1. 从一本书到一部短剧：这套自动化流程到底在解决什么问题

把一本几十万字的小说丢进去，出来一整套带分镜、带场景、带道具、带配音的短剧剧集——这件事放在两年前还是天方夜谭，现在靠一套搭好的工作流就能跑通。我最近花了大半个月时间，把 AI短剧自动化2.7 这套流程从零跑通了一遍，从整本书的文本拆解，到剧集模式的分集规划，再到场景道具库的建立和实时进度的监控，中间踩的坑比想象中多得多，但跑通之后回头看，整个链路其实非常清晰。

先说清楚这套东西是什么。 AI短剧自动化2.7 本质上是一套围绕 ComfyUI 搭建的短剧生产流水线，核心能力是把长文本（整本小说）自动拆解成剧集结构，然后逐集生成分镜画面、场景素材、道具元素，最后合成可用的短剧视频。它解决的核心痛点是：传统做AI短剧，你得手动切分剧本、手动写每一镜的提示词、手动管理场景一致性、手动盯着生成进度，一个人一天能产出两三集就算不错了。而这套流程把"整本书出短剧"变成了一个可批量、可监控、可复用的工程化过程。

适合谁来参考？三类人最对口。第一类是 个人短剧创作者 ，手里有小说版权或者原创故事，想快速验证短剧化效果；第二类是 小型内容工作室 ，需要把产能从"手工打磨"提升到"流水线产出"；第三类是 ComfyUI 工作流玩家 ，想研究复杂工作流怎么组织、节点怎么串联、进度怎么监控。如果你连 ComfyUI 都没装过，建议先去看基础的安装教程，这篇更偏向"已经能跑通单张图，现在要上批量生产"的阶段。

关键词里提到的 MiniMaxH3 、 Flux 、 ComfyUI 是这套流程的三大技术支柱。Flux 负责高质量画面生成，MiniMaxH3 负责视频生成和导演台控制，ComfyUI 则是整个工作流的调度中枢。下面我会把这套流程拆成几个核心模块，逐个讲清楚设计思路、实操要点和踩坑经验。

2. 整体架构设计：为什么是"剧集模式+场景道具库+实时进度"这三件套

2.1 剧集模式：把整本书切成可生产的单元

整本书直接丢给AI，最大的问题是上下文太长、角色太多、场景太杂，生成出来的东西前后矛盾。 剧集模式 的核心思路是"分而治之"——先把整本书按叙事结构切成若干集，每集再切成若干场，每场再切成若干镜。这个层级结构不是随便定的，它对应的是短剧生产的实际需求：一集短剧通常2-3分钟，包含15-30个镜头，每个镜头需要独立的画面生成和视频生成。

我实测下来，切分策略直接决定了后续生成的质量。如果按字数硬切，很容易把一场戏切到两集里，导致角色情绪断裂。比较稳的做法是按"场景转换"和"情绪节点"来切。具体操作上，我会先用一个大语言模型对整本书做一次结构分析，输出一个JSON格式的剧集大纲，包含每集的标题、核心冲突、出场角色、主要场景。这个大纲就是后续所有生成的"宪法"，所有分镜和提示词都要围绕它来。

提示：切分粒度建议控制在每集1500-2500字原文对应，太短会导致单集信息量不足，太长会让单集生成时间超过40分钟，调试起来很痛苦。

2.2 场景道具库：解决一致性的关键武器

做AI短剧最头疼的就是一致性。同一个角色，第一镜穿红衣服，第五镜变成蓝衣服；同一个客厅，第一集是中式装修，第三集变成北欧风。 场景道具库 就是用来锁死这些变量的。它的逻辑是：在生成任何分镜之前，先把这部剧涉及的所有核心场景、核心道具、核心角色形象，各生成一张"标准参考图"，存进库里。后续每一镜生成时，都从库里调用对应的参考图作为条件输入。

这个思路借鉴的是影视工业里的"概念设计图"流程。实拍剧组开拍前，美术组会把主要场景和道具都做出来，演员定妆照拍好，确保全剧视觉统一。AI短剧自动化2.7 把这套流程数字化了：用 Flux 生成高质量参考图，用 IPAdapter 或者类似的角色一致性节点把参考图绑定到每一镜的生成中。

场景库和道具库要分开管理。场景库管的是"在哪里发生"，比如主角家客厅、公司办公室、街角咖啡店；道具库管的是"用什么物件"，比如主角的手机、关键信物、武器。分开管理的好处是，同一个场景可以复用在不同剧集里，同一个道具可以出现在不同场景中，组合灵活。

