这次我们来看一个很多人都在问的实用流程用 AI 制作自己的 OCOriginal Character原创角色动画。不用等到AI 泛泛生成一段抽象视频的技术成熟而是要让一个固定的原创角色在可控的镜头里动起来并完成一个有完整表达的小短片。这个需求已经有一套可以落地的方案本文会把整条链路拆开讲清楚。先回答最关心的三个问题这套流程要不要写代码普通家用显卡能不能跑角色会不会每次生成出来都长不一样我的判断是如果你走本地 ComfyUI AnimateDiff 图生视频路线不需要写高深代码但需要花一点时间搭节点显卡显存建议 8GB 起步6GB 可以勉强跑低分辨率角色一致性要靠 LoRA、IP-Adapter、ControlNet 和参考图共同控制不能只靠提示词。这篇文章会覆盖的内容包括AI 制作 OC 动画的几种主流技术路线、角色一致性方案怎么选、本地部署环境怎么准备、关键帧与分镜怎么生成、动画片段怎么批量产出、补帧与配音怎么接进去以及一套完整的排查清单。适合已经在玩 Stable Diffusion WebUI 或 ComfyUI、但还没把角色做成动画的读者也适合想用 AI 视频工具做短片但被角色漂移问题困扰的人。1. 核心能力速览AI 制作 OC 动画不是一个单点工具而是一条由多个模型和节点组成的流水线。先把整条链路的能力项列出来后面每个环节再展开。能力项说明技术路线Stable Diffusion / ComfyUI 本地生成 AnimateDiff 动画化 补帧 剪辑或调用可灵、即梦、Runway、Pika 等图生视频平台主要功能角色设定图生成、角色一致性控制、关键帧/分镜图生成、图片转视频、首尾帧控制、补帧、配音、剪辑合成角色一致性方案LoRA 微调、IP-Adapter 参考图、ReActor 换脸、ControlNet 姿态控制、局部重绘、角色多视图参考板硬件门槛本地路线建议 N 卡 8GB 显存起步6GB 显存需降低分辨率纯平台路线不依赖显卡支持平台本地路线支持 Windows / Linux / Mac部分节点依赖差异较大平台路线浏览器即可启动方式ComfyUI 手动启动 / 一键整合包平台路线直接在网页上传素材是否支持 API本地 ComfyUI 自带 API平台类多数提供付费 API是否支持批量任务支持可批量生成分镜图、批量转视频、批量补帧适合场景OC 动画短片、MV 片段、漫画辅助动画、个人创作测试、小型工作室前期预演不适合场景需要严格物理规律的高质量商业级动画、需要多人交互对话的长片、需要逐帧人工细节控制的电影级项目从这张表可以看出来AI 制作 OC 动画的核心不是哪个模型能生成视频而是如何让动画里的角色始终是同一个角色。所以下文会花大量篇幅讲角色一致性这是整条流水线的地基。2. 适用场景与使用边界AI 制作 OC 动画解决的是一个人也能完成角色动画的问题。传统 2D 动画制作要经历角色设计、分镜、原画、中间画、上色、合成单人完成一部短片周期很长。AI 动画压缩了其中大量重复工作角色设计可以交给文生图模型反复迭代动作镜头可以交给 AnimateDiff 或图生视频模型生成补帧可以交给 RIFE 这类模型配音可以交给 TTS。比较适合的使用场景包括给自己的 OC 做一个短视频设定集让角色动态展示。做系列短片的片头或片尾动画。为小说、漫画 IP 生成动画版宣传物料。游戏角色设定、桌游角色卡片的动态演示。小型工作室在正式制作前用 AI 生成动态分镜用来确认镜头和叙事节奏。不合适的场景也要说清楚。如果项目要求角色做非常精确的表情表演、需要长时间保持人物一致且镜头复杂调度、或者需要严格遵循动画物理规律当前的 AI 动画方案会明显吃力。这类需求更适合传统动画管线或把 AI 生成结果当参考底稿再人工修正。安全边界必须强调OC 动画如果使用真人照片转绘、特定名人脸、他人配音音色、受版权保护的背景音乐都需要先获得合法授权。开源模型训练角色的底图也要确认没有侵犯他人肖像权和著作权。个人娱乐测试没问题但发布到公开平台、参加比赛或用于商业项目前一定要做授权复核。3. AI 制作 OC 动画的三种技术路线不要以为只有一条路。实际做起来不同角色风格、不同镜头需求适合的技术路线不同。3.1 路线 AComfyUI AnimateDiff 本地生成这条路线是当前开源社区最主流的 OC 动画方案。流程是在 ComfyUI 里用文生图生成角色设定图找固定角度和固定外观。训练一个角色 LoRA或者使用 IP-Adapter 固定角色特征。用 ControlNet 控制角色的姿态、景深、线稿生成一组合规关键帧。把关键帧接入 AnimateDiff 作为引导生成短视频片段。用 RIFE / FILM 补帧再进剪辑软件合成。优点是完全本地、可控性最高、模型选择灵活、可以批量跑。缺点是节点多、需要显卡、学习成本比一键生成工具高。3.2 路线 B图生视频平台 首尾帧控制如果你不想折腾本地环境或者电脑没有独立显卡可以直接使用可灵、即梦、Runway、Pika 这类图生视频平台。操作路径是先用 Stable Diffusion 或 Midjourney 生成角色设定图。上传设定图到图生视频平台输入运动描述。用首尾帧模式指定角色动作起止画面。平台生成 3 到 10 秒不等的动画片段。优点是出片快、画面质感好、不需要本地硬件。缺点是角色一致性依赖平台算法长镜头和复杂动作容易漂移大多数平台按时长或积分收费批量测试成本不低。3.3 路线 CEbSynth 转描方案如果要追求更强的角色一致性和更接近手绘的质感可以走 EbSynth 转描路线。做法是先用 3D 软件或手工做一个粗略的动画底稿或者拍摄一段真人参考视频然后使用关键帧图通过 EbSynth 把画风转移到每一帧。这条路线能保证角色高度一致因为它本质上是固定画风转描而不是从零生成每一帧。