简介这是一份面向 ComfyUI 使用者的图像生成工作流资源核心是针对剧情分镜场景的“多角度图生图”结合 QwenImageEdit 模型能力帮助创作者从单一参考图出发生成多个视角的连贯画面。压缩包采用 rar 格式体积仅 12KB内含一个 JSON 工作流文件无需安装额外依赖即可导入 ComfyUI 直接运行适合 AI 绘画爱好者、短视频团队和漫画/影视分镜设计者使用。目前已有 595 人学习/下载表明该配置在小范围 ComfyUI 社区中具备一定参考价值和实用性。借助这份工作流可省去从零搭建节点图表的步骤快速了解 QwenImageEdit 在分镜生成中的调用方式也能作为模板替换提示词、微调参数适配不同剧情脚本辅助生成更稳定的多角度分镜素材。整体而言这套小体积资源兼具实用性与学习价值适合需要快速产出多视角分镜参考的创作者也可作为后续二次开发与流程定制的简洁起点。1. ComfyUIQwenImageEdit多角度剧情分镜图生图的正确打开方式做多角度剧情分镜图生图最折磨人的不是想不出镜头而是同一个角色在第3页到第10页长成了两个人。换角度、换景别、换机位每次重画都像一次仿生人换脸。ComfyUI 加 QwenImageEdit 的组合正好把这件事变成一条可复用的图生图流水线一张参考图喂进去多角度剧情分镜一张接一张出来脸型、发型、服装细节锁定在同一个基准上。这套方案适合漫画主笔、短剧分镜师、游戏过场美术也适合所有需要批量出分镜的个人创作者。工作流怎么搭、参考图怎么备、批量生产怎么控以及我踩过的几个坑下面按落地顺序讲清楚。2. ComfyUI 与 QwenImageEdit 选型分镜生产为什么需要这套组合2.1 节点式工作流才是批量分镜的骨架先立一个概念ComfyUI 是节点式工作流不是单张抽卡工具。它的核心优势在于把加载模型、输入图像、写提示词、出图、保存拆成可连接的节点调好一次之后整套连接关系可以保存成工作流 JSON后面换分支、换参数就能批量复用。多角度剧情分镜的特点是同一角色、多种机位、连续剧情本质是同一套节点在不同提示词和不同参考图之间循环。这个需求在 ComfyUI 里是顺水推舟在 WebUI 里却要反复进同一套界面手动改参数几十张分镜改下来错一个数值就得重来效率差太多。QwenImageEdit 是 Qwen 系的多模态图像编辑模型跟标签驱动的图生图模型相比中文指令理解有明显的优势。分镜表里写的「微微仰视的中景画面带一点黄昏氛围」可以直接进提示词不用翻译成英文标签。做剧情分镜的人会特别受用这一点因为分镜描述本身就是叙事语言不是标签语言一句话里同时有动作、情绪、景别和光线用自然语言描述比堆 tag 准确得多。这两个东西合在一起之后ComfyUI 提供批量生产骨架QwenImageEdit 提供中文叙事理解正好接住分镜生产的两块硬需求。这也是我这套工作流里始终没有换成别的工具组合的原因。在安装上最常见的方式是打开 ComfyUI-Manager搜索 QwenImageEdit 对应的自定义节点一键安装。用秋叶一键整合包的话更省事Manager 里直接搜省去了手动配 Python 环境和 torch 版本的功夫。模型权重下载后放进 models/checkpoints刷新节点列表就能看到。这类节点更新快ComfyUI 插件生态的版本差异也很大不要死记网上的某个仓库地址以你打开 Manager 时能搜到的版本为准。2.2 最小工作流从一张参考图跑出第一张分镜先搭一个能跑起来的最小工作流后面所有批量能力都在它上面加。节点链路是 CheckpointLoaderSimple → LoadImage → QwenImageEdit → VAEDecode → SaveImage。在界面里连好线之后导出工作流 JSON核心段长这样{ 1: { class_type: CheckpointLoaderSimple, inputs: { ckpt_name: qwen_image_edit.safetensors } }, 2: { class_type: LoadImage, inputs: { image: ref_character.png } }, 3: { class_type: QwenImageEdit, inputs: { image: [2, 0], prompt: 把这张角色参考图改为仰视中景机位放在角色左前方背景是夜晚街道角色抬头看路灯, image_strength: 0.75, denoise: 0.45, seed: 42 } }, 4: { class_type: VAEDecode, inputs: { samples: [3, 0] } }, 5: { class_type: SaveImage, inputs: { images: [4, 0], filename_prefix: storyboard_001 } } }这个 JSON 对应界面上的五个节点中间那个 QwenImageEdit 是整套工作流的核心。