在 AI 漫剧创作中真正难的不是把脚本写出来而是把脚本分镜变成连续画面。MinimaxH3 是当前视频生成模型里常被集成进 ComfyUI 工作流的代表性选择它可以根据提示词直接生成短视频片段适合作为漫剧分镜素材。ComfyUI 的作用是把这类型模型变成可视化、可调参、可复用的节点图让“二次元角色在雨夜回头”“男主推开门看见光”这类描述一步步变成真正可剪辑的视频片段。本文会带你走完从环境准备、节点安装、工作流搭建、参数调优到错误排查的完整链路。最终目标是你本地能跑通一个最小可用的 AI 漫剧视频生成工作流后续只要换提示词、换种子就能连续产出新的分镜素材而不是停留在“看过教程还是装不起来”的状态。这套组合对两类人最有用。一类是做漫剧短视频的内容创作者想用更低的成本产出镜头素材另一类是刚接触 ComfyUI 的开发者希望通过一个真实项目理解节点式工作流、模型加载、采样参数和批量调用之间的关系。本文不承诺“一键变现”也不会把生成结果吹成成品而是聚焦怎么把环境搭对、怎么让工作流稳定出片、怎么在报错时找到问题。1. 先弄清 MinimaxH3 和 ComfyUI 到底在漫剧流程中做什么1.1 视频生成模型如何参与漫剧制作漫剧和传统动画不同它通常不依赖完整动画管线而是用“分镜 连续画面 配音字幕”的方式讲故事。传统流程里一个镜头需要绘制角色、场景、动态效果成本高、周期长。视频生成模型介入后创作者可以直接用文字描述一个镜头让模型生成短视频片段再把这些片段按分镜顺序组装起来。MinimaxH3 在这条链路里承担的是“文本到视频”或“首帧图到视频”的生成任务。你可以把它理解成输入一句镜头描述模型输出几秒钟的动态画面。由于视频生成模型通常对显存和计算力要求较高它不适合像普通图片模型那样随意尝试必须把参数、提示词、输出格式都提前设计好。这也是为什么需要 ComfyUI 这类工作流工具来承载。一个容易误解的地方是MinimaxH3 不会直接生成“一整集漫剧”。它生成的是镜头素材比如一个角色走路的 3 秒片段或者一段雨夜街头的空镜。真正的漫剧成品还需要剪辑、字幕、配音和节奏控制。社区里常说的“AI 漫剧生成器”本质是把模型生成能力、分镜脚本和后期流程组合起来的一整套工作方式。1.2 为什么选 ComfyUI 作为工作流编排工具ComfyUI 是一个基于节点的图形化界面适合把复杂的模型调用拆成一个个可视节点。和命令行调用模型相比它有几点明显优势每个步骤都能看到输入输出模型加载、提示词编码、采样、解码整个过程都在一张图里。参数调整后可以立即重跑不用反复改脚本。工作流可以导出为 JSON 文件分享给别人后导入即可复用。支持通过 API 方式批量提交任务适合生产环境做自动化。不过要注意ComfyUI 本身不等于模型。它只是一个容器真正能否生成 MinimaxH3 视频取决于是否安装了对应自定义节点以及是否下载了模型权重。很多人第一次失败不是因为 ComfyUI 使用不对而是缺少了中间的自定义节点层。1.3 漫剧生成工作流的整体链路一个可落地的 AI 漫剧视频生成流程可以拆成六个环节写分镜脚本把剧情拆成镜头每个镜头包含景别、人物动作、环境、情绪。整理提示词把分镜描述翻译成模型能理解的提示词必要时加入风格词和负向提示词。加载模型在 ComfyUI 工作流中加载 MinimaxH3 模型权重。设置画面参数分辨率、帧数、步数、CFG、种子等。生成视频片段运行工作流输出 MP4 或帧序列。后期组装把多个镜头按顺序剪辑加入字幕、配音和转场。从这六个环节可以看出ComfyUI 工作流主要覆盖第 3 到第 5 步但它直接影响前两步能否落地。如果你的工作流搭得稳定批量生成分镜就会变成“改提示词、改种子、点运行”的重复操作这也是“生成器”这个概念在漫剧场景里的真正含义。2. 本地部署 MinimaxH3 前先核对硬件和软件版本2.1 硬件要求显存决定你能生成多长的视频视频生成比图像生成更吃显存因为模型不仅要在空间维度上生成画面还要在时间维度上保持一致性。以 MinimaxH3 为例如果显存不足最容易出现的现象是“CUDA out of memory”也就是生成到一半直接报错。