缺点是制作周期比路线 A 更长需要懂一点分帧和关键帧概念。从材料来看多数 OC 动画作者最关心的是可复现、能落地所以下文重点展开路线 A同时把路线 B 的批量思路也写进去。4. 本地部署环境准备ComfyUI 路线如果选择路线 A第一步是搭好 ComfyUI 环境。注意下面给的是通用检查清单和部署模板具体版本号以你安装时官方仓库为准。4.1 硬件检查本地生成动画比文生图更消耗显存。不要因为 WebUI 能出图就认为动画一定能跑。AnimateDiff 在推理时要同时加载多个运动模块和图像编码器显存占用会明显上升。建议按以下标准自检配置项最低要求推荐要求显卡6GB 显存只能低分辨率短片段8GB 至 12GB 显存内存16GB32GB系统盘空间20GB 以上50GB 以上SSD 更好显卡驱动支持 CUDA 即可更新到最近一版稳定驱动操作系统Windows 10/11Windows 11 或 Linux如果你的显卡是 6GB 显存需要把分辨率控制在 512 左右、片段长度控制在 16 帧以内、并使用低显存优化选项。更稳妥的判断是先跑通一个只有几帧的测试片段再逐步加大长度和分辨率不要一上来就生成超长高清视频。4.2 安装 ComfyUI安装 ComfyUI 的方式很多主流有两种。第一种是使用官方一键整合包适合不想折腾环境的用户。下载解压后Windows 下直接运行启动脚本然后在浏览器访问本地 WebUI。第二种是使用 Git 拉取源码手动安装依赖。这种方式更透明、更新更方便。通用命令如下git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI python -m venv venv # Windows venv\Scripts\activate # Linux / macOS source venv/bin/activate pip install -r requirements.txt模型文件需要放到 ComfyUI 的 models 目录下。常见目录结构如下ComfyUI/ models/ checkpoints/ # 主模型如 SDXL、SD1.5 loras/ # 角色 LoRA controlnet/ # ControlNet 模型 ipadapter/ # IP-Adapter 模型 vae/ # VAE 文件 unet/ # 部分新模型结构下的 UNet 文件模型下载地址和对应文件名请以官方仓库或模型平台标注为准不要从不明来源下载 .ckpt 或 .safetensors 文件。启动 ComfyUI 的命令模板如下python main.py --listen 127.0.0.1 --port 8188启动后如果看到类似下面的日志说明 WebUI 已经在本地运行Starting server To see the GUI go to: http://127.0.0.1:81884.3 安装关键自定义节点ComfyUI 默认节点只能做文生图和图生图做动画还需要安装 AnimateDiff、ControlNet、IP-Adapter、Video Helper Suite 等自定义节点。很多整合包已经内置手动安装时建议使用 ComfyUI-Manager在页面里检索安装。需要注意不同自定义节点对 ComfyUI 版本有要求。如果安装节点后报错优先检查是不是 ComfyUI 版本过旧以及节点依赖的 Python 包是否缺失。5. 角色一致性方案OC 动画的核心难点AI 动画最容易翻车的点只有一个角色不固定。同一个 OC第一帧是黑长直第二帧变成棕色短发第三帧直接换脸。这不是某个模型的问题而是图像生成模型缺少角色记忆导致的。想解决这个问题需要把下面几个工具组合使用。5.1 训练一个角色 LoRALoRA 是目前最有效的角色一致性方案。思路是准备 10 到 30 张同角色、不同角度、不同表情、不同构图的图片对一个底模做微调得到一个小体积角色模型。之后在提示词里调用这个 LoRA角色特征就会被锁定。材料中提到的 OC 动画如果是有固定人设的角色强烈建议走 LoRA 路线。原因是只有 LoRA 才能真正记住角色的五官特征、发型、服装配色和气质。其他方案更多是临时参考。训练 LoRA 不是本文重点但可以给出一个通用流程收集素材10 到 30 张角色图尽量覆盖正面、侧面、半侧、全身、半身。裁剪与打标把图片统一裁剪到合适分辨率并为每张图写清楚角色特征标签比如 hair color、eye color、outfit。选择训练工具常用的有 Kohya_ss、LoRA Easy Training Scripts、或 WebUI 里的训练插件。设置训练参数分辨率、训练步数、学习率、网络维度。不同底模、不同题材参数差异很大需要按实际测试调整。注意如果你使用的是他人风格或者官方角色的图片来训练 LoRA需要确认授权。OC 动画尽量只训练自己的原创角色形象。5.2 IP-Adapter不需要训练的参考方案如果不想训练 LoRA或者临时需要让一个新角色保持一致性可以用 IP-Adapter。它可以把一张参考图作为输入条件把参考图的特征注入到生成过程中。生成时只要把 OC 的设定图放到 IP-Adapter 节点里就能在保留角色外观的前提下改变姿态、表情和背景。IP-Adapter 的优点是快、不用训练、可以随时换参考图。缺点是对画面控制力不如 LoRA 精细复杂光影下容易出现参考图特征“渗透”不够的问题。实际使用中IP-Adapter 更适合作为 LoRA 的补充而不是完全替代。5.3 ControlNet控制姿态和动作动画需要角色反复做不同动作单纯靠提示词控制姿态不可靠。这时候要用 ControlNet。常用模型包括OpenPose用骨骼关键点控制人物姿态。