简介：本资源是面向AI短剧创作者的开源自动化生成流水线，基于ComfyUI构建，集成Skills系统实现小说/故事到多集视频剧本的一键转化，专为降低提示词试错成本、提升短剧工业化生产效率而设计。资源包共41个文件，含10个Python核心脚本（如pipeline_generator.py、storyboard_breaker.py、fish_speech_tts.py）、14个Markdown文档（涵盖分镜规划指南、一致性保障方案、案例实操说明等）、12个JSON工作流配置（覆盖文生图、图文生视频、分镜拆解等关键节点），以及Shell脚本、HTML前端界面与PNG示意图，整体仅1.2MB，轻量易部署。目前已有124人学习下载，适合具备基础ComfyUI使用经验的中阶创作者快速上手——可直接复用完整流水线结构，调用模块化Skill组件定制分镜逻辑、语音合成与视频合成流程，并参考配套文档理解各环节Prompt设计原理与参数协同机制。 做短剧的人都知道，一条60-90秒的短剧素材，从选题、文案、分镜，到出图、出视频，再到配音、字幕、剪辑，传统流程跑下来少则一两天，多则一周。而AI把这条链路压缩到了分钟级，但问题也随之而来——AI能力散落在各个网站、各个脚本、各个模型里，今天你要去这里抠图，明天去那里配音，后天再手动拼字幕，流程不仅没有变轻，反而更碎。

我搭这套“AI短剧生成流水线”，就是想把散装的AI能力收拢成一条可视化的生产链路。底层用ComfyUI做节点编排，每个节点干一件事，节点之间用连线串起来；上层用Skills系统做任务封装，把整套工作流打包成按剧目类型调用的“技能”；最后用zip格式整体分发，拿到包的人解压、放模型、启动，直接就能跑。这篇就把这套方案的选型逻辑、部署细节、踩坑实录和工程化思路一次讲清楚，适合想做AI短剧批量生产、或者在ComfyUI上做工作流分发的朋友参考。

1. 为什么我会把短剧生产搭在ComfyUI上而不是纯代码管线

先说结论：短剧生成这件事，本质是一串“模型+参数+中间产物”的组合调用。写Python脚本也能做，但维护成本和调试成本会把你拖垮。ComfyUI的节点式界面天然适合这种多步骤编排，这也是我最终锁死它来做流水线底座的原因。

1.1 短剧生产不是一个模型调用，而是一条多模型链路

你回想一下短剧的制作流程：生成剧本需要大语言模型，生成角色设定图需要文生图模型，保持角色一致性需要参考图控制类模型，把静态图变成动态视频需要视频生成模型，最后还得配音、加字幕。这一套跑下来，至少涉及四到六种不同的模型能力。

传统做法是每个环节单独用工具，环节之间用文件传递。出图保存到本地，再用另一个工具读图生成视频，中间人对图、改参数，来回折腾。ComfyUI的做法是把这些环节全部变成节点，一个节点的输出直接作为另一个节点的输入，中间不需要手动搬运文件。

举个例子，我的一条基础流水线长这样：LLM节点生成分镜脚本 → 文生图节点生成场景图 → 参考图节点保证角色面容一致 → 视频生成节点把图变成动态片段 → 字幕节点把文案压进画面。所有连线在ComfyUI的界面里一目了然，哪个节点出了问题，红色报错直接指到那个方块上，不用去翻日志猜。

1.2 节点化比写代码好在哪：可视化、缓存、易分享

很多人觉得写Python脚本更“程序员”，但真正跑起来你会遇到三个痛点：

第一是调试困难。脚本跑挂了，你得看traceback、查变量、理逻辑；ComfyUI里节点报错直接高亮，输入输出实时可见，改一个参数重新run，立刻能看到效果变化。

第二是缓存机制。ComfyUI会缓存每个节点的计算结果，你只改了最后面的字幕节点，前面已经跑过的出图、出视频节点不会重新计算。脚本管线要实现同样的增量计算，得自己设计缓存逻辑，工作量不小。

第三是可分享性。代码发给别人，对方要配环境、装依赖、跑demo；.json工作流文件发过去，对方只要有ComfyUI，拖进去就能看到同样的人物、连线、参数。这一点对团队协作和方案分发太重要了。

