再降帧数（24→16→12），再换更小的基础模型（SDXL→SD1.5），最后加--lowvram或--medvram启动参数。别一上来就换模型，分辨率的影响往往更大。

5.2 出图质量与一致性问题

角色每张图长得不一样？检查三件事：IPAdapter权重是否够（0.6-0.8），参考图是否清晰正面，提示词里角色描述是否一致。如果还不行，就上LoRA。LoRA训练时注意数据集要多样，包含不同角度、表情、光照，否则过拟合后角色只会摆一个姿势。

画面风格不统一？在每条prompt末尾固定加同一段风格词，比如anime style, cel shading, vibrant colors, detailed background。负向提示词也统一，把不想要的风格都列进去。更彻底的办法是训一个风格LoRA，所有镜头都挂上。

AnimateDiff出来的动画闪烁？这是运动模块和基础模型不匹配导致的。SD1.5的运动模块不能用在SDXL上，反之亦然。确认你下载的运动模块版本和基础模型对应。另外上下文长度设太大也会闪，16是安全值。

5.3 批量流程的稳定性问题

ComfyUI队列卡死？批量提交时如果一次性把几百个任务全塞进去，ComfyUI可能卡死。脚本里加个延迟，或者用/queue端点查队列长度，超过阈值就等。我一般设队列上限20，超过就sleep。

输出文件名冲突？确保filename_prefix带shot_id且补零到三位，这样排序不会乱。如果同一镜头多次渲染，加时间戳后缀。

中途断电或崩溃？脚本要支持断点续跑。记录已完成的shot_id到一个done.txt，启动时先读这个文件跳过已完成的。这个习惯能省很多重跑时间。

5.4 常见问题速查表

现象	可能原因	排查方向	解决
Qwen输出非JSON	指令不够强	检查系统提示	加“只输出JSON”并给示例
出图全黑	VAE不匹配	换VAE	用SDXL专用VAE
角色换脸	IPAdapter权重低	调权重	提到0.8或上LoRA
动画闪烁	运动模块版本错	核对版本	换对应版本模块
队列卡死	提交过快	查队列长度	加延迟和上限
显存OOM	分辨率/帧数高	降参数	逐级降分辨率帧数
下载慢	网络问题	换源	手动下载+Modelfile
插件冲突	版本不兼容	看日志	逐个禁用排查

6. 进阶玩法与效率提升

6.1 LoRA微调实战：把主角锁死

LoRA训练是角色一致性的终极方案。流程：收集20-30张角色图（多角度、多表情、干净背景），用BLIP或Qwen给每张图打标，然后用Kohya或ComfyUI训练节点跑。关键参数：学习率1e-4，网络维度32，batch size 1，步数1500-2500。训练完的LoRA放models/loras，工作流里用LoraLoader节点加载，权重0.7-0.9。

训练数据质量比数量重要。10张高质量多角度图胜过50张糊图。打标时把角色固定特征（发色、瞳色、服装）写进每个标签，这样触发词才能稳定激活。

6.2 工作流模块化与复用

把工作流拆成模块：出图模块、动画模块、放大模块。每个模块存成独立JSON，脚本按需组合。这样改一个环节不影响其他环节。比如你想换基础模型，只改出图模块，动画模块不动。

ComfyUI的Group节点可以把一组节点折叠成一个组，界面清爽很多。再配合Custom-Scripts的节点颜色标记，复杂工作流也能管得过来。

6.3 效率提升的几个实操技巧

预加载模型。ComfyUI每次切换模型都要重新加载，批量跑同一模型时别中途换。把所有镜头按使用的模型分组，一组跑完再换下一组。

用API模式而非界面模式。界面模式渲染时你没法干别的，API模式可以后台跑，你该干嘛干嘛。

输出用PNG带元数据。ComfyUI保存的PNG里嵌了工作流信息，后期想复现某张图直接拖回界面就行。

定期清理output目录。一集漫剧几百张图，加上中间帧，硬盘很快就满。脚本里加个归档逻辑，完成的镜头移到备份目录。

6.4 从单集到系列化的扩展

单集跑通后，系列化要考虑角色库和场景库的复用。把每个角色的LoRA、参考图、触发词整理成角色卡，每个场景的提示词模板整理成场景卡。新一集开拍时，Qwen读角色卡和场景卡生成分镜，保证跨集一致性。

Qwen在这里可以做得更多：让它读上一集的剧情摘要，生成下一集的连贯剧本。把角色卡作为系统提示的一部分，Qwen输出的提示词就会自动带上角色特征词。这套玩法跑顺了，一个人就是一个漫剧工作室。

我在实际跑这套流水线时最大的体会是：瓶颈往往不在模型能力，而在流程的稳定性。Qwen偶尔输出格式跑偏、ComfyUI队列偶尔卡死、显存偶尔爆掉，这些琐碎问题比技术本身更耗时间。所以脚本里的容错和断点续跑一定要做扎实，宁可多写二十行代码，也别半夜起来重启任务。另外，角色一致性别指望一步到位，先用IPAdapter快速出片，把故事跑通，再回头给主角训LoRA精修，这个迭代顺序最省心。