prompt 不用写英文直接写中文分镜需求image_strength 控制参考图对结果的影响强度0.75 表示保留角色大部分外貌特征同时允许机位变化带来的透视变形denoise 是重绘幅度0.45 意味着在参考图基础上一半程度的重绘太高会丢掉脸型太低则角度变化不明显。seed 固定随机种子这是批量场景里必须养成的习惯如果某张分镜出了满意的效果把种子记到分镜表里重跑能稳定复现同一张。有一点要提前说明QwenImageEdit 这个节点名在不同插件里可能有版本后缀。你不用背 JSON直接在 ComfyUI 界面里点节点就能看到参数名它们跟这里的结构一一对应。第一次跑通后检查三件事出图的人脸还像不像参考图、机位是否真的变了、背景是否符合提示词描述。三个答案里至少有两个是肯定的这个工作流就可以进入批量阶段。如果只有一个是肯定的先调 image_strength 和 denoise不要急着改提示词多数情况是强度配比不对。2.3 免费生图 API 在分镜工作流里的定位做预演不做生产很多新人会问既然有免费生图 API为什么还要本地装 ComfyUI这个问题得分两段看。日常做创意验证、垫图、找参考配色的时候API 确实方便一句话出图不占本地算力。但到了多角度剧情分镜这个任务上API 是黑匣子你控制不了 seed、控制不了图像强度、一次只能出一张、中间状态也不好拆改。把几十行分镜表灌进 API出图手感跟抽卡差不多运气不好就得整批重来。我一般的做法是让 API 和本地 ComfyUI 分工API 负责风格预演和参考图初筛快速判断某个机位值不值得细做真正成批生产时回到本地工作流。举个例子我用免费生图 API 做预演时提示词会模仿 QwenImageEdit 的句式「保持角色特征机位切到右侧中景黄昏光线」。返回的图只需要目测大致构图有没有潜力不要求细节一致。确认这个机位值得做之后才把它写进分镜表交给本地工作流生产。这个习惯帮我省掉了大量无效跑图。如果你的显卡确实带不动高分辨率模型API 可以兜底但要接受它很难锁定角色一致性。多数从业者最后还是会上一张能跑的显卡或者云 GPU把 ComfyUI 装起来因为分镜生产拼的不是单张质量而是整批统一。一次性把 60 格分镜全部交给 API 出图结果是每张都好看、连起来不像同一个人这是图生图工作流里最容易忽略的问题。3. 人物一致性基础参考图选不对后面全是玄学3.1 一套能锁住角色的参考图按三条原则准备多角度剧情分镜的角色一致性七成在参考图三成在参数。我每次准备参考图都按三条原则来。第一四到八张覆盖不同角度和景别。不是说越多越好而是每个关键角度都要有一张正脸、三分之二侧、正侧面、微仰、微俯各来一张。模型只能从参考图里学「这个人在三维空间长什么样」只有一张正面图机位切到侧面时模型的处理方式更像在猜五官比例很容易崩。备齐角度之后正面像和侧面像之间的脸型、眉眼间距就能被模型当作同一组特征约束起来。第二光线统一。不同参考图之间冷暖光源、硬光软光不要混着来。模型判断「这是不是同一个人」的重要线索是脸型和五官结构但光线变化会干扰它尤其肤色和发色在同一色温区间时更容易被识别成同一个人。参考图全部用漫射光环境拍肤色、发色、服装色保持一致后面出图才不会一会儿偏暖一会儿偏冷。第三背景要干净面部不要遮挡。手挡脸、围巾挡下巴这类参考图生成其他角度时会带着遮挡痕迹。全身、半身各备一套服装变化分开建档不要混用。准备参考图时多花二十分钟后面少踩两小时的坑这属于分镜工作流里最该花时间的资产积累。3.2 用 CLIP 特征给参考图打分筛掉低质量图参考图备好之后先用脚本做一次快速体检别直接肉眼凑合。这里用 CLIP 图像特征计算每张参考图和整套图均值之间的相似度分数偏差大的那张就是会影响整体一致性的「问题图」。脚本如下from PIL import Image import torch from transformers import CLIPProcessor, CLIPModel model CLIPModel.from_pretrained(openai/clip-vit-base-patch32) processor CLIPProcessor.from_pretrained(openai/clip-vit-base-patch32) paths [ ref_front.png, ref_left.png, ref_right.png, ref_up.png, ref_down.png ] features [] for p in paths: img Image.open(p).convert(RGB) inputs processor(imagesimg, return_tensorspt) with torch.no_grad(): feat model.get_image_features(**inputs) features.append(feat / feat.norm(dim-1, keepdimTrue)) mean_feat torch.stack(features).mean(dim0) for i, feat in enumerate(features): score (feat * mean_feat).sum().item() print(f{paths[i]}: {score:.4f})这段脚本里CLIP 模型把每张参考图压缩成 512 维特征向量归一化之后做点乘得到的就是余弦相似度区间在 0 到 1 之间。