Canny / Lineart用线稿控制构图和纹理边界。Depth用深度图控制景深和空间关系。SoftEdge用软边缘控制轮廓适合插画风格。在 OC 动画里OpenPose 是最常用的。你可以从参考视频中提取姿态也可以用 3D 模型摆好姿势导出骨骼图再喂给 ControlNet 生成关键帧。5.4 多视图参考板如果角色设计本身就非常复杂比如有特殊纹身、衣服上的花纹、发型不对称建议先生成一张多视图角色设定图。也就是把角色正面、背面、侧面、半身、全身放在同一张图里作为全流程的“官方设定板”。之后每次生成新分镜时都把这张设定板作为参考素材喂给 IP-Adapter 或直接作为图生图底图能显著减少细节漂移。下面给出一段在 ComfyUI 中常见的角色一致性节点组合思路加载角色 LoRA - 图像输入 - 文生图/图生图采样 - ControlNet OpenPose 控制 - IP-Adapter 参考图注入 - VAE 解码 - 输出关键帧这套组合就是“LoRA 保底 IP-Adapter 增强 ControlNet 控制动作”几乎覆盖了当前主流 OC 动画生产流程。6. 关键帧与分镜生成角色动画不应该是“随机让 AI 动起来”而是先有一组分镜关键帧。建议在生成视频前先完成一个小的分镜脚本。6.1 分镜脚本怎么写一个简单的 AI 动画分镜表至少包含这几个字段镜头号景别动作描述情绪/表演时长输出文件S01近景角色从左边回头看向镜头惊喜3ss01.png - s01.mp4S02中景角色走路风吹动头发轻松5ss02.png - s02.mp4S03特写眼睛亮起看向右方惊讶2ss03.png - s03.mp4写分镜时动作描述尽量具体例如“右手抬起指尖触碰花瓣”比“角色很可爱”更适合图像模型。6.2 生成关键帧输入示例假设你使用 WebUI 或 ComfyUI文生图的提示词结构可以这样写masterpiece, best quality, original character, 1girl, grey hair, red eyes, school uniform, looking at viewer, expression surprised, upper body, soft lighting, detailed background, cinematic composition负面提示词一般包括lowres, bad anatomy, bad hands, extra fingers, deformed face, blurry, watermark, text, logo实际使用时把角色描述替换为你自己的 OC 设定。特别是训练过 LoRA 之后提示词中的角色外貌描述可以简化因为 LoRA 已经承担了大部分角色特征控制。6.3 关键帧输出判断标准合格的规范帧应该满足角色五官和设定图一致。动作符合分镜描述。构图内角色主体完整没有截断手脚。画质清晰没有明显变形。只要有一个条件不满足就不要直接进动画流程先在关键帧阶段重抽或者局部重绘。6.4 批量生成关键帧如果是多个镜头不要一张一张手动抽卡。ComfyUI 支持批量提示词和批量图像输入可以设计一个批量生成流程把分镜表里的提示词、ControlNet 姿态图、参考图分别放到对应目录用循环节点一次跑完。通用的目录结构可以这样设计project/ refs/ # 角色设定图 poses/ # ControlNet 姿态图 prompts/ # 每个镜头的提示词文本 keyframes/ # 生成的关键帧输出 shots/ # 生成的视频片段输出 final/ # 最终合成视频输出批量任务一定要加日志记录不要把多个镜头混在一个输出目录里。每张图生成后把对应的提示词和参数写入一个 JSON 文件方便后续复现和排查。{ shot_id: S01, prompt: ..., seed: 123456, controlnet_pose: pose_s01.png, ipadapter_ref: ref_front_face.png, output: keyframes/s01.png }7. 动画生成与批量任务关键帧有了接下来就是把静态图变成动画片段。这里按路线 A 和路线 B 分别展开。7.1 AnimateDiff 本地生成动画片段AnimateDiff 是开源社区最常用的本地视频生成模型。它可以把一组图像或一段视频作为条件生成运动连贯的动画。在 ComfyUI 中常见的节点流程是加载 checkpoint 和角色 LoRA。加载 ControlNet 模型固定关键帧动作。加载 AnimateDiff 节点设置帧数、运动强度。连接采样器生成视频帧序列。用 Video Helper Suite 把帧序列组装成视频。帧数是影响显存的核心参数。如果显存有限建议先用 8 帧、512x512 测试。确认稳定后再拉长到 16 帧或 24 帧。AnimateDiff 的“运动强度”参数不要一次性调得过高容易导致画面抖动或角色形变。7.2 图生视频平台做动画片段如果使用可灵、即梦、Runway、Pika 等平台操作通常非常直接上传关键帧图。选择图生视频或首尾帧模式。填入运动提示词比如“角色缓慢转头头发随风飘动镜头缓慢靠近”。点击生成等待平台输出片段。平台路线的优势是运动模型更成熟画面更自然。劣势是单次生成时长通常只有几秒要做一个完整叙事片段需要把多个短片段剪辑拼接。另外平台对运动提示词的理解会影响结果建议把动作目的写清楚而不是只写氛围词。7.3 批量任务设计无论本地还是平台动画片段都不太可能一次性生成完美结果。批量任务的思路是每个镜头生成 3 到 5 个候选版本挑选可用的再做补帧和拼接。本地 ComfyUI 可以通过修改提示词列表、改变随机种子、循环执行批次来批量生成。