1.3 与WebUI、纯云服务的对比取舍

用ComfyUI之前我也试过WebUI。WebUI的交互确实对新手友好，但它的问题在于“单任务模式”——一次只能做一件事，做完了才能做下一件。短剧生产是流水线，不是单点操作，WebUI里你要手动切换功能页签，自动化程度太低。

云服务的问题则是成本和数据隐私。短剧素材可能涉及未公开剧本，反复上传到云端让第三方做推理，内容和时间成本都不可控。ComfyUI本地部署后，模型都在自己机器上跑，批量生成不花钱，素材不出门，这也是很多个人创作者最后回到本地管线的原因。

提示：如果你完全没接触过ComfyUI，建议先把它当成“可视化工作流工具”来理解，不要一上来就研究底层框架。它解决的核心问题就是：让多个AI模型之间的协作变得可见、可改、可复用。

2. 从爆款短剧的固定套路反推流水线需要的节点能力

流水线不是凭空设计的，我是从短剧内容生产的角度倒推需要哪些能力，再去ComfyUI里找对应的节点。你直接照着这个思路搭，能少走不少弯路。

2.1 剧本、分镜、角色一致性：内容前置节点

短剧的核心是“人设抓人、剧情上头”，所以流水线的第一段是内容生成。LLM节点负责从选题产出剧本，再拆成分镜文本。这里要注意，不能让LLM直接输出长段落，最好要求它输出结构化的分镜表格：镜号、景别、画面描述、台词、字幕文本。

然后就是角色一致性。做短剧最怕角色“变脸”——上一幕是这个人，下一幕换了个脸，观众立刻出戏。ComfyUI里通常用IP-Adapter或InstantID这一类节点，把角色参考图作为条件输入，让后续生成的每一帧都朝参考图靠拢。经验是：参考图不要只用一张，最好准备正脸、侧脸、半身各一张，模型对角色特征的捕捉会更稳。

2.2 静态图生成、动态视频生成：核心生产节点

画面生产节点是整个流水线里算力消耗最大的部分。静态图生成节点属于基础层，动态视频生成才是短剧量产的关键。目前主流方案分两类：一类是Wan这类从图直接生成视频的模型，另一类是AnimateDiff这类基于Stable Diffusion微调的方案。

我的建议是，短剧场景里优先选前者。原因是短剧需要的是“表演感”——人物要有表情变化、肢体动作，而不是单纯的光影流动。Wan类模型对镜头语言和人物运动的建模更完整，直接输入分镜图加提示词，就能产出带叙事感的动态片段。AnimateDiff更适合做风格化、非写实的短视频，当你需要“动态壁纸感”的素材时再切过去。

2.3 音频、字幕、封装：后处理节点

视频跑出来之后，声音和字幕是画质的隐形分水岭。很多人的AI短剧“一眼假”，问题不出在画质，而是没有配音、没有环境音，画面在说话但观众听不到。ComfyUI里可以用ChatTTS或GPT-SoVITS节点做配音，一个负责合成自然语音，一个负责克隆固定音色，保证整部剧的旁白是同一个味道。

字幕节点我习惯用自定义的Python节点处理：读取分镜文本，按时间轴烧进画面。这一步用ComfyUI自带的文本处理节点也能做，但灵活度不如自己写，后面第五节我会展开说。

2.4 一个拆好的流水线节点清单

我把自己常用的节点清单列出来，做短剧流水线基本就是这几类的组合：

环节	核心节点/方案	作用	算力占用
剧本生成	Qwen等LLM节点	生成剧本、分镜结构化文本	低
角色设定	文生图+LoRA/IP-Adapter	生成角色定妆照、保证一致性	中
分镜出图	文生图/图生图节点	按分镜批量生成场景图	中高
动态视频	Wan/Video生成节点	静态图转动态短视频	高
配音	ChatTTS/GPT-SoVITS	台词转自然语音	中
字幕封装	自定义Python/FFmpeg节点	烧字幕、封装成片	低