每张图跟整套图的均值向量比较分数明显偏低的那张说明它的风格或视角偏离整体放进图生图容易带偏角色形象。我一般把 0.92 当作分界线低于这个值的直接剔除或替换。这块逻辑除了筛参考图还能用在 ComfyUI 的 CLIP 询问机这类节点上做实时分析不过那是进阶玩法先把手头的图筛干净再说。CLIP 模型可以用 vit-base-patch32也可以换更大版本速度慢一点但特征更准分数值只在这套同一模型的内部比较里有意义不要跨模型直接对比。3.3 参考图张数和 image_strength 的搭配参考图张数不是越少越好也不是越多越好关键在于和 image_strength 配合。我常用的一组对应关系是参考图张数实际效果image_strength 建议1 张出图快改机位容易跑样0.80 ~ 0.9035 张姿态和脸型比较平衡0.70 ~ 0.808 张左右特征稳定但提示词自由度下降0.60 ~ 0.75为什么参考图越多image_strength 反而要调低因为多张参考图本身就给了模型足够的约束它已经知道脸型、发型、服装的稳定特征image_strength 再拉高约束会强到把机位变化也压住动作和角度都显得僵硬。反过来只有一张图时模型手里信息少必须靠高 image_strength 死死拽住特征代价是角度变化也受限。实际批量之前我会用同一张分镜表抽样三组参数各跑一张再决定这一批用哪组。这个步骤看着多花几分钟但能帮你避免 60 张图全部跑偏之后才发现的尴尬。3.4 批量循环里参考图怎么自动切换真正批量跑的时候分镜表里不同行会指向不同的参考图。默认的 LoadImage 节点只能加载一张固定图片如果整批不管参考图切换角色特征会在第 N 张开始乱套。常见做法是给工作流加一个可以从路径读图的 LoadImageFromPath 节点然后由脚本在循环里依次把参考图路径写进工作流再提交。核心逻辑是这样的import csv import json workflow json.load(open(base_workflow.json, encodingutf-8)) with open(storyboard.csv, encodingutf-8) as f: rows list(csv.DictReader(f)) for i, row in enumerate(rows, 1): workflow[2][inputs][image] row[参考图] workflow[3][inputs][prompt] ( f保持{row[参考图]}中角色的长相、发型、服装完全一致 f{row[机位]}{row[景别]}{row[动作]}{row[画面描述]} ) workflow[5][inputs][filename_prefix] fshot_{i:03d} # submit(workflow) 在这里调用本地 ComfyUI 接口逻辑说明每次循环把参考图路径、提示词、输出文件名按行换掉再提交工作流。第几行对应第几张图文件名也按 shot_001、shot_002 排下去输出不会互相覆盖。参数说明shot_{i:03d}里 03d 指的是用三位数字补零保证文件按序号排列如果只写{i}到了 shot_10 会排在 shot_2 前面后期挑图、拼长图都会很难受。4. 批量生产用分镜表驱动多角度剧情分镜4.1 分镜表的数据结构一行一个镜头批量生产的源头是一张分镜表常见做法是用 CSV 承载字段设计如下字段含义示例分镜号每一格画面的唯一编号S01景别远景、中景、近景、特写中景机位平视、仰视、俯视、俯拍仰视角度正面、侧面、斜侧等方位左前45°动作角色的肢体动作抬头看路灯画面描述剧情和氛围信息夜晚街道路灯昏黄参考图该分镜使用的角色参考图文件ref_character.pngseed该分镜想固定的随机种子42对应的 CSV 文件分镜号,景别,机位,角度,动作,画面描述,参考图,seed S01,中景,平视,正脸微侧,低头看手机,室内白天,窗外有雨,ref_character.png,42 S02,中景,仰视,左前45°,抬头看路灯,夜晚街道,路灯昏黄,ref_character.png,42 S03,近景,平视,正脸,哭,深夜卧室,台灯亮,ref_character.png,43字段的意义在于把「镜头语言」和「剧情语言」拆开。景别、机位、角度是镜头语言动作和画面描述是剧情语言两者分列后面生成提示词时才能分块组合模型也不会把镜头词和剧情词混在一起。seed 列是后加进去的效果稳定的分镜直接记种子重跑就是同一张。分镜号则是最容易被忽略的一列没有唯一编号批量脚本里没法定位某一张图对应哪一个镜头出了问题只能整批重跑。4.2 三个必调的参数image_strength、denoise、seed进入批量之前先看三个影响分镜质量的核心参数。image_strength 控制参考图的影响程度denoise 控制重绘幅度seed 控制可复现性。