AI 漫剧从零到一：角色设定、场景构建与分镜编排

上周有位学员小林私信我，他花了整整三天用 Midjourney 生成角色图，结果所有角色表情僵硬、服装细节混乱——女主角的裙摆在第一帧是红色，第三帧变成了蓝色；男主角的剑在特写镜头里消失了。他发来截图时，我一眼就看出问题：没有建立角色一致性系统，也没有用分镜逻辑反推视觉设计。

这不是个例。80%的AI漫剧新手都卡在“每张图很惊艳，连起来像拼贴画”的阶段。今天我会用两个完整案例，带你把角色、场景、分镜三个模块串起来，用 ComfyUI + Stable Diffusion 3.5 和 Midjourney v6 完成一套可落地的漫剧工作流。

—

一、角色设定：用“三锚点法”锁定视觉一致性

许多教程教你把角色描述写进提示词就完事，这恰恰是混乱的根源。AI模型对“一个穿红裙的黑发少女”每次生成都会不同——刘海弧度、瞳孔颜色、衣领褶皱全在随机漂移。

我的做法是“三锚点法”：

1. 锚点一：角色特征卡（硬约束）
在 ComfyUI 中加载 ControlNet 的 IP-Adapter 模块，用一张参考图锁定发型、脸型、服装结构。参数设置：
– 模型：`ip-adapter-faceid-plusv2_sd15.bin`
– 权重：0.8（太高会复制背景，太低会丢失特征）
– 触发时机：第5步开始介入（避免前期构图被过度约束）

2. 锚点二：动态提示词模板（软约束）
将角色特征写成固定前缀，每次生成时只修改动作和表情。例如：

   [角色模板] A young woman with waist-length black hair, red qipao with gold embroidery, jade earrings, pale skin, determined expression, [动作描述]，[场景描述]，cinematic lighting, 8k, --ar 16:9
   

3. 锚点三：表情库预生成
用 Midjourney v6 的 `–style raw` 参数生成同一角色的 12 种表情（喜、怒、哀、惊、思、疑等），保存为种子图。后续分镜中遇到情绪变化，直接调用对应种子图做图生图，而不是重新写提示词。

实操案例：古风仙侠女主“青璃”

• 第一步：用 Midjourney v6 生成初始形象图：

`/imagine prompt: Anime style female warrior, long blue hair, white hanfu with cloud patterns, golden eyes, serious expression, full body shot, –ar 3:4 –v 6.0`

`[角色模板] 青璃，手持长剑，侧身站立，衣袂飘动，竹林背景，动态模糊，–ar 16:9`

—

二、场景构建：从“写提示词”升级到“搭积木”

很多学员喜欢写“一个华丽的宫殿”，结果生成的是金碧辉煌但空无一物的大厅——没有人物活动空间，没有镜头调度可能。正确做法是：把场景拆解为可复用的功能模块。

场景构建三要素：

| 模块类型 | 功能 | 生成工具 | 参数要点 |
|———|——|———|———|
| 底图层 | 空间结构（房间/街道/自然） | Midjourney v6 | `–no people, furniture` 排除干扰 |
| 道具层 | 可交互物体（桌椅/武器/法器） | DALL-E 3 | 单独生成，用 `–background transparent` 抠图 |
| 氛围层 | 光线、天气、粒子特效 | ComfyUI + AnimateDiff | 用 LoRA 控制雨雪/火焰/光晕 |

实操案例：仙侠世界“天机阁”大殿
1. 生成底图：
`/imagine prompt: Ancient Chinese palace interior, towering pillars with dragon carvings, jade floor, misty atmosphere, empty, cinematic wide shot, –ar 16:9 –v 6.0`
2. 生成道具：
`/imagine prompt: Floating orb of blue energy, glowing, surrounded by runes, isolated on white background, –ar 1:1 –v 6.0`
3. 在 ComfyUI 中合成：
– 用 Image Composite 节点将道具叠加到底图
– 用 ControlNet Depth 节点保持透视一致
– 添加 Gaussian Blur 模拟景深

4. 氛围增强：
加载 AnimateDiff 的 `v3_sd15_adapter.ckpt`，添加飘浮的粒子效果，参数：
– 运动强度：0.4
– 粒子密度：0.6
– 颜色：`#87CEEB`（天蓝色）