这套清单不是固定的，你做的短剧类型不一样，节点侧重也不一样。甜宠剧对角色一致性要求高，悬疑剧对镜头氛围要求高，逆袭剧则更看重节奏和旁白的情绪推动力。流水线的设计逻辑是“换节点不换骨架”，骨架就是：内容生成 → 图生成 → 视频生成 → 音轨字幕 → 封装输出。

3. 部署这套ZIP包的完整过程：解压、环境、模型三件事

这套方案以zip包形式分发，拿到手之后不要急着双击“下一步”。打包分发虽然方便，但解压、环境适配、模型放置这三件事没做好，后面会连环踩坑。我按实际部署顺序拆开讲。

3.1 解压：别用系统自带解压，别解压到中文路径

先说解压。Windows用户经常犯的一个错误是双击zip包，用系统自带资源管理器里的“全部提取”来解压。对于大型整合包，系统自带工具解压到一半容易报错、断掉，而且解压速度偏慢。我一直用7-Zip，右键选择“提取到当前文件夹”，稳定性和速度都更可靠。

如果环境是Linux服务器，命令很简单：

unzip AI短剧生成流水线-ComfyUI+Skills系统.zip -d /data/ai-drama

注意两点：

• 解压路径不要有中文和空格。我以前吃过这个亏，路径里有中文，ComfyUI里的Python有些依赖库读取路径时直接乱码报错，排查了半天才发现是路径问题。建议统一用英文目录。
• 解压完先看文件完整性。zip包是分卷压缩的，如果有.z01这类分卷文件，需要保证和主zip包在同一个目录，再对第一个分卷运行解压，比如 zip -ff 修复分卷顺序之后再unzip。整合包如果被网盘拆过分卷，这一步尤其重要。

3.2 环境准备：整合包还是便携包，这是个选择题

解压之后是环境问题。目前市面上有一键整合包和官方便携版两种路线。我推荐这套流水线用秋叶整合包或官方便携包作为底座，原因很实际：

• 整合包内置了Python 3.10/3.11等运行环境，以及ffmpeg、git这些基础依赖。你不需要自己配环境变量，解压出来启动就能用。
• 官方便携包则更接近原版，可控性高，但你需要自己确认显卡驱动、CUDA版本和PyTorch版本是否匹配。

我的建议是：如果你只需要跑通流程、出一批素材，直接用整合包，省心；如果你要做二次开发、深度定制，用官方便携包自己配环境，后面升级才不会被别人的封装限制。

启动之前先检查一下显卡驱动。ComfyUI的推理依赖PyTorch调用GPU，驱动太老或者CUDA版本不对，启动日志里会出现cuda相关报错。NVIDIA用户建议把显卡驱动更新到最新，桌面版、Studio版均可。

3.3 Models模型目录：所有报错的重灾区

模型放置是整个部署过程中最容易出错也最不被人重视的环节。ComfyUI读取模型不是让你随便放在哪个文件夹，它有固定的目录结构。你必须在 ComfyUI/models 下找到对应的子目录，把模型文件放进去：

• checkpoints/ ：主模型文件，比如写实风格的SD/SDXL/DreamShaper等。
• loras/ ：LoRA微调模型，比如某个固定角色的LoRA。
• ipadapter/ ：IP-Adapter模型，角色一致性控制专用。
• diffusion_models/ ：Wan这类视频扩散模型。
• vae/ ：VAE模型，负责图像解码，不配好画面会灰蒙蒙一片。

每个子目录里都放对了文件之后，启动ComfyUI，加载工作流，节点上的模型下拉框里才会出现对应项。如果你加载工作流后某个节点报“model not found”，不用怀疑，九成是模型没放到对应目录，或者文件名包含路径没有被正确识别。

3.4 Skills系统的安装与配置

这套方案里的Skills系统，本质是一层工作流封装层。它干的事是：把整条流水线封装成一个“技能”，调用时输入剧本大纲和风格选项，自动选择对应的工作流和参数模板。

安装方式一般有两种。一种是解压到你ComfyUI根目录的 custom_nodes 文件夹下，启动时自动加载；另一种是放到与工作流同一层级的插件目录里，由ComfyUI的插件机制统一管理。具体要看包的说明，但无论哪种，装完之后都建议重启一次ComfyUI，让新节点注册生效。