代码层面可以用一个简单 Python 脚本调用 ComfyUI 的 API自动提交工作流任务并下载输出。后面单独用一节讲 API 调用因为这是批量链路里最容易被忽略的部分。7.4 补帧和剪辑AnimateDiff 默认生成的视频帧率不高直接导出会觉得卡顿。可以用 RIFE 补帧节点或 FFmpeg 的 minterpolate 滤镜做插帧。例如使用 FFmpeg 补帧的命令模板如下ffmpeg -i input.mp4 -vf minterpolatefps30 -c:v libx264 output.mp4这只是通用示例实际补帧质量和速度因视频长度、分辨率而异。补帧后再进剪映、Premiere 或 DaVinci Resolve 剪辑加上字幕、配音和音乐。8. 接口 API 调用示例把动画流程接进自己的工具本地 ComfyUI 自带 API。启动服务后可以通过 HTTP 请求提交工作流。这个能力对批量生产动画片段非常关键——你可以写脚本一次提交多个镜头而不是在 WebUI 里手动点击。ComfyUI 的 API 调用思路是先在 WebUI 中加载你想要的工作流然后导出为 API 格式的 JSON。调用时用同一个 JSON 作为请求体POST 到/prompt接口。下面给出一个通用 Python 调用示例import json import requests COMFYUI_HOST 127.0.0.1 COMFYUI_PORT 8188 def queue_prompt(workflow_json: dict) - str: url fhttp://{COMFYUI_HOST}:{COMFYUI_PORT}/prompt resp requests.post(url, json{prompt: workflow_json}, timeout30) resp.raise_for_status() return resp.json().get(prompt_id) def get_history(prompt_id: str): url fhttp://{COMFYUI_HOST}:{COMFYUI_PORT}/history/{prompt_id} resp requests.get(url, timeout30) resp.raise_for_status() return resp.json() # 这里需要替换成你自己的工作流 API JSON workflow { 3: { class_type: KSampler, inputs: { seed: 123456, steps: 20, cfg: 7.0, sampler_name: euler, scheduler: normal, denoise: 1.0 } } } prompt_id queue_prompt(workflow) print(fPrompt ID: {prompt_id})需要特别注意上面这段代码里的 workflow 字典并不完整真实使用必须从 ComfyUI 工作流里导出的 API 格式 JSON 替换。直接复制这段代码不能运行一个完整生成流程它的作用是展示调用链路的骨架。批量提交时建议给每个镜头保存独立的 prompt_id方便后续查询状态和下载结果。失败任务要加重试机制import time import requests def wait_and_retry(prompt_id, max_retries5): for attempt in range(max_retries): history get_history(prompt_id) if prompt_id in history: return history[prompt_id] time.sleep(5 * (attempt 1)) raise TimeoutError(Prompt execution timed out)API 服务的端口和地址要注意安全边界。如果只在局域网内使用建议监听 127.0.0.1不要直接暴露到公网。如果确实需要远程提交任务应当放在内网环境或加访问控制。9. 资源占用与性能观察本地 AI 动画最容易被低估的问题是资源占用。很多人文生图能跑 1024x1024以为视频也能实际上 AnimateDiff 的显存压力远大于普通文生图。观察资源占用不要靠感觉建议在启动 ComfyUI 和批量生成时打开任务管理器或nvidia-smi监控显存。nvidia-smi -l 2这条命令每 2 秒刷新一次显卡状态可以看到显存占用、显存温度、功耗和 GPU 利用率。生成动画时如果显存接近满格画面可能突然变黑或报 CUDA out of memory这时候就要降低分辨率或减少帧数。从多数本地部署案例看影响显存的因素按影响程度排序大致是视频总帧数、分辨率、ControlNet 是否启用、LoRA 数量、AnimateDiff 运动模块、批次大小。所以优化优先顺序也是降低帧数先把 8 帧跑通。降低分辨率例如从 768 降到 512。减少同时加载的 ControlNet 和 IP-Adapter 数量。关闭不必要的前置或后置节点。如果显存不够考虑加--lowvram这类显存优化启动参数。python main.py --listen 127.0.0.1 --port 8188 --lowvramCPU 推理不是完全不可行但动画生成通常耗时很长。文字转图可能多等几秒还能接受几十帧的动画如果在 CPU 上跑时间会成倍放大。更合理的方式是优先用 GPU 跑批量生成CPU 只负责补帧、视频编码等后处理。10. 常见问题与排查方法AI 制作 OC 动画过程中最常遇到的就是下面几个问题。列成表格方便对照排查。