2.3 实时进度：批量生产的生命线

批量生成最怕的就是"跑了一晚上，早上起来发现卡在第三集"。 实时进度 模块解决的就是这个问题。它的实现方式是在 ComfyUI 工作流里嵌入进度上报节点，每完成一个镜头、一集、一个阶段，就把状态写到一个本地文件或者推送到一个监控面板上。我用的是一个简单的方案：工作流每完成一个节点组，就往一个JSON文件里追加一条记录，包含时间戳、当前集数、当前镜号、耗时、状态。然后用一个轻量级的本地网页轮询这个文件，实时显示进度。

这个模块看起来简单，但实际价值极高。它让你能随时知道"现在跑到哪了""哪一集特别慢""哪个镜头反复失败"，而不是盲目等待。我踩过的坑是：早期没做进度监控，结果一个镜头因为提示词里有敏感词被反复重试，卡了三个小时才发现。

3. 核心细节拆解：Flux、MiniMaxH3 和 ComfyUI 各自扮演什么角色

3.1 Flux 模型：画面质量的基石

Flux 在这套流程里负责的是"静态画面生成"，也就是每一镜的关键帧。为什么选 Flux 而不是 SDXL 或者别的模型？核心原因是 Flux 在 文本理解能力 和 画面细节 上明显更强，尤其是对复杂场景描述的理解，比如"雨夜霓虹灯下的老街，主角撑着黑伞站在便利店门口"，Flux 能比较准确地还原出氛围和构图，而 SDXL 经常会把元素搞混。

但 Flux 对硬件的要求也更高。我用 GTX 1050 Ti 试过，基本跑不动，显存不够，出图速度慢到无法接受。后来换到 2070 8G 的配置，配合 32G 内存 和 10700 CPU ，才勉强能跑。这里有个关键技巧： Flux 模型本身很大，但可以通过量化版本降低显存占用 。我用的是 FP8 量化版，画质损失很小，显存占用从原来的 20G+ 降到 8G 左右，2070 能跑起来。

注意：低配置机器跑 Flux，一定要关掉其他占显存的程序，浏览器多开几个标签页都可能导致爆显存。我习惯在跑批量任务前重启一次机器，确保显存干净。

3.2 MiniMaxH3：从静态到动态的桥梁

MiniMaxH3 负责的是"图生视频"，也就是把 Flux 生成的关键帧变成动态镜头。它的 导演台 功能是这套流程里最像"专业工具"的部分——你可以控制镜头运动（推拉摇移）、控制动作幅度、控制时长。相比其他图生视频方案，MiniMaxH3 的优势在于 运动自然度 和 时长控制 ，它支持生成较长的片段，而且镜头运动不会像某些方案那样出现明显的"果冻感"。

MiniMaxH3 的本地部署是很多人的痛点。关键词里有人问"MiniMaxH3 能用 Mac 内存部署吗"，实测下来，Mac 的 M 系列芯片可以跑，但速度比同价位的 N 卡慢不少，而且内存占用很高，16G 内存的 Mac 基本只能跑很短的片段。如果要做批量生产，还是建议用 N 卡。另外有人问"MiniMaxH3 用 GameReady 驱动吗"，答案是：用 Studio 驱动更稳，GameReady 驱动在某些版本下会出现兼容性问题。

3.3 ComfyUI：整个流水线的调度中枢

ComfyUI 在这套流程里的角色是"总调度"。它把 Flux 的生成、MiniMaxH3 的视频化、场景道具库的调用、进度上报，全部串成一个有向无环图。为什么用 ComfyUI 而不是别的？因为它的 节点化架构 天然适合这种多阶段、多模型的流水线，而且社区生态丰富，几乎任何需求都能找到对应的插件。

关键词里提到的 ComfyUI 秋叶整合包 、 ComfyUI v0.35.0 、 ComfyUI Manager 都是实际会用到的。秋叶整合包的好处是开箱即用，省去了手动装依赖的麻烦，适合新手快速起步。但如果你要做深度定制，比如改工作流里的某个节点逻辑，还是得自己搭环境。我现在的做法是：主力机用自己搭的环境，测试机用秋叶整合包，两边工作流文件互通。

4. 实操全流程：从整本书到第一集成片

4.1 文本预处理：把书变成结构化剧本

第一步是把原始小说文本转成结构化剧本。我用的方案是：先用一个大语言模型做"章节摘要+角色提取+场景提取"，输出一个中间格式的JSON。这个JSON包含：全书角色列表（含角色描述）、全书场景列表（含场景描述）、每章摘要、每章出场角色和场景。

