ComfyUI 实现 AI 漫剧工业化生产：解决角色一致性与时序画质问题

摘要

AI 漫剧在二次元短视频领域热度持续走高，但大量个人创作者在本地落地时会遇到不少工程层面的现实阻碍：跨镜头角色特征漂移、视频帧间色彩闪烁、漫画原生线条被模型软化、手动处理效率低下。网上多数教程侧重提示词与简单出图，缺少完整可复现的离线处理管线。本文基于开源工具集合，结合「AI‑Tools 查找新工具按日期，查找对应工具按名称排序」资源库，讲解从人设资产、分镜渲染、动态生成，到时序修复、批量导出的完整技术流程，附带可直接运行的 Python 代码、FFmpeg 脚本、ComfyUI 节点参数，8G 显存消费级显卡即可完成整套离线生产。

话不多说，先上资源，链接：https://pan.quark.cn/s/7a5fc94ad1b8

关键词

ComfyUI AI 漫剧，本地 AI 漫剧，AI 漫剧角色一致性，AI 视频时序防抖，二次元视频超分，IP‑Adapter 人设锁定，Wan2.2 图生视频

一、本地制作 AI 漫剧遇到的实际技术问题

AI 生成漫剧的痛点大多不是 “出不了图”，而是生成结果不稳定，无法支撑连载式内容产出，集中体现在四点：

参考示意图：AI 漫剧常见缺陷对比（网上公开素材） 左：未处理原始片段，存在人物五官偏移、帧间闪烁；右：经过管线处理之后，人设统一、线条锐利、色彩稳定

二、完整生产管线整体架构

整套流程把资产准备、图像渲染、视频生成、后处理、音视频合成串联成完整链路，所有模型、脚本、工作流文件均收纳在 AI‑Tools 工具库中。

工具库目录说明：

• Video_Super_Resolution：二次元超分权重 anime_x2.pth
• Video_Interpolation：RIFE 漫剧微调补帧模型
• Video_Stabilize：帧间稳色处理 Python 脚本
• Video_Encode：漫剧 FFmpeg 批处理脚本
• Comfy_Workflow：漫剧分镜、角色锁定完整工作流 json

三、核心模块可运行代码

3.1 人脸特征相似度校验（过滤变脸分镜）

读取网盘三视图参考图，自动判断生成画面人物是否一致，不合格画面直接标记重生成。

import torch
import cv2
from insightface.app import FaceAnalysis

face_engine = FaceAnalysis(providers=["CUDAExecutionProvider"])
face_engine.prepare(ctx_id=0, det_size=(640, 640))

def get_face_embedding(img_bgr):
face_list = face_engine.get(img_bgr)
if len(face_list) == 0:
return None
return torch.tensor(face_list[0].embedding)

def check_character_same(ref_img_path, gen_img_path, threshold=0.84):
"""
ref_img_path：网盘三视图参考图路径
gen_img_path：当前生成的分镜图片
return True 人设正常；False 人物偏移，需要重绘
"""
ref_img = cv2.imread(ref_img_path)
gen_img = cv2.imread(gen_img_path)
ref_emb = get_face_embedding(ref_img)
gen_emb = get_face_embedding(gen_img)
if ref_emb is None or gen_emb is None:
return False
sim_score = torch.cosine_similarity(ref_emb, gen_emb, dim=0).item()
return sim_score >= threshold

if __name__ == "__main__":
import os
ref = "./AI‑Tools/character_resource/girl_three_view.png"
frame_dir = "./raw_comic_frames/"
for filename in os.listdir(frame_dir):
if filename.endswith(".png"):
ok = check_character_same(ref, os.path.join(frame_dir, filename))
if not ok:
print(f"[警告] {filename} 人物特征偏移，建议重新生成")

3.2 漫剧帧间时序色彩对齐（消除闪烁跳色）

针对漫画平涂画面做亮度均衡，保留轮廓线条，不破坏原有画风。

import cv2
import numpy as np

def comic_temporal_color_correct(prev_frame: np.ndarray, curr_frame: np.ndarray) -> np.ndarray:
prev_float = prev_frame.astype(np.float32)
curr_float = curr_frame.astype(np.float32)
mean_prev = np.mean(prev_float)
mean_curr = np.mean(curr_float)
eps = 1e-6
ratio = np.clip(mean_prev / (mean_curr + eps), 0.7, 1.3)
curr_fixed = curr_float * ratio
curr_fixed = np.clip(curr_fixed, 0, 255).astype(np.uint8)
return curr_fixed

def batch_process_frames(input_folder, output_folder):
import os
os.makedirs(output_folder, exist_ok=True)
frame_files = sorted([f for f in os.listdir(input_folder) if f.endswith(".png")])
prev = None
for name in frame_files:
img = cv2.imread(os.path.join(input_folder, name))
if prev is not None:
img = comic_temporal_color_correct(prev, img)
cv2.imwrite(os.path.join(output_folder, name), img)
prev = img.copy()

if __name__ == "__main__":
batch_process_frames("./raw_frames", "./stable_out_frames")

3.3 调用网盘二次元超分模型做线条修复

from realesrgan import RealESRGANer

def comic_anime_upscale(input_image):
up = RealESRGANer(
scale=2,
model_path="./AI‑Tools/Video_Super_Resolution/anime_x2.pth",
tile=320,
tile_pad=12
)
output, _ = up.enhance(input_image, outscale=2)
return output

3.4 FFmpeg 批处理脚本 漫剧成片压制

文件位于网盘AI‑Tools/Video_Encode/comic_encode.bat，输出 9:16 竖屏适配短视频平台。

@echo off
ffmpeg -i raw_input.mp4 ^
-vf fps=60,unsharp=1.2:1.2:0.2,scale=1080:1920 ^
-c:v libx265 -crf 19 -preset medium ^
-c:a aac -b:a 128k ^
-y comic_final_output.mp4
echo AI漫剧成片导出完成
pause

3.5 ComfyUI IP‑AdapterFaceID 关键节点配置

取自网盘 Comfy_Workflow 漫剧工作流，控制人物一致性权重。

{
"class_type":"IPAdapterFaceID",
"inputs":{
"weight":0.82,
"clip_vision":"clip_vision_anime",
"reference_image":"character_three_view.png",
"noise_offset":0.1
}
}

四、漫剧提示词工程模板

正向提示词

masterpiece,best quality,2d chinese comic,clean sharp line art,flat solid color,consistent character face,subtle dialogue movement,soft ambient lighting,vertical 9:16,no jitter

反向提示词

blurry,lowres,deformed limbs,extra fingers,color flicker,frame shaking,ugly face,uneven line art

五、基于 AI‑Tools 资源库落地操作步骤

8G 显存优化要点：模型全部开启 FP8 量化，关闭不必要缓存，一次只推理一个片段，避免 OOM 显存溢出。