问题现象可能原因排查方式解决方案ComfyUI 启动后页面打不开端口被占用或服务未启动检查启动日志使用netstat -ano查看 8188 端口换端口启动--port 8189清理占用端口的进程生成图片时角色五官漂移LoRA 权重不够或参考图不够对比同种子下不同 LoRA 权重的输出提高 LoRA 权重到 0.8~1.0或检查参考图角度覆盖生成动画时人物形变严重AnimateDiff 运动强度太大/帧数太少降低运动强度参数延长帧数使用 16 帧以上测试运动强度从 0.5 开始微调显存不足 CUDA out of memory帧数、分辨率、批次数过高查看 nvidia-smi 显存占用降低分辨率到 512减少帧数开启 lowvram模型文件缺失或加载失败模型下载不完整或路径不对查看启动日志中的模型加载路径将模型放到正确的 models 子目录自定义节点报错节点依赖缺失或 ComfyUI 版本过旧查看节点 README 依赖要求更新 ComfyUI安装缺失 Python 包图生视频平台生成结果角色不一致平台算法与输入参考图不兼容更换输入图角度增加首尾帧控制尽量使用正脸、半身设定图首尾帧都放角色参考图API 提交任务无返回请求 JSON 格式错误或端口未开放先检查 WebUI 是否可访问再看返回状态码用文档中的 API 格式重导工作流确认端口访问这里再单独补充一个容易踩的坑如果你从网上下载了一个别人做好的 ComfyUI 工作流直接导入后发现报错绝大多数情况不是流程逻辑错而是本地没有对应节点或模型。先看错误提示里的“node type”是什么再通过 ComfyUI-Manager 补齐节点。11. 最佳实践与使用建议最后给出一套我自己在处理 AI 动画项目时会遵守的工程化实践。第一第一版永远用小参数跑通。不要一上来就生成 24 帧、720p、带 ControlNet 和 LoRA 的完整镜头。把分辨率降到 512、帧数降到 8、控制条件只留一个 LoRA跑通一个 2 秒测试片段。确认稳定后再逐步加回其他条件。这个习惯能省掉大量排查时间。第二模型文件、素材、输出分目录管理。建议一个角色一个角色文件夹一个镜头一个镜头输出目录。不要把十几个镜头的关键帧、视频片段、候选图全部堆在同一个文件夹里。文件名带镜头编号和版本号例如S01_v1.png、S01_v2.mp4。第三批量任务一定要有日志和失败重试。用 API 批量提交时把每个任务的 prompt_id、状态、输出路径记录到本地 JSON 或 CSV。失败任务在重试前先看日志不要盲目重跑同一份错误配置。第四接口服务要限制访问范围。ComfyUI 的 API 服务应该只监听本机或内网不要随意映射到公网。需要远程调用时避免直接暴露明文端口可以用带鉴权的代理或用内网穿透方案时做好认证。第五涉及人脸、声音、版权素材时必须确认授权。OC 动画的乐趣在于原创不要拿不认识的人或他人的 IP 形象做训练集。使用他人音乐、配音、参考视频时要先获得许可。12. 总结与下一步AI 制作 OC 动画这条链路目前最值得尝试的点是把原本需要多个人协作的动画前期工作压缩成一条“角色设定 - 关键帧 - 视频片段 - 补帧剪辑”的流水线。最先该验证的功能不是生成一段炫酷视频而是角色一致性。花时间把 LoRA 和参考图方案调稳后面的所有镜头都会轻松很多。最容易踩的坑有两个一是忽略显存限制直接跑高分辨率长片段二是只图生成好看的单帧不做镜头规划就希望 AI 自动产出完整叙事。记住动画是时间艺术单帧好看不等于成片成立。后续可以继续扩展的方向很多训练更精细的角色 LoRA、把多个镜头用统一画风串联、引入动作捕捉数据让角色姿态更精准、把 TTS 配音和口型同步接进来甚至可以把 AI Agent 和角色动画结合让 OC 在虚拟空间里持续互动。如果对这个方向感兴趣也可以关注社区里类似 my_ai_town 的开源尝试这类项目通常会把 AI Agent 与角色行为结合起来是另一个很有意思的切入点。下一篇可以接着拆 AnimateDiff 的 ComfyUI 工作流节点细节以及如何用 API 做一套完整的动画镜头批量生成队列。如果你正好卡在某个环节建议先按这篇文章的流程跑一次小样再带着问题来找答案。 AI制作OC动画全流程：从角色一致性到本地部署与批量生成
这次我们来看一个很多人都在问的实用流程用 AI 制作自己的 OCOriginal Character原创角色动画。不用等到AI 泛泛生成一段抽象视频的技术成熟而是要让一个固定的原创角色在可控的镜头里动起来并完成一个有完整表达的小短片。这个需求已经有一套可以落地的方案本文会把整条链路拆开讲清楚。先回答最关心的三个问题这套流程要不要写代码普通家用显卡能不能跑角色会不会每次生成出来都长不一样我的判断是如果你走本地 ComfyUI AnimateDiff 图生视频路线不需要写高深代码但需要花一点时间搭节点显卡显存建议 8GB 起步6GB 可以勉强跑低分辨率角色一致性要靠 LoRA、IP-Adapter、ControlNet 和参考图共同控制不能只靠提示词。这篇文章会覆盖的内容包括AI 制作 OC 动画的几种主流技术路线、角色一致性方案怎么选、本地部署环境怎么准备、关键帧与分镜怎么生成、动画片段怎么批量产出、补帧与配音怎么接进去以及一套完整的排查清单。适合已经在玩 Stable Diffusion WebUI 或 ComfyUI、但还没把角色做成动画的读者也适合想用 AI 视频工具做短片但被角色漂移问题困扰的人。1. 核心能力速览AI 制作 OC 动画不是一个单点工具而是一条由多个模型和节点组成的流水线。先把整条链路的能力项列出来后面每个环节再展开。