配置阶段你需要指定两样东西：一是模型的路径映射，告诉Skills系统每个模型放在哪个目录；二是工作流模板的路径，它是从一个JSON工作流文件读取流程定义的。很多人在这个阶段报错，原因就是路径配置用的是压缩包内的相对路径，但解压后的实际目录结构变了。建议在配置时全部改成绝对路径，或者把解压后的目录保持和包内结构完全一致。

4. 典型报错全实录：从“could not find EOCD”到“显存不足”的排查链路

这套方案分发之后，我收到最多的反馈不是“不会用”，而是报错看不懂。这里把我见过的所有高频报错和完整排查链路整理出来，你照着顺序查，能省很多时间。

4.1 导入工作流或安装插件时报invalid zip archive: could not find EOCD

这是zip包场景里最常见的报错，代表解压工具在文件末尾找不到zip结尾标记（EOCD）。通俗说，这个文件要么没下载完整，要么被改了扩展名，要么在传输过程中损坏了。

排查链路是这样走的：

1. 先看文件大小。去发布页面对应文件的标注大小，对比你本地下载的文件大小。如果差了几个MB甚至几十MB，基本就是下载中断，重新下载。
2. 如果大小一致还报错，用7-Zip打开这个zip，看能不能预览列表。7-Zip能打开但系统解压工具不行，就说明zip结构本身没问题，换7-Zip解压即可。
3. 如果7-Zip也打不开，可能是它本来就不是zip文件。有人会把tar.gz或者rar直接改扩展名为zip，系统解压工具就会报EOCD错误。用文件头检测工具看一眼，zip文件开头通常是 PK 两个字节，不是的话就找发布者要正确格式。

整合包场景里还有一种特殊情况：网盘下载时把超大的zip分包了，你可能只下载了其中一个分卷。这种文件集成起来再解压，单独解压任何一部分都会报EOCD不存在。

4.2 file is not a zip file：为什么偏偏识别不了

这个报错和上面那个经常一起出现，但它指向的原因更多是“文件头不对”。zip文件的前两个字节是 PK （0x50 0x4B），如果文件开头不是这个标记，工具就会拒绝识别。

最常见的原因是：下载链接实际上指向了一个html页面（比如网盘的外链跳转页），而不是真实文件，浏览器或下载工具保存下来的内容其实是网页代码。你拿到一个看似zip后缀的文件，实际打开全是HTML源码。

遇到这个情况，不要点浏览器里的“打开”，回到下载页面，右键点击下载链接，选择“链接另存为”，或者用专门的下载工具接管下载。下载完成后再检查一遍文件大小和文件头。

4.3 显存不足：5070、8G、12G显卡怎么跑得动

这是所有人都会遇到的问题。短剧生成本身就是显存杀手，图生成还好，视频生成节点一次推理要同时驻留文本编码器、扩散模型、VAE解码器，显存直接爆掉。

我实测的结论是：不优化的话，8G显存跑视频生成流程大概率OOM；12G能跑但很吃力；16G以上体验才比较从容。但这不是说你显卡低就没法用，有几个优化手段组合起来效果很明显：

• 启动参数加 --lowvram 或 --medvram 。ComfyUI会根据显存自动调度模型加载和卸载， --lowvram 会把模型底层图里的模块拆开，用多少加载多少，代价是速度变慢； --medvram 是折中方案，适合12G左右的显卡。
• 打开控制台里的“启用模型CPU加载”，让部分不参与当前推理的模块在CPU和GPU之间切换。
• 换量化模型。几个社区常见的量化版本比原版体积小30%-50%，显存占用同步降低，画质损失在短剧这种短视频场景里几乎感知不到。

提示：如果显存还是不够，删减视频节点里的临时中间节点，或者降低批量生成数量。一锅煮太多会溢出，分开煮就能过关。

4.4 插件安装失败：git clone失败与目录问题

Skills系统或自定义节点安装失败，多数是git clone失败或文件目录放错。git clone失败的常见原因是网络问题导致连接超时，可以设置代理或改用加速地址，也可以手动把压缩包下载下来，解压到 custom_nodes 目录，这种方式不依赖git，更适合国内网络环境。