三者的关系不是各自独立而是互相拉扯。场景类型image_strengthdenoise正脸平视近景0.850.35机位大角度切换仰视/俯视0.700.50动作或情绪变化0.750.45正脸平视近景时画面结构简单模型照抄参考图就能完成任务image_strength 可以拉高到 0.85防止五官漂移。机位大角度切换时模型需要重新计算透视关系image_strength 太高会「抄不动作」角度切不过去所以要降到 0.7 左右同时 denoise 给到 0.5。动作和情绪变化属于中间状态0.75 和 0.45 的搭配兼顾了一致性和表达力。注意这组参数是起点不是终点每一批图都要抽样验证。4.3 提示词模板把剧情描述和镜头语言拼成一句话分镜表字段拆开之后生成提示词的逻辑就很固定了。用 Python 脚本把每一行拼成完整提示词import csv with open(storyboard.csv, encodingutf-8) as f: rows list(csv.DictReader(f)) def build_prompt(row): return ( 保持参考图中角色的长相、发型、服装完全一致 f景别{row[景别]}机位{row[机位]}角度{row[角度]} f动作{row[动作]}画面{row[画面描述]} ) prompts [build_prompt(row) for row in rows] print(prompts[0])这段代码没有复杂逻辑但有两个细节值得说明。第一「保持参考图中角色的长相、发型、服装完全一致」必须放在提示词最前面因为在 QwenImageEdit 这类模型中靠前的 token 对整张图的约束力强于靠后的。第二镜头语言和剧情语言用分号分隔模型对「景别、机位、角度、动作、画面」这个结构的解析更稳定不会把「夜晚街道」误当成角色的一部分。4.4 批量提交 ComfyUI API循环、排队、自动出图提示词生成之后批量生产就是把工作流反复提交给本地 ComfyUI 服务。ComfyUI 默认监听 8188 端口/prompt 接口接收工作流 JSON 并排进队列。脚本如下import json import time import urllib.request SERVER http://127.0.0.1:8188 def submit(workflow): payload json.dumps({prompt: workflow}).encode(utf-8) req urllib.request.Request( f{SERVER}/prompt, datapayload, headers{Content-Type: application/json}, ) return urllib.request.urlopen(req).read() with open(base_workflow.json, encodingutf-8) as f: workflow json.load(f) rows load_storyboard(storyboard.csv) for idx, row in enumerate(rows, 1): workflow[2][inputs][image] row[参考图] workflow[3][inputs][prompt] build_prompt(row) seed int(row[seed]) if row[seed] else 42 workflow[3][inputs][seed] seed workflow[5][inputs][filename_prefix] fshot_{idx:03d} submit(workflow) time.sleep(1)逻辑说明脚本按分镜表逐行改写工作流里 LoadImage 的图片路径、QwenImageEdit 的提示词和种子、SaveImage 的输出前缀然后提交到本地队列。ComfyUI 会按顺序执行不需要等一张完成再提交下一张。参数说明sleep(1) 是为了避免本地服务瞬间接收过多请求导致排队异常如果你的工作流很轻可以去掉。要查看是否全部跑完可以请求 /queue 接口看队列剩余数量留空时再统一收图。万一跑出来的某张图明显失败不需要重跑全部直接把那行分镜的 seed 换掉再单独提交一次。批量循环支持按分镜号单独调用所以分镜表的设计才一定要有唯一编号。5. 批量多角度分镜的五个常见问题现象、原因、解决5.1 一换机位人脸就换人现象参考图角色是明显的方脸宽下颌机位切到仰视后出图变成瓜子脸眼睛间距也不对。这是做多角度分镜时最典型的翻车现场。原因机位大幅切换时模型需要重新计算透视关系这个计算过程本身就会改变五官比例。如果 image_strength 偏低或 denoise 偏高模型对参考图特征的约束不够就会「自由发挥」出一张新脸。解决机位大切换时把 image_strength 拉回 0.75 左右denoise 控制在 0.40.45。如果还不行把参考图里对应角度的图也丢进去让模型有「这个角度下他长这样」的直接依据。