然后第二步，基于这个JSON，再做一次"分集规划"，输出剧集大纲。分集规划要考虑几个因素：每集的时长目标（我设的是2分钟）、每集的核心冲突、每集的结尾钩子。这一步的质量直接决定了成片好不好看，所以我会人工过一遍大纲，调整不合理的分集。

实操心得：角色描述要写得足够具体，比如"30岁男性，短发，戴黑框眼镜，常穿深蓝色衬衫"，而不是"一个中年男人"。描述越具体，后续生成的角色一致性越好。

4.2 场景道具库搭建：先建库，再生产

在生成任何分镜之前，先把场景道具库建好。具体操作是：从剧本JSON里提取所有场景和道具，每个场景生成一张标准参考图，每个道具生成一张标准参考图。生成时用 Flux，提示词要包含场景/道具的详细描述，以及"概念设计图"、"正面视角"、"清晰"等关键词。

生成完参考图后，要给每张图打标签，存进一个本地文件夹，命名规则建议用"场景_客厅_现代中式.png"这种格式，方便后续程序调用。然后建一个索引文件，记录每个场景/道具对应的参考图路径和描述。

这一步看起来费时间，但实际是"磨刀不误砍柴工"。我第一遍做的时候偷懒，没建库直接生成分镜，结果同一个客厅在十集里出现了五种风格，返工重做的成本远高于建库。

4.3 分镜生成：Flux 批量出关键帧

分镜生成是工作量最大的环节。每一镜需要：从剧本里提取该镜的描述、从场景道具库调用对应的参考图、组合成完整的提示词、调用 Flux 生成关键帧。

提示词的组合逻辑是： 场景描述 + 角色描述 + 动作描述 + 镜头语言 + 风格词 。比如："现代中式客厅，30岁男性短发戴黑框眼镜穿深蓝色衬衫，坐在沙发上低头看手机，中景，电影感，柔和光线"。

这里有个关键技巧： 用 IPAdapter 绑定角色参考图 。单纯靠文字描述，角色一致性只能做到六七成，绑定参考图后能到九成以上。具体做法是在 ComfyUI 里加一个 IPAdapter 节点，把角色参考图作为输入，权重设到 0.6-0.8 之间。权重太高会导致画面僵硬，太低又起不到约束作用。

批量生成时，我会把每一镜的任务写成一个队列，ComfyUI 按队列顺序执行。每完成一镜，进度模块就记录一条。如果某一镜失败（比如显存不足或者提示词问题），队列会跳过它继续跑，最后统一处理失败项。

4.4 视频生成：MiniMaxH3 把关键帧变成镜头

关键帧全部生成完后，进入视频生成阶段。每一镜的关键帧作为 MiniMaxH3 的输入，配合镜头运动指令，生成 3-5 秒的视频片段。镜头运动指令要根据剧本里的镜头语言来定：如果是"对话场景"，用缓慢推镜；如果是"动作场景"，用快速摇镜或者跟随镜头。

MiniMaxH3 的导演台可以精细控制运动轨迹，但批量生产时不可能每一镜都手动调。我的做法是预设几套"镜头运动模板"，比如"对话模板""动作模板""情绪模板"，然后根据剧本自动匹配。这样虽然牺牲了一些精细度，但产能提升明显。

注意：MiniMaxH3 生成视频时，显存占用比 Flux 更高。如果同一台机器既要跑 Flux 又要跑 MiniMaxH3，建议分阶段执行，不要同时跑，否则很容易爆显存。

4.5 合成与输出：把片段拼成剧集

所有镜头片段生成完后，最后一步是合成。用 FFmpeg 把同一集的镜头按顺序拼接，加上转场、字幕、背景音乐，输出成片。这一步相对标准化，网上教程很多，就不展开细讲。关键是要保证镜头之间的衔接自然，转场不要过于突兀。

5. 常见问题与排查技巧实录

5.1 生成失败类问题

问题现象	可能原因	排查方法	解决方案
Flux 生成时报显存不足	显存被其他程序占用，或模型太大	用 nvidia-smi 查看显存占用	关闭其他程序，换用量化版模型
MiniMaxH3 生成视频卡住	输入关键帧分辨率过高	检查输入图尺寸	把关键帧缩放到 1024 以内
角色一致性差	IPAdapter 权重设置不当	对比不同权重下的生成结果	权重调到 0.6-0.8 之间
进度文件不更新	进度上报节点未正确连接	检查工作流节点连接	重新连接进度上报节点