目录放错的问题更隐蔽。有些节点的代码结构要求固定放置路径，你必须把它放到 ComfyUI/custom_nodes/ 这个层级，如果多套了一层文件夹，节点依然不会被识别。装完插件后，看ComfyUI启动日志里有没有出现这个插件的名称，这是验证是否加载成功的可靠方法。

下面是一个快速排查表：

报错	方向	处理方式
could not find EOCD	zip损坏/分卷缺失	检查文件大小、重新下载、合并分卷
file is not a zip file	文件头错误	检查是否为网页下载错误、确认真实格式
CUDA out of memory	显存不足	低显存模式、量化模型、减小批量
model not found	模型未放对目录	按models下子目录分类放置、检查启动日志
节点红色报错No such file	路径错误	配置中改为绝对路径、目录保持包内结构

5. 从能跑到能产：把单条工作流工程化为“流水线”的实战细节

部署成功后，工作流能跑，但这只是“能跑”，离“能产”还有距离。真正让这套方案变成流水线的，是下面这些工程化细节。很多人工作流分享出来却没人能用，问题就出在这几层。

5.1 缓存策略：节点不要随便改，缓存是你的命

ComfyUI的核心优势之一是节点级缓存，但这个优势也是双刃剑。当你只修改了某个提示词节点，下游的所有节点都会重新计算，如果下游是视频生成这种慢节点，一次改动就是几分钟到十几分钟的等待。

批量生产时要尽量保持上游节点稳定，只有必须改的部分才去动。做法是：先把角色、环境、镜头风格这些基础节点跑通，锁定输出效果，然后只改分镜文本或提示词，让下游重新生成。这条策略能把整个流水线的单条耗时从十几分钟压到几分钟。

5.2 批量处理：队列比手动运行靠谱得多

短剧一集有几十个分镜，手动一个个run不现实。ComfyUI的队列机制支持批量提交，你可以把分镜脚本一次性加载，让所有分镜图依次生成，不用人工干预。

批量跑的时候注意两点：

• 先跑两三个不同风格的分镜样张，确认画面风格一致后，再全量提交。不要在风格未稳定时就批量跑完几十个分镜，返工成本太高。
• 批量跑完不要中途关机或休眠。我遇到过机器休眠导致队列中断的情况，这会造成部分分镜生成了、部分没生成，还得自己手动找哪些漏了。批量任务开始前，建议在系统设置里关掉休眠。

5.3 Skills系统如何封装“技能”

Skills系统在这个流水线里的角色，是把一条完整的工作流变成“一键调用”的模块。比如你封装了一个“甜宠风短剧”技能，那么输入一个简单的故事梗概，它就能自动调用对应的工作流模板、参数组合和提示词策略。

封装时最重要的是明确输入输出接口。输入接口通常定义：角色描述、场景关键词、分镜数量、风格类型。输出接口定义：成片视频路径、分镜图目录、字幕文件。把这个接口定清楚，你就能让不同技能共用同一套流水线骨架，只是调换中间的模型和提示词策略。

我的做法是：每一种短剧类型对应一个skill目录，目录里放三个文件——工作流JSON、参数配置文件、提示词模板。Skills系统读取这三个文件，动态加载对应参数并启动工作流。这样内容团队的新人不需要理解ComfyUI节点，只需要在界面里选择技能、输入文案，就能出片。

5.4 与LLM节点联动：让文本变量自动进入工作流

只要让LLM节点和出图出视频节点联动起来，流水线才算真正全链路自动化。LLM节点负责做的事是：根据输入的故事大纲，补全分镜细节，生成每个分镜的画面提示词、镜头要求、字幕内容，然后以结构化数据的形式传给下游节点。

一个容易忽略的细节是：LLM输出的提示词质量会直接影响出图效果。所以我在Skills系统里内置了一套提示词增强规则，要求LLM输出的每个镜头提示词包含主体、动作、环境、镜头语言、画风五个部分。这套规则可以单独调优，它直接影响整条流水线的成品质量，值得花时间打磨。