下面是一份可参考的硬件要求表实际表现会因模型权重版本、节点实现和视频分辨率不同而变化使用场景GPU 建议显存建议内存建议能做什么入门学习NVIDIA GTX 1660 Super / RTX 2060 以上6GB-8GB16GB生成低分辨率、几秒钟短视频片段推荐实践NVIDIA RTX 3060 12GB / RTX 4070 以上12GB-24GB32GB生成 720P 级别短视频批量产出分镜批量生产NVIDIA RTX 4090 / A5000 等24GB 以上64GB长时间多任务队列稳定输出判断显存是否够用不能只看显卡型号数字还要看生成视频的分辨率和帧数。相同模型下512x896分辨率比1280x720更容易跑通。如果你是第一次部署建议先用小分辨率验证完整链路再逐步提高分辨率。2.2 软件环境Python、CUDA、PyTorch 和整合包的选择本地部署 MinimaxH3 工作流软件环境至少要满足以下条件软件建议版本检查方式Python3.10 或 3.11python --versionCUDA Driver11.8 或更高nvidia-smiPyTorch2.x 并带 CUDA 支持pip show torchComfyUI最新稳定版启动界面版本号Windows 用户通常会选择“秋叶一键整合包”这类社区打包版本它已经把 Python 环境、ComfyUI 本体和常用依赖打包好省去手动配置 Python 虚拟环境的步骤。使用整合包时要注意一点它内部通常自带一个python_embeded目录安装 Python 依赖时必须使用这个内置 Python而不是系统全局 Python。Linux 用户建议手动安装流程更灵活也更容易排查问题。安装 ComfyUI 本体后启动前先确认 PyTorch 能使用 GPU。命令行里执行下面这段检查python -c import torch; print(torch.__version__, torch.cuda.is_available())如果输出True说明 CUDA 可用。如果输出False说明 PyTorch 安装成了 CPU 版本后面跑视频生成会非常慢。2.3 下载 MinimaxH3 模型权重并放到正确目录ComfyUI 能加载模型前提是模型权重文件已经放到它认识的目录里。MinimaxH3 的权重可以从模型仓库页面下载常见国内渠道包括 ModelScope 魔搭社区等。下载前要确认两个信息一是模型是否支持 ComfyUI 自定义节点加载二是权重文件格式是否与节点要求一致。下载完成后文件应该放到ComfyUI/models下的对应目录常见有两种情况如果节点按diffusion_models方式加载把权重放到ComfyUI/models/diffusion_models。如果节点按checkpoints方式加载把权重放到ComfyUI/models/checkpoints。以典型 ComfyUI 目录结构为例ComfyUI/ ├── models/ │ ├── checkpoints/ │ ├── diffusion_models/ │ ├── vae/ │ └── video/ ├── custom_nodes/ │ ├── ComfyUI-Manager/ │ └── ComfyUI-MinimaxH3/ ├── output/ └── main.py需要注意不要直接把模型文件放在中文路径或者带空格的目录下部分节点对文件路径处理不够健壮可能会报找不到文件。下载完成后还要检查文件大小是否和页面描述一致如果下载中断导致文件不完整加载时通常会在节点上直接报错。3. 处理缺失节点和“请安装缺失的包以使用此工作流”这类依赖问题3.1 典型现象工作流节点变成红色从别人那里拿到一个.json工作流文件后拖入 ComfyUI 界面最常见的现象是部分节点显示为红色同时界面提示类似下面的信息请安装缺失的包以使用此工作流。 要安装缺失的节点请先在你的 python 环境中运行 pip install 依赖包名称出现这个提示说明工作流 JSON 里的节点类型在当前环境里没有对应实现。ComfyUI 不认识这个节点自然无法执行。鼠标悬停在红色节点上通常会显示缺失的节点类型名例如LoadMinimaxH3Model、MinimaxH3Sampler等。3.2 通过 ComfyUI Manager 安装缺失自定义节点最省事的方式是安装 ComfyUI Manager。