2026 零基础本地 AI 漫剧完整实操教程（8G 笔记本显卡可用｜附可直接复制命令与代码）

一、整体方案说明

整套流程完全本地离线运行，不用充值云端、不用 API 密钥，产出素材无水印、不限生成次数，RTX4050/3060 8G 笔记本显卡就能跑通完整漫剧生产线。 完整制作链路： 本地 Qwen 大模型写分镜剧本 → ComfyUI 绘制统一角色分镜图 → 静态画面转微动漫剧短片 → 本地 AI 生成角色配音 → FFmpeg 拼接所有片段输出完整成片

整套方案重点解决三个常见痛点：跨镜头人物长相跑偏、生成视频画面闪烁、低显存显卡运行爆内存，所有参数、启动命令都针对 8G 显存设备做了轻量化适配。

硬件基础门槛

英伟达独立显卡 8G 显存、电脑内存 16G 以上，系统 Windows10/11；内存 32G 运行会更流畅，批量渲染不会卡顿。

话不多说，先上资源，边看边做：  链接：https://pan.quark.cn/s/4bbca954c881

二、前期软件环境安装

1. 必备工具安装

需要提前装好三款免费开源工具：Python3.10、Git、FFmpeg

• Python3.10：官网下载安装，安装界面务必勾选 Add Python to PATH
• Git：一键默认安装，用来拉取 ComfyUI 等开源项目源码
• FFmpeg：压缩包解压后，把程序目录添加到系统环境变量，负责视频拼接、字幕封装

2. 显卡加速依赖安装

打开电脑 CMD 命令窗口，复制下面整条命令执行，安装适配 CUDA12.1 的 AI 加速库：

cmd

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

三、第一步：本地生成漫剧分镜脚本（Ollama+Qwen2.5）

这一步用来自动产出带画面描述、人物台词、镜头时长的标准化分镜，不用手动一点点写文案。

1. Ollama 安装

前往官网下载客户端安装包，完成安装后重启 CMD 终端窗口。

2. 下载适配低配电脑的剧本模型

终端执行这条指令，拉取轻量化量化模型，8G 显卡稳定运行：

cmd

ollama pull qwen2.5:14b-q4_K_M

3. 分镜生成提示词（直接复制使用）

打开 Ollama 对话窗口粘贴下面文字，AI 会直接输出规范 JSON 分镜文本，可对接绘图程序批量渲染：

plaintext

你是短视频漫剧编剧，生成10个竖屏9:16漫剧镜头，只输出JSON数组，不要多余文字。
要求：
1. 全程男女主角五官、画风保持统一，不会出现变脸
2. 每条镜头包含字段：镜号、正向画面描述、负面避坑描述、人物动作、角色台词、镜头时长3-5秒
3. 画风标准二次元漫画，线条干净柔和，无畸形崩坏画面
4. 故事题材：都市日常甜宠短剧

4. Python 脚本：自动保存分镜文件

新建文本文档，把代码粘贴进去，后缀改为gen_scene.py，运行后自动生成comic_scene.json分镜文件：

python

运行

import requests
import json
def build_comic_script():
    url = "http://localhost:11434/api/generate"
    prompt = """你是短视频漫剧编剧，生成10个竖屏9:16漫剧镜头，只输出JSON数组，不要多余文字。
要求：
1. 全程男女主角五官、画风保持统一，不会出现变脸
2. 每条镜头包含字段：镜号、正向画面描述、负面避坑描述、人物动作、角色台词、镜头时长3-5秒
3. 画风标准二次元漫画，线条干净柔和，无畸形崩坏画面
4. 故事题材：都市日常甜宠短剧"""
    params = {
        "model": "qwen2.5:14b-q4_K_M",
        "prompt": prompt,
        "stream": False
    }
    resp = requests.post(url, json=params)
    scene_data = json.loads(resp.json()["response"])
    # 保存分镜到本地文件
    with open("comic_scene.json", "w", encoding="utf-8") as f:
        json.dump(scene_data, f, ensure_ascii=False, indent=2)
    return scene_data
if __name__ == "__main__":
    build_comic_script()

四、第二步：ComfyUI 本地搭建（绘图 + 图生视频核心）

ComfyUI 是整套漫剧制作的核心，负责绘制分镜、锁定角色长相、把静态图片做成动态漫剧短片。

1. 一键部署命令，CMD 逐条执行

cmd

# 拉取ComfyUI源码到本地
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
# 创建独立虚拟运行环境
python -m venv venv
venv\Scripts\activate
# 安装全部运行依赖
pip install -r requirements.txt
pip install comfyui-gguf pillow numpy requests