这算是分镜工作流里最常见的血泪经验。5.2 改动作背景也一起乱改现象提示词写「角色举起左手」出图后角色动作对了但背后窗户位置变了、墙上的画换了。剧情分镜的场景连续性被破坏。原因QwenImageEdit 是全图编辑模型动作、背景都在同一轮重绘里完成。提示词里的动作和画面描述会平等地带起背景重绘尤其背景词里有「夜晚街道」这类强环境信息时模型会顺带重画环境。解决在提示词最前面加「保持参考图背景结构不变」并把背景描述固定成同一个句式。更彻底的做法是分两步先在原参考图上做纯动作重绘再把动作结果跟场景图合成。后一种工作流复杂但适合对场景连续性要求极高的分镜。5.3 提示词写了「保持发型」发型还是变了现象开头写上「保持发型、发色、服装完全一致」出图后发型从短发改成长发衣服的颜色也偏了。这种做法在多数图生图模型里都靠不住。原因模型对「保持」类指令的理解比重绘指令弱「保持××」本质上是否定性指令而这类模型主要响应正向描述。提示词越长靠后的「保持」越容易被稀释。解决别把一致性压力放在文字上把它放在图像上。用 image_strength 控制特征保留把「黑长直」「蓝色衬衫」这类正向描述写在提示词里比写「保持发型」更稳。一致性这活交给图像强约束文字负责表达剧情和动作。5.4 直接出 2K 分辨率显存爆了或细节崩坏现象分镜表里写 1920×1080提交后爆显存任务直接失败勉强跑出来的图人脸细节也崩得没法用。原因QwenImageEdit 这类模型的训练分辨率大多在 1MP约 1024×1024这个档位直接放大两倍模型会失去对细节的把控显存消耗也会成倍增长。解决批量生产统一用基础分辨率跑图比如 1024×1024出图稳定后再挂一个放大节点或者用专门的超分模型把关键分镜放大到 2K。不要在批量循环里直接放大那只会让整批任务变成显存灾难。5.5 批量跑到第 15 张风格开始飘现象前 14 张色调一致第 15 张开始画面突然偏亮、偏暖后面几张越来越跑偏。整批分镜拿给甲方看前一段和后一段像两个项目。原因主要是种子变化带来的随机性累积其次是模型在长时间运行后权重或缓存状态有轻微漂移。批量循环里每张都换 seed出图风格很难完全统一。解决批量循环里固定 seed 基线只在个别分镜里手动换 seed参考图在脚本里统一预处理到同一尺寸和格式减少加载差异跑完一组后重新加载一次模型权重把状态复位。风格飘移这种问题比单张脸歪更隐蔽收图时一定要横向拼起来看。6. 出图后的验证用 CLIP 给整套分镜打分别等交付再后悔6.1 用 CLIP 特征做镜头间的一致性快速校验批量出图之后不要急着交付先跑一遍自动校验。把所有分镜图和参考图做一次 CLIP 特征相似度比较分数直观地告诉你哪些镜头跑偏了。脚本import glob from PIL import Image import torch from transformers import CLIPProcessor, CLIPModel model CLIPModel.from_pretrained(openai/clip-vit-base-patch32) processor CLIPProcessor.from_pretrained(openai/clip-vit-base-patch32) def get_feature(path): image Image.open(path).convert(RGB) inputs processor(imagesimage, return_tensorspt) with torch.no_grad(): feat model.get_image_features(**inputs) return feat / feat.norm(dim-1, keepdimTrue) ref get_feature(ref_character.png) for shot in sorted(glob.glob(output/shot_*.png)): feat get_feature(shot) score (feat * ref).sum().item() print(f{shot}: {score:.4f})逻辑说明参考图特征作为角色锚点每张分镜图跟它做余弦相似度比较。分数在 0.90 以上可以认为是同一个角色0.850.90 需要人工复查低于 0.85 直接重画。参数说明这个阈值不是绝对的不同参考图光照差异会影响基线所以先拿参考图自己跟自己算一遍确定基线分数再下调 0.030.05 作为合格线。跑完自动校验再拼长图做一次肉眼扫查重点看脸型和发型在同视角切换时不要跳变。6.2 拼长图对着分镜表过改完记住更新种子拼长图是我每批必做的操作把所有分镜按顺序拼成一张长图眼睛扫过一遍视角切换的顿挫感很直观。看到不顺眼的分镜直接回分镜表改 seed 或参数重跑改完记得把新 seed 更新进 CSV。这套流程跑顺之后一个 60 格的多角度剧情分镜从参考图准备到收图验证大概半天时间。我不追求第一版全对而是依赖这套一致性与校验体系保证每一版都能稳定落在可接受的范围内。希望这一套思路能帮你省下反复抽卡的时间。本文还有配套的精品资源点击获取