它是一个自定义节点管理器可以扫描当前工作流缺少哪些节点并引导安装。安装 ComfyUI Manager 的常见步骤cd ComfyUI/custom_nodes git clone https://github.com/ltdrdata/ComfyUI-Manager.git cd ComfyUI-Manager pip install -r requirements.txt安装完成后重启 ComfyUI在界面右侧会出现 Manager 相关入口。接着打开工作流进入 Manager 面板选择“Install Missing Custom Nodes”它会列出缺失节点确认后自动下载安装。如果你的网络环境无法直接访问 GitHub也有替代方式把仓库链接换成国内可访问的镜像地址或者手动下载压缩包后解压到custom_nodes目录。重点是最终目录结构必须是一个包含该节点 Python 脚本和requirements.txt的文件夹。3.3 手动安装 MinimaxH3 相关节点和 Python 依赖当 Manager 无法自动处理时需要手动安装。先进入custom_nodes目录把对应节点仓库克隆下来cd ComfyUI/custom_nodes git clone https://github.com/你的仓库地址/ComfyUI-MinimaxH3.git cd ComfyUI-MinimaxH3克隆完节点源码后必须安装它的 Python 依赖。很多节点包的目录下会有一个requirements.txt文件里面规定了依赖库和版本。Linux 环境下直接执行pip install -r requirements.txtWindows 整合包环境下不要使用系统 Python要使用整合包内置的 Python。如果整合包路径是D:\ComfyUI-aki命令类似D:\ComfyUI-aki\python_embeded\python.exe -m pip install -r requirements.txt安装完成后重启 ComfyUI。这一步是最容易踩坑的地方节点文件已经在custom_nodes里了但依赖没有装到 ComfyUI 使用的那个 Python 环境里结果界面仍然报错。3.4 依赖问题排查顺序遇到“节点执行错误”时建议按以下顺序排查确认自定义节点文件夹是否存在于custom_nodes目录。确认requirements.txt是否已经安装到 ComfyUI 运行时对应的 Python 环境。查看启动 ComfyUI 时终端日志是否出现 import 错误。在custom_nodes对应的节点目录下手动执行一次 import 测试确认依赖是否完整。确认 PyTorch、Transformers、Diffusers 等基础库版本是否在节点要求的范围内。依赖版本冲突是最隐蔽的问题。比如节点要求diffusers某版本而 ComfyUI 其他节点已经安装了不同版本升级后可能导致其他节点失效。遇到这种情况建议为生产环境单独创建虚拟环境或使用整合包快照功能避免依赖互相污染。4. 从零搭建一个最小可运行的 AI 漫剧视频工作流4.1 最小工作流的节点链路所谓最小工作流是指只保留“从文字提示词到视频文件”这条链路的核心节点。以文本生成视频为例逻辑上包含以下环节加载 MinimaxH3 模型。输入正向提示词。输入负向提示词降低画面崩坏概率。设置采样参数包括分辨率、帧数、步数、CFG、种子。执行采样生成视频潜在表示。VAE 解码把潜在表示转换成可视图像或视频帧。保存为视频文件。实际节点名称会根据你安装的自定义节点不同而变化但逻辑链路基本一致。如果你是第一次操作建议先用别人分享的完整工作流跑通再手动从零添加节点理解每个环节。4.2 初版参数设置第一次跑通工作流不建议直接追求高分辨率。建议使用下面这组相对保守的参数参数建议值说明分辨率512x896 或 576x1024竖屏更贴近漫剧短视频场景帧数8-16 帧大约 1-3 秒取决于设置的帧率采样步数20-30步数越高细节越多但耗时越长CFG4-7控制提示词影响强度种子随机固定种子可以复现同一画面Batch Size1显卡不够时不要一次生成多段这组参数的目标是让工作流能在有限显存下跑完。