能力项说明技术路线Stable Diffusion / ComfyUI 本地生成 AnimateDiff 动画化 补帧 剪辑或调用可灵、即梦、Runway、Pika 等图生视频平台主要功能角色设定图生成、角色一致性控制、关键帧/分镜图生成、图片转视频、首尾帧控制、补帧、配音、剪辑合成角色一致性方案LoRA 微调、IP-Adapter 参考图、ReActor 换脸、ControlNet 姿态控制、局部重绘、角色多视图参考板硬件门槛本地路线建议 N 卡 8GB 显存起步6GB 显存需降低分辨率纯平台路线不依赖显卡支持平台本地路线支持 Windows / Linux / Mac部分节点依赖差异较大平台路线浏览器即可启动方式ComfyUI 手动启动 / 一键整合包平台路线直接在网页上传素材是否支持 API本地 ComfyUI 自带 API平台类多数提供付费 API是否支持批量任务支持可批量生成分镜图、批量转视频、批量补帧适合场景OC 动画短片、MV 片段、漫画辅助动画、个人创作测试、小型工作室前期预演不适合场景需要严格物理规律的高质量商业级动画、需要多人交互对话的长片、需要逐帧人工细节控制的电影级项目从这张表可以看出来AI 制作 OC 动画的核心不是哪个模型能生成视频而是如何让动画里的角色始终是同一个角色。所以下文会花大量篇幅讲角色一致性这是整条流水线的地基。2. 适用场景与使用边界AI 制作 OC 动画解决的是一个人也能完成角色动画的问题。传统 2D 动画制作要经历角色设计、分镜、原画、中间画、上色、合成单人完成一部短片周期很长。AI 动画压缩了其中大量重复工作角色设计可以交给文生图模型反复迭代动作镜头可以交给 AnimateDiff 或图生视频模型生成补帧可以交给 RIFE 这类模型配音可以交给 TTS。比较适合的使用场景包括给自己的 OC 做一个短视频设定集让角色动态展示。做系列短片的片头或片尾动画。为小说、漫画 IP 生成动画版宣传物料。游戏角色设定、桌游角色卡片的动态演示。小型工作室在正式制作前用 AI 生成动态分镜用来确认镜头和叙事节奏。不合适的场景也要说清楚。如果项目要求角色做非常精确的表情表演、需要长时间保持人物一致且镜头复杂调度、或者需要严格遵循动画物理规律当前的 AI 动画方案会明显吃力。这类需求更适合传统动画管线或把 AI 生成结果当参考底稿再人工修正。安全边界必须强调OC 动画如果使用真人照片转绘、特定名人脸、他人配音音色、受版权保护的背景音乐都需要先获得合法授权。开源模型训练角色的底图也要确认没有侵犯他人肖像权和著作权。个人娱乐测试没问题但发布到公开平台、参加比赛或用于商业项目前一定要做授权复核。3. AI 制作 OC 动画的三种技术路线不要以为只有一条路。实际做起来不同角色风格、不同镜头需求适合的技术路线不同。3.1 路线 AComfyUI AnimateDiff 本地生成这条路线是当前开源社区最主流的 OC 动画方案。流程是在 ComfyUI 里用文生图生成角色设定图找固定角度和固定外观。训练一个角色 LoRA或者使用 IP-Adapter 固定角色特征。用 ControlNet 控制角色的姿态、景深、线稿生成一组合规关键帧。把关键帧接入 AnimateDiff 作为引导生成短视频片段。用 RIFE / FILM 补帧再进剪辑软件合成。优点是完全本地、可控性最高、模型选择灵活、可以批量跑。缺点是节点多、需要显卡、学习成本比一键生成工具高。3.2 路线 B图生视频平台 首尾帧控制如果你不想折腾本地环境或者电脑没有独立显卡可以直接使用可灵、即梦、Runway、Pika 这类图生视频平台。操作路径是先用 Stable Diffusion 或 Midjourney 生成角色设定图。上传设定图到图生视频平台输入运动描述。用首尾帧模式指定角色动作起止画面。平台生成 3 到 10 秒不等的动画片段。优点是出片快、画面质感好、不需要本地硬件。缺点是角色一致性依赖平台算法长镜头和复杂动作容易漂移大多数平台按时长或积分收费批量测试成本不低。3.3 路线 CEbSynth 转描方案如果要追求更强的角色一致性和更接近手绘的质感可以走 EbSynth 转描路线。做法是先用 3D 软件或手工做一个粗略的动画底稿或者拍摄一段真人参考视频然后使用关键帧图通过 EbSynth 把画风转移到每一帧。这条路线能保证角色高度一致因为它本质上是固定画风转描而不是从零生成每一帧。缺点是制作周期比路线 A 更长需要懂一点分帧和关键帧概念。从材料来看多数 OC 动画作者最关心的是可复现、能落地所以下文重点展开路线 A同时把路线 B 的批量思路也写进去。4. 本地部署环境准备ComfyUI 路线如果选择路线 A第一步是搭好 ComfyUI 环境。注意下面给的是通用检查清单和部署模板具体版本号以你安装时官方仓库为准。4.1 硬件检查本地生成动画比文生图更消耗显存。不要因为 WebUI 能出图就认为动画一定能跑。AnimateDiff 在推理时要同时加载多个运动模块和图像编码器显存占用会明显上升。建议按以下标准自检配置项最低要求推荐要求显卡6GB 显存只能低分辨率短片段8GB 至 12GB 显存内存16GB32GB系统盘空间20GB 以上50GB 以上SSD 更好显卡驱动支持 CUDA 即可更新到最近一版稳定驱动操作系统Windows 10/11Windows 11 或 Linux如果你的显卡是 6GB 显存需要把分辨率控制在 512 左右、片段长度控制在 16 帧以内、并使用低显存优化选项。更稳妥的判断是先跑通一个只有几帧的测试片段再逐步加大长度和分辨率不要一上来就生成超长高清视频。4.2 安装 ComfyUI安装 ComfyUI 的方式很多主流有两种。第一种是使用官方一键整合包适合不想折腾环境的用户。下载解压后Windows 下直接运行启动脚本然后在浏览器访问本地 WebUI。第二种是使用 Git 拉取源码手动安装依赖。这种方式更透明、更新更方便。