5.2 效率优化类问题

批量生产最怕的就是"慢"。我实测下来，几个优化点效果最明显。第一是 降低不必要的分辨率 ，Flux 生成关键帧时，1024x1024 和 768x768 的画质差异在短剧场景下几乎看不出来，但生成速度快了近一倍。第二是 复用参考图 ，同一个场景的多个镜头，如果机位变化不大，可以复用同一张参考图，只改提示词里的动作描述。第三是 并行化 ，如果有多台机器，可以把不同集的生成任务分配到不同机器上，进度文件汇总到一个地方。

5.3 内容质量类问题

生成出来的短剧"不好看"，通常有几个原因。一是 分镜太单调 ，全是中景，没有远景近景的切换。解决方法是强制在分镜规划阶段加入镜头景别变化，比如每三镜必须有一个近景或特写。二是 节奏太慢 ，每个镜头都是5秒，整集下来像PPT。解决方法是根据剧情调整镜头时长，对话镜头可以短到2秒，情绪镜头可以长到6秒。三是 配音和画面不同步 ，这个需要在合成阶段仔细对齐时间轴。

实操心得：我习惯在正式批量生成前，先挑一集做"试生产"，跑通全流程，检查画面质量、节奏、一致性，确认没问题再批量跑剩下的。这样能避免"跑完十集发现全废了"的悲剧。

6. 硬件配置与工具选型：不同预算怎么搭

6.1 低预算方案：10700+32G+2070 8G

这套配置是我实际用过的，能跑通全流程，但速度不快。Flux 生成一张 1024 图大概 30-40 秒，MiniMaxH3 生成 5 秒视频大概 2-3 分钟。跑一集 20 镜的短剧，从分镜到成片大概需要 3-4 小时。适合个人创作者，不适合批量生产。

关键优化点是：用 FP8 量化版 Flux，关掉所有不必要的后台程序，MiniMaxH3 用最短的片段长度。另外，32G 内存是底线，16G 会频繁触发内存交换，速度断崖式下降。

6.2 中预算方案：4070 Ti Super 16G

16G 显存是这套流程的"舒适线"。Flux 可以跑非量化版，画质更好；MiniMaxH3 可以跑更长的片段，不用频繁分段。生成速度大概是 2070 方案的两倍左右。如果要做小型工作室级别的产出，这个配置比较合适。

6.3 高预算方案：4090 24G 或多卡

24G 显存可以同时跑 Flux 和 MiniMaxH3，不用分阶段。多卡方案可以并行生成不同集，产能翻倍。但要注意，ComfyUI 的多卡支持需要额外配置，不是插上就能用。

6.4 工具选型对比

工具	作用	优势	劣势
ComfyUI 秋叶整合包	快速起步	开箱即用，依赖齐全	定制性差
自建 ComfyUI 环境	深度定制	灵活，可控	配置麻烦
Flux FP8	画面生成	显存占用低	画质略降
Flux 原版	画面生成	画质最好	显存要求高
MiniMaxH3 本地版	视频生成	运动自然	部署复杂

7. 我踩过的坑和最后分享的几个技巧

第一个坑是 提示词里的敏感词 。有一次一个镜头反复失败，查了半天发现是提示词里有个词触发了内容过滤。后来我养成了习惯，批量生成前先用脚本扫一遍所有提示词，把可能触发过滤的词替换掉。

第二个坑是 进度文件写入冲突 。多线程同时写同一个 JSON 文件，导致文件损坏。解决方法是每个线程写自己的文件，最后合并。

第三个坑是 参考图风格不统一 。场景库里的参考图有的是写实风，有的是插画风，导致成片风格混乱。后来我固定了参考图的生成提示词模板，确保所有参考图风格一致。

最后分享一个小技巧： 用"剧集模板"来复用工作流 。不同类型的剧（都市、古装、悬疑）对应不同的提示词模板、镜头运动模板、配色方案。把这些模板存成配置文件，切换剧类型时直接换配置，不用改工作流。这个做法让我从"每部剧都要重新调"变成"换配置就能跑"，效率提升非常明显。

这套流程还在持续迭代，2.7 版本相比之前最大的改进就是场景道具库和实时进度这两个模块，它们把"能跑通"变成了"能稳定批量跑"。如果你也在做AI短剧，建议先把这两个模块搭起来，后面的路会顺很多。