—

三、分镜编排：用“动作链”替代“单帧堆砌”

分镜最大的坑是“想到哪画到哪”。学员小林的另一问题：角色在 A 帧向左看，B 帧向右看，C 帧又回到左边——镜头跳轴导致观众眩晕。

分镜编排核心原则：180度法则 + 动作连续性

操作步骤：

1. 绘制分镜脚本（手绘/文字）
用 Excalidraw 或 Procreate 画出关键帧草图，标注镜头运动方向。例如一段打斗戏：
– 帧1：中景，男主从右向左挥剑（镜头在右侧）
– 帧2：特写，剑刃碰撞火花（镜头保持右侧）
– 帧3：全景，两人交换位置（镜头切换到左侧）

2. 用 ComfyUI 的 Batch Processing 批量生成
– 创建 Workflow：Load Checkpoint（SDXL）→ IP-Adapter（角色锚点）→ KSampler（步数25，CFG 7）→ VAEDecode
– 在 Prompt 节点中，用 `[frame1], [frame2], [frame3]` 替换动作描述
– 将 batch_size 设为3，一次性输出连续帧

3. 后期微调
用 CapCut 或 Premiere Pro 导入序列帧，检查：
– 角色位置是否跳跃（用时间轴上的位置跟踪）
– 光线方向是否一致（用 Lumetri Color 的色温工具）
– 道具是否消失（逐帧检查，缺失的用 Photoshop 补帧）

实操案例：3秒打斗片段（12帧）

  [角色模板] 青璃，[动作]，
  [场景模板] 天机阁大殿，
  cinematic, motion blur, --ar 16:9 --v 6.0
  

`frame1: 拔剑，frame2: 前冲，frame3: 格挡，frame4: 反击…`

—

总结与进阶建议

这套工作流的本质是 “控制变量法”——把角色、场景、动作拆成独立变量，每次只改变一个维度。当你发现角色表情不对，就检查 IP-Adapter 权重；当场景透视扭曲，就调整 ControlNet Depth 的预处理方式。

进阶建议：
1. 建立自己的“素材银行”：按角色、场景、道具分类，用 Notion 或 Eagle 管理种子图和参数
2. 学习 ComfyUI 的 `Logic Nodes`，用条件判断实现“如果角色受伤，自动调用流血特效”
3. 关注 Stability AI 的官方 Discord，每周有 ComfyUI 工作流竞赛，可以抄作业

—

常见问题 FAQ

Q1：为什么我用 IP-Adapter 后角色脸还是崩？
A：检查参考图分辨率是否低于 512×512？IP-Adapter 对低质量图会丢失细节。建议用 Topaz Gigapixel 将参考图放大到 1024×1024 再输入。另外权重不要超过 0.9，否则会复制参考图的背景纹理。

Q2：分镜生成后角色衣服颜色变了怎么办？
A：在提示词中把衣服颜色从“红色”改为“深红色 (#8B0000)”，用 Hex 色号锁定。同时在 ComfyUI 的 CLIP Text Encode 节点中，开启 `color_fix` 插件（需额外安装）。

Q3：场景里的人物太多，AI 生成后互相重叠？
A：用 ControlNet 的 OpenPose 模块先画出人物骨架位置，再生成。具体操作：在 Photoshop 中画几个火柴人，导入 ControlNet 的 Pose 模型，生成时会严格遵循骨架位置。

Q4：Midjourney v6 和 ComfyUI 怎么配合最省时间？
A：用 Midjourney 生成关键帧（每5-10帧一张），其余过渡帧用 ComfyUI 的 Frame Interpolation（RIFE 模型）自动补帧。Midjourney 负责“创意”，ComfyUI 负责“量产”。

Q5：我的显卡只有 8GB VRAM，能跑这套工作流吗？
A：可以。在 ComfyUI 中开启 `–lowvram` 模式，将 batch_size 设为1，使用 SD 1.5 模型而非 SDXL。角色锚点用 IP-Adapter 的轻量版 `ip-adapter-faceid-plusv2_sd15.bin`（约 300MB）。