通用命令如下git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI python -m venv venv # Windows venv\Scripts\activate # Linux / macOS source venv/bin/activate pip install -r requirements.txt模型文件需要放到 ComfyUI 的 models 目录下。常见目录结构如下ComfyUI/ models/ checkpoints/ # 主模型如 SDXL、SD1.5 loras/ # 角色 LoRA controlnet/ # ControlNet 模型 ipadapter/ # IP-Adapter 模型 vae/ # VAE 文件 unet/ # 部分新模型结构下的 UNet 文件模型下载地址和对应文件名请以官方仓库或模型平台标注为准不要从不明来源下载 .ckpt 或 .safetensors 文件。启动 ComfyUI 的命令模板如下python main.py --listen 127.0.0.1 --port 8188启动后如果看到类似下面的日志说明 WebUI 已经在本地运行Starting server To see the GUI go to: http://127.0.0.1:81884.3 安装关键自定义节点ComfyUI 默认节点只能做文生图和图生图做动画还需要安装 AnimateDiff、ControlNet、IP-Adapter、Video Helper Suite 等自定义节点。很多整合包已经内置手动安装时建议使用 ComfyUI-Manager在页面里检索安装。需要注意不同自定义节点对 ComfyUI 版本有要求。如果安装节点后报错优先检查是不是 ComfyUI 版本过旧以及节点依赖的 Python 包是否缺失。5. 角色一致性方案OC 动画的核心难点AI 动画最容易翻车的点只有一个角色不固定。同一个 OC第一帧是黑长直第二帧变成棕色短发第三帧直接换脸。这不是某个模型的问题而是图像生成模型缺少角色记忆导致的。想解决这个问题需要把下面几个工具组合使用。5.1 训练一个角色 LoRALoRA 是目前最有效的角色一致性方案。思路是准备 10 到 30 张同角色、不同角度、不同表情、不同构图的图片对一个底模做微调得到一个小体积角色模型。之后在提示词里调用这个 LoRA角色特征就会被锁定。材料中提到的 OC 动画如果是有固定人设的角色强烈建议走 LoRA 路线。原因是只有 LoRA 才能真正记住角色的五官特征、发型、服装配色和气质。其他方案更多是临时参考。训练 LoRA 不是本文重点但可以给出一个通用流程收集素材10 到 30 张角色图尽量覆盖正面、侧面、半侧、全身、半身。裁剪与打标把图片统一裁剪到合适分辨率并为每张图写清楚角色特征标签比如 hair color、eye color、outfit。选择训练工具常用的有 Kohya_ss、LoRA Easy Training Scripts、或 WebUI 里的训练插件。设置训练参数分辨率、训练步数、学习率、网络维度。不同底模、不同题材参数差异很大需要按实际测试调整。注意如果你使用的是他人风格或者官方角色的图片来训练 LoRA需要确认授权。OC 动画尽量只训练自己的原创角色形象。5.2 IP-Adapter不需要训练的参考方案如果不想训练 LoRA或者临时需要让一个新角色保持一致性可以用 IP-Adapter。它可以把一张参考图作为输入条件把参考图的特征注入到生成过程中。生成时只要把 OC 的设定图放到 IP-Adapter 节点里就能在保留角色外观的前提下改变姿态、表情和背景。IP-Adapter 的优点是快、不用训练、可以随时换参考图。缺点是对画面控制力不如 LoRA 精细复杂光影下容易出现参考图特征“渗透”不够的问题。实际使用中IP-Adapter 更适合作为 LoRA 的补充而不是完全替代。5.3 ControlNet控制姿态和动作动画需要角色反复做不同动作单纯靠提示词控制姿态不可靠。这时候要用 ControlNet。常用模型包括OpenPose用骨骼关键点控制人物姿态。Canny / Lineart用线稿控制构图和纹理边界。Depth用深度图控制景深和空间关系。SoftEdge用软边缘控制轮廓适合插画风格。在 OC 动画里OpenPose 是最常用的。你可以从参考视频中提取姿态也可以用 3D 模型摆好姿势导出骨骼图再喂给 ControlNet 生成关键帧。5.4 多视图参考板如果角色设计本身就非常复杂比如有特殊纹身、衣服上的花纹、发型不对称建议先生成一张多视图角色设定图。也就是把角色正面、背面、侧面、半身、全身放在同一张图里作为全流程的“官方设定板”。之后每次生成新分镜时都把这张设定板作为参考素材喂给 IP-Adapter 或直接作为图生图底图能显著减少细节漂移。下面给出一段在 ComfyUI 中常见的角色一致性节点组合思路加载角色 LoRA - 图像输入 - 文生图/图生图采样 - ControlNet OpenPose 控制 - IP-Adapter 参考图注入 - VAE 解码 - 输出关键帧这套组合就是“LoRA 保底 IP-Adapter 增强 ControlNet 控制动作”几乎覆盖了当前主流 OC 动画生产流程。6. 关键帧与分镜生成角色动画不应该是“随机让 AI 动起来”而是先有一组分镜关键帧。建议在生成视频前先完成一个小的分镜脚本。