6. 这套方案的可扩展空间：LLM分离部署、多卡协同与成片后期

流水线跑顺之后，你会开始考虑规模化问题：能不能多卡并行？能不能把LLM和ComfyUI分开部署？成片后期能不能顺手一起做了？这些扩展点我在实际使用中都有验证。

6.1 ComfyUI与LLM是否必须在同一台机器上

很多人误以为ComfyUI和LLM必须装在同一台电脑上，其实完全没必要。ComfyUI负责图像和视频生成，LLM负责文本生成，两个任务对硬件的要求不同。LLM更吃内存和显存带宽，ComfyUI更吃显卡算力。

你可以把LLM部署在一台内存大、显存适中的机器上，把ComfyUI部署在显卡强的主力机上，两台机器通过网络或API连接。这样划分的好处是：文本生成不占用显卡推理时间，显卡可以把全部算力投入到出图和出视频上。反之，如果同机部署，LLM推理会和ComfyUI抢显存，两个任务都变慢。

通信方案用ComfyUI的API接口或SDK桥接都可以。我习惯把LLM服务单独跑成一个API，ComfyUI这边通过自定义节点调用，用分镜文本作为请求体，返回结构化JSON作为出图指令。如果日后使用Quen、MiniMax这类外部模型，也只需要替换API地址，流水线的骨架完全不用动。

6.2 多卡并行：不要期待线性加速，但要务实分配

双卡用户跑这套流水线时，一个常见的误区是以为两张卡能让单条视频生成速度翻倍。实际上，大多数情况下ComfyUI对单条流程的推理是单卡执行的。多卡的真正价值在于并行处理不同任务：卡A跑分镜出图，卡B跑视频生成，两条任务互不干扰。

如果你有两张卡，可以这样分配：一张负责文生图和图生图（这类任务单次耗时短，吞吐量要求高），另一张负责视频生成（单次耗时长，需要稳定占用显存）。启动两个ComfyUI实例，分别绑定一张卡，然后在Skills系统里做任务分发，这样整个流水线的整体产出效率能提升接近一倍。

6.3 语音、字幕与成片封装：一次跑完

视频节点全部输出之后，还需要做配音、加字幕、封装。我这套方案里，配音节点在ComfyUI内完成，字幕和封装则交给FFmpeg批处理脚本，这样避免把工具链铺得太长。

FFmpeg处理竖屏短视频的常用命令如下：

# 合并视频和音轨，输出为竖屏MP4
ffmpeg -i video.mp4 -i audio.wav -c:v copy -c:a aac -shortest output_vertical.mp4

# 烧入字幕文件
ffmpeg -i output_vertical.mp4 -vf "subtitles=subtitle.srt" final.mp4

# 批量处理目录下所有视频和音轨
for f in *.mp4; do ffmpeg -i "$f" -i "${f%.mp4}.wav" -c:v copy -c:a aac -shortest "done_$f"; done

字幕文件由LLM节点生成分镜文本后，按时间轴转换成SRT格式。时间轴可以直接按分镜的视频时长来分配，比如第1个分镜2.5秒、第2个分镜3.1秒，按顺序累加即可生成时间码。这里有个经验：字幕不要从第一毫秒就出现，留出0.2-0.4秒的入画延迟，观感会自然很多。

6.4 短剧平台规格适配：成片不是能看就行

最后别忽略平台规格。短剧平台主流的格式是竖屏9:16，分辨率1080x1920，时长控制在60秒到120秒之间。生成视频时如果模型输出是横屏，成片后只能用裁剪或模糊背景的方法补足，观感差很多。我的建议是在视频生成节点就设定输出尺寸为9:16，能直接出竖屏就尽量不要在后期靠裁剪解决。

这套方案跑通后，从输入一个故事梗概到输出一条带配音、带字幕的完整短片，我这边实测的耗时大约在二十分钟以内，具体取决于分镜数量和显卡性能。如果你也想搭同样一套，建议不要一次追求所有环节全部自动化，先把出图到生成视频这段核心链路跑通，再逐步接入LLM、配音和封装，这样每一步都可控，出问题也好定位。

我个人在实际操作中最深的体会是：所有环节里最值得花时间的不是视频生成模型本身，而是分镜文本的提示词质量和角色一致性的前期设定。有时候画质看起来“不够好”，不是因为模型不行，而是上游LLM给出的分镜描述太泛、太模糊。把这两个环节的规则固定下来，流水线的整体产出质量会有一个明显的跃升。

本文还有配套的精品资源，点击获取