如果你的显卡显存较大可以后续逐步把分辨率调到 720P 或更高。4.3 导入工作流文件并选择模型如果你拿到的是.json工作流文件直接把它拖入 ComfyUI 浏览器界面即可。ComfyUI 会自动展开节点图但很多节点会处于未配置状态。启动工作流前需要检查以下几点模型加载节点是否已经指向正确的权重文件路径。提示词节点里是否有残留的旧内容。保存视频的输出路径是否存在。节点之间是否有断开的连线。确认无误后在工作流界面右上角点击“Queue Prompt”按钮。这时候如果一切正常底部会显示生成进度最终输出文件会出现在ComfyUI/output目录下。4.4 预期运行结果正常情况下ComfyUI 界面上的节点会经历从红色等待态到正常执行态的过程控制台会输出采样进度百分比。最终在输出目录中会得到一个视频文件用播放器打开可以看到对应提示词内容的短片段。如果模型只输出一帧帧的图片而不是一个完整视频文件说明工作流里缺少“保存视频”节点或者当前模型/节点只支持帧序列输出。这种情况下可以先用帧序列保存再用 FFmpeg 合并成视频ffmpeg -framerate 8 -i frame_%05d.png -c:v libx264 -pix_fmt yuv420p output.mp4-framerate 8表示每秒播放 8 帧-c:v libx264使用 H.264 编码-pix_fmt yuv420p是为了兼容大多数播放器。这个命令也适合在 ComfyUI 没有视频输出节点时作为兜底方案。4.5 从“纯文本生成”升级到“首帧图生视频”漫剧制作中最难的是角色一致性。如果每个镜头都用不同随机种子从纯文本生成同一角色很可能长得不一样。解决思路是使用首帧图先让图像模型生成角色设定图再把这张图作为视频生成模型的起始帧引导后续动作保持角色特征。在 ComfyUI 中这通常意味着在文本提示词节点之外还要加入加载图片节点、图像编码节点并把编码结果接入视频生成模型。工作流多了一个“图生视频”分支但核心逻辑仍是“图像特征 文本提示词”共同约束生成结果。5. 关键参数与漫剧效果调优5.1 采样参数对成片的影响很多人在 ComfyUI 中看到一堆参数不知道改哪个。下面这张表可以帮助你理解每个参数的实际影响参数含义常用范围调大影响调小影响CFG图像与提示词的贴合程度4-7更贴提示词但容易过曝、色彩失真更自由但可能偏离描述Steps采样步数20-40细节更丰富耗时更长速度快但画面可能粗糙Seed随机种子任意整数改变画面构图和内容固定后可复现Frames视频帧数8-32视频更长显存占用更大视频更短容易出连贯片段Resolution分辨率576x1024 等更清晰显存压力大更模糊容易跑通对漫剧来说最值得优先调整的是 CFG 和种子。CFG 太高会让画面像“塑料感”一样生硬太低又容易生成和提示词无关的内容。建议每次完整生成一个镜头后只改一个参数保留其他参数这样能清楚看到哪个参数影响了什么。5.2 漫剧分镜提示词的结构化写法提示词的质量直接决定漫剧画面的下限。只写“一个男孩在雨里”虽然也能生成但结果不可控。更推荐按以下结构组织分镜提示词镜头景别medium shot、close-up、wide shot。主体动作角色在做什么。环境和道具背景、天气、光线。画面风格comic style、anime style、电影感。氛围词dark、rainy、moody。画幅信息16:9 或 9:16。一个漫剧雨夜分镜示例medium shot, a young man in a white coat standing in the rain, rain drops falling, dark street with neon lights, comic style, dynamic lighting, cinematic composition, motion blur, 16:9如果模型支持中文提示词也可以写成中文但要保证风格词尽量保留英文或固定短语因为很多模型训练数据对英文风格词更敏感。把常用风格词整理成固定短语比如comic style、anime style、dark fantasy每次复制到提示词里可以明显提高风格一致性。