6.1 分镜脚本怎么写一个简单的 AI 动画分镜表至少包含这几个字段镜头号景别动作描述情绪/表演时长输出文件S01近景角色从左边回头看向镜头惊喜3ss01.png - s01.mp4S02中景角色走路风吹动头发轻松5ss02.png - s02.mp4S03特写眼睛亮起看向右方惊讶2ss03.png - s03.mp4写分镜时动作描述尽量具体例如“右手抬起指尖触碰花瓣”比“角色很可爱”更适合图像模型。6.2 生成关键帧输入示例假设你使用 WebUI 或 ComfyUI文生图的提示词结构可以这样写masterpiece, best quality, original character, 1girl, grey hair, red eyes, school uniform, looking at viewer, expression surprised, upper body, soft lighting, detailed background, cinematic composition负面提示词一般包括lowres, bad anatomy, bad hands, extra fingers, deformed face, blurry, watermark, text, logo实际使用时把角色描述替换为你自己的 OC 设定。特别是训练过 LoRA 之后提示词中的角色外貌描述可以简化因为 LoRA 已经承担了大部分角色特征控制。6.3 关键帧输出判断标准合格的规范帧应该满足角色五官和设定图一致。动作符合分镜描述。构图内角色主体完整没有截断手脚。画质清晰没有明显变形。只要有一个条件不满足就不要直接进动画流程先在关键帧阶段重抽或者局部重绘。6.4 批量生成关键帧如果是多个镜头不要一张一张手动抽卡。ComfyUI 支持批量提示词和批量图像输入可以设计一个批量生成流程把分镜表里的提示词、ControlNet 姿态图、参考图分别放到对应目录用循环节点一次跑完。通用的目录结构可以这样设计project/ refs/ # 角色设定图 poses/ # ControlNet 姿态图 prompts/ # 每个镜头的提示词文本 keyframes/ # 生成的关键帧输出 shots/ # 生成的视频片段输出 final/ # 最终合成视频输出批量任务一定要加日志记录不要把多个镜头混在一个输出目录里。每张图生成后把对应的提示词和参数写入一个 JSON 文件方便后续复现和排查。{ shot_id: S01, prompt: ..., seed: 123456, controlnet_pose: pose_s01.png, ipadapter_ref: ref_front_face.png, output: keyframes/s01.png }7. 动画生成与批量任务关键帧有了接下来就是把静态图变成动画片段。这里按路线 A 和路线 B 分别展开。7.1 AnimateDiff 本地生成动画片段AnimateDiff 是开源社区最常用的本地视频生成模型。它可以把一组图像或一段视频作为条件生成运动连贯的动画。在 ComfyUI 中常见的节点流程是加载 checkpoint 和角色 LoRA。加载 ControlNet 模型固定关键帧动作。加载 AnimateDiff 节点设置帧数、运动强度。连接采样器生成视频帧序列。用 Video Helper Suite 把帧序列组装成视频。帧数是影响显存的核心参数。如果显存有限建议先用 8 帧、512x512 测试。确认稳定后再拉长到 16 帧或 24 帧。AnimateDiff 的“运动强度”参数不要一次性调得过高容易导致画面抖动或角色形变。7.2 图生视频平台做动画片段如果使用可灵、即梦、Runway、Pika 等平台操作通常非常直接上传关键帧图。选择图生视频或首尾帧模式。填入运动提示词比如“角色缓慢转头头发随风飘动镜头缓慢靠近”。点击生成等待平台输出片段。平台路线的优势是运动模型更成熟画面更自然。劣势是单次生成时长通常只有几秒要做一个完整叙事片段需要把多个短片段剪辑拼接。另外平台对运动提示词的理解会影响结果建议把动作目的写清楚而不是只写氛围词。7.3 批量任务设计无论本地还是平台动画片段都不太可能一次性生成完美结果。批量任务的思路是每个镜头生成 3 到 5 个候选版本挑选可用的再做补帧和拼接。本地 ComfyUI 可以通过修改提示词列表、改变随机种子、循环执行批次来批量生成。代码层面可以用一个简单 Python 脚本调用 ComfyUI 的 API自动提交工作流任务并下载输出。后面单独用一节讲 API 调用因为这是批量链路里最容易被忽略的部分。7.4 补帧和剪辑AnimateDiff 默认生成的视频帧率不高直接导出会觉得卡顿。可以用 RIFE 补帧节点或 FFmpeg 的 minterpolate 滤镜做插帧。例如使用 FFmpeg 补帧的命令模板如下ffmpeg -i input.mp4 -vf minterpolatefps30 -c:v libx264 output.mp4这只是通用示例实际补帧质量和速度因视频长度、分辨率而异。补帧后再进剪映、Premiere 或 DaVinci Resolve 剪辑加上字幕、配音和音乐。8. 接口 API 调用示例把动画流程接进自己的工具本地 ComfyUI 自带 API。启动服务后可以通过 HTTP 请求提交工作流。这个能力对批量生产动画片段非常关键——你可以写脚本一次提交多个镜头而不是在 WebUI 里手动点击。ComfyUI 的 API 调用思路是先在 WebUI 中加载你想要的工作流然后导出为 API 格式的 JSON。调用时用同一个 JSON 作为请求体POST 到/prompt接口。下面给出一个通用 Python 调用示例import json import requests COMFYUI_HOST 127.0.0.1 COMFYUI_PORT 8188 def queue_prompt