2. 8G 显存专用启动参数，解决爆显存

找到文件夹里start_windows.bat，用记事本打开，把末尾启动代码替换成下面这一行：

bat

python main.py --lowvram --force-fp16 --xformers --no-half-vae

参数作用：开启低显存模式、优化显卡计算、降低内存峰值占用。 启动成功后，浏览器访问地址：http://127.0.0.1:8188

3. 漫剧必备插件安装

打开 ComfyUI 界面，找到 ComfyUI-Manager 插件管理器，搜索名称一键安装：

1. IP-Adapter Plus FaceID：核心插件，锁定人物五官，跨镜头不变脸
2. ComfyUI-LTXVideo：本地图生视频工具，做漫剧微动效果
3. DWpose ControlNet：人物骨骼姿态控制，防止肢体畸形
4. KJNodes：批量循环渲染、本地文件读写，批量跑分镜必备
5. Qwen-TTS-ComfyUI：内置本地配音节点，不用单独开软件做语音

4. 各类模型存放路径

下载好的模型文件，对应放到 ComfyUI 内部文件夹：

1. ComfyUI/models/checkpoints：漫画绘图大模型（Flux-Schnell 量化版、SD1.5 漫画专用模型）
2. ComfyUI/models/ipadapter：FaceID 人脸锁定权重文件
3. ComfyUI/models/ltx_video：LTX2.3 轻量化视频量化模型（8G 显卡专用）
4. ComfyUI/models/controlnet：DWpose 人体姿态控制模型

五、漫剧标准化工作流配置（人物统一 + 动态短片）

1. 固定角色不换脸通用搭配（低配显卡最优）

搭配逻辑：固定一张角色正面人设参考图 + IP-Adapter-FaceID 权重 0.65 + DWpose 骨骼控制 实操要点：

1. 先生成一张清晰正面角色人设图，所有镜头统一复用这张参考图
2. IP-Adapter 权重区间 0.6~0.7，数值太高人物动作僵硬，太低会出现变脸
3. 8G 显存只开启 OpenPose 骨骼控制，关闭 Canny、Depth 等多余 ControlNet，避免显存溢出

2. 图生视频稳定参数（适配短视频漫剧）

• 画面尺寸：720×1280（9:16 竖屏，短视频通用比例）
• 生成帧数：14~16 帧（8G 显卡安全上限，帧数更高极易显存报错）
• 采样步数：20 步，CFG 引导系数 7
• 画面动态效果：仅轻微眨眼、发丝飘动、缓慢镜头推拉，不做大幅度动作，减少画面崩坏

3. Python 脚本批量渲染全部分镜短片

新建batch_render.py，运行后自动读取分镜文件，批量生成每一段漫剧短片：

python

运行

import requests
import json
COMFY_SERVER = "http://127.0.0.1:8188/prompt"
# 读取之前生成的分镜脚本
with open("comic_scene.json", "r", encoding="utf-8") as f:
    scene_list = json.load(f)
# 基础渲染参数模板
base_workflow = {
    "prompt_text": "",
    "neg_text": "模糊、低画质、五官扭曲、多余手指、水印、畸形人体",
    "width": 720,
    "height": 1280,
    "sample_step": 20,
    "cfg": 7
}
# 循环批量生成所有镜头视频
for item in scene_list:
    base_workflow["prompt_text"] = item["正向画面描述"]
    res = requests.post(COMFY_SERVER, json=base_workflow)
    print(f"第{item['镜号']}个镜头渲染完成")
print("所有漫剧分镜短片全部生成完毕！")

六、本地配音 + 成片自动合成

1. 本地语音模型下载

终端执行指令拉取 Qwen3-TTS 语音模型，支持多角色音色，人声自然无机械感：

cmd

ollama pull qwen3-tts:latest

2. FFmpeg 一键拼接成片脚本

新建文本文件改名为merge.bat，粘贴下面代码，双击运行就能合并所有短片、音频、字幕生成完整漫剧：

bat

@echo off
ffmpeg -f concat -safe 0 -i filelist.txt -c copy final_comic.mp4
echo 完整漫剧视频合成结束，文件名为final_comic.mp4
pause

配套filelist.txt写法示例，按播放顺序填写短片文件名：

plaintext

file 'scene_01.mp4'
file 'scene_02.mp4'
file 'scene_03.mp4'

七、8G 显存设备必看优化技巧（解决绝大多数报错）

1. 绘图、视频模型全部选用 GGUF 量化压缩版本，原版大模型显存占用翻倍，极易崩溃
2. 不要同时加载多个 ControlNet 插件，仅保留 OpenPose 骨骼控制即可
3. 关闭 ComfyUI 实时画面预览窗口，大幅降低显卡瞬时显存占用
4. 视频生成不要盲目加高分辨率、帧数，720×1280、16 帧以内是稳定阈值
5. IP-Adapter 人脸权重严格控制在 0.6~0.75 区间，平衡角色统一度和动作灵活度
6. 批量渲染设置逐镜生成，关闭并行多任务队列，防止同时加载多个模型爆显存

八、整套自动化流程梳理

1. 运行分镜 Python 脚本 → 本地 AI 生成规范漫剧镜头脚本
2. ComfyUI 导入角色人设参考图 → 批量渲染统一画风静态分镜图
3. LTX2.3 模型把静态图片转为微动漫剧短片
4. Qwen3-TTS 本地生成对应角色配音音频
5. FFmpeg 脚本一键拼接所有片段，输出带音频完整漫剧成片 整套操作全程离线本地完成，没有额外收费，支持无限批量连载漫剧制作。