5.3 保持角色和镜头风格一致以下几个技巧在漫剧批量生产中非常有用为每个角色准备固定描述文本每次生成都放在提示词同一位置。对同一个角色首帧图保持一致。同一段连续性动作固定种子并在小范围内调整提示词。负向提示词统一设置避免低质量画面反复出现。负向提示词示例blurry, low quality, deformed face, extra fingers, bad anatomy, watermark, text负向提示词并不是万能药但可以显著抑制明显画崩的现象。漫剧通常需要多镜头角色一致性不可能只靠一个提示词解决生产环境中建议维护一套“角色卡片”包含角色外貌、服装、发型等固定描述。5.4 把常用提示词和参数沉淀成模板当你测试出一组有效的提示词和参数后不要只留在 ComfyUI 界面里。可以把它们整理成一个模板文件方便后续复用character: name: young man appearance: white coat, black hair, sharp eyes scene: weather: rainy night location: neon street style: general: comic style, dynamic lighting negative: blurry, low quality, deformed face params: width: 576 height: 1024 frames: 16 steps: 25 cfg: 6 seed: 1001这样的模板既可以用在 ComfyUI 手动复制也可以通过脚本读取后批量生成提示词。当镜头数量增加到几十个时模板化管理会明显降低出片的不确定性。6. 运行验证与常见错误排查6.1 一个镜头跑通后如何确认结果可靠工作流跑通不等于结果可靠。建议按以下清单验证节点全部处于正常状态没有红色报错。输出目录中有对应视频文件文件大小不为 0。视频可以正常播放画面没有大面积花屏或黑屏。画面内容与提示词明显相关而不是完全随机。连续生成两次相同种子结果一致的概率较高。如果以上任何一项不满足都不要急着批量生成否则会把错误复制到大量输出里。先回到单次生成把问题解决。6.2 常见错误现象和处理方案下面整理了几类与 MinimaxH3 ComfyUI 工作流强相关的典型错误错误现象常见原因检查方式处理建议node 红色提示缺失自定义节点工作流包含未安装节点打开 Manager 查看缺失列表安装缺失节点并重启ModuleNotFoundError节点依赖未安装到正确 Python 环境查看启动日志用 ComfyUI 内置 Python 安装 requirementsCUDA out of memory分辨率、帧数或 batch size 设置过高查看显卡占用和报错日志降低参数单 batch 生成模型加载失败权重文件路径错误或文件下载不完整检查 models 目录和文件大小重新下载确认目录视频画面闪烁、角色崩坏CFG 过高帧间一致性不够对比多个 CFG 值调低 CFG固定种子使用首帧图输出屏是纯黑或花屏VAE 节点缺失或模型不匹配检查节点类型和 VAE 文件加载匹配 VAE重新执行6.3 学会看 ComfyUI error report当节点执行出错时ComfyUI 会把错误信息以报告形式展示出来。典型结构如下Node type: LoadMinimaxH3Model Exception: FileNotFoundError Details: checkpoint file not found看这类报告时先看两个信息节点类型和异常类型。节点类型告诉你错在哪个环节异常类型告诉你具体问题。比如FileNotFoundError基本可以确定是路径或文件问题RuntimeError: CUDA out of memory是显存问题AttributeError通常是节点代码不兼容或依赖版本错误。不要盯着完整堆栈的末尾看而是从第一行找到“节点类型”和“异常描述”。把这两个信息复制到节点文档或工作流分享页面通常能快速找到解决方案。6.4 从报错到预防建立可复现的生成环境排错之后更值得做的是防止同类问题反复出现。推荐几个预防习惯每次工作流改动前先导出 JSON 备份。安装节点和依赖后重启 ComfyUI 验证一次再继续。批量任务前先用单条 prompt 小分辨率跑通。记录稳定参数组合不要随意临时调整。留意模型权重的保存位置和文件大小避免误被清理或覆盖。对生产环境还要在生成任务前后记录日志包括使用的节点、参数、输出路径和耗时。这样一旦某个镜头出问题可以快速回看是哪一次任务、哪些参数导致的结果。7. 从最小工作流到批量漫剧生产不同环境怎么做7.1 学习环境与生产环境的差异同样一套工作流学习环境和生产环境关注点完全不同对比项学习环境生产环境运行方式手动点击 Queue Prompt通过 API 批量提交分辨率尽可能小跑通为主根据目标平台选择合适分辨率输出管理手动查看 output 目录自动命名、分目录归档错误处理报错后手动修需要重试、跳过和告警参数管理随意调整固定模板变更留痕内容审核不重要每批结果需要检查如果你只是学习最小工作流跑通就够了。如果要稳定产出漫剧分镜建议尽早把工作流导出为 API 格式用代码管理批量任务。7.2 使用 ComfyUI API 批量提交生成任务ComfyUI 提供了一套简单的 HTTP API。先把工作流导出为 API 格式 JSON然后通过/prompt接口提交任务。下面是一个最小提交示例import json import urllib.request def queue_prompt(prompt_json, server_address127.0.0.1:8188): data json.dumps({prompt: prompt_json}).encode(utf-8) req urllib.request.Request( fhttp://{server_address}/prompt, datadata, headers{Content-Type: application/json} ) with urllib.request.urlopen(req) as resp: return json.loads(resp.read())这段代码会把一个工作流 JSON 提交到本地 ComfyUI。实际使用时需要把工作流中的提示词节点和种子节点替换成当前分镜的值例如在循环中读取不同的分镜脚本。批量任务建议一次只提交少量任务避免显存压力和输出路径混乱。7.3 批量生成漫剧分镜的流程建议从一批分镜脚本到最终素材推荐按下面顺序执行把分镜脚本整理成结构化表格包含场景、角色、动作、镜头、提示词。把表格中的提示词字段和种子字段读取出来生成多条工作流请求。用单条请求先验证一个镜头。验证通过后再批量提交。每个输出文件按镜头编号命名方便后续剪辑。输出文件命名示例scene_001_seed1001.mp4 scene_002_seed1002.mp4这样生成的素材在剪辑软件里很容易排序。如果某一个镜头生成结果不满意只需要重新运行该镜头对应的请求不需要把整批任务重跑。7.4 可复用的部署检查清单部署到新电脑或新环境时不要凭记忆一步步操作建议对照下面这份清单逐项确认确认 CUDA 驱动可用nvidia-smi正常。确认 Python 版本为 3.10 或 3.11。确认 PyTorch 已安装且cuda.is_available()为 True。确认 ComfyUI 能正常启动并访问127.0.0.1:8188。确认 ComfyUI Manager 已安装。确认 MinimaxH3 模型权重已下载并放到正确目录。确认 MinimaxH3 自定义节点已克隆到custom_nodes。确认节点依赖已通过 ComfyUI 内置 Python 安装。确认工作流 JSON 导入后没有红色节点。确认输出目录有写入权限磁盘空间充足。这套清单同样适用于从学习环境迁移到生产服务器。先跑通清单再跑业务任务可以避免大量基础环境报错。回到最核心的判断MinimaxH3 和 ComfyUI 的组合确实能降低漫剧分镜素材的制作门槛但它不是“装好就自动出片”的黑盒。真正决定成品质量的是环境是否统一、模型权重是否完整、参数是否稳定、工作流是否可复现。先花一个晚上跑通最小工作流把节点依赖、模型路径和参数含义都验证一遍然后再开始批量生成。下一步值得练习的方向是用 API 方式批量提交不同镜头的提示词把生成链路和视频剪辑流程串起来。ComfyUI 在这条链路上只是中间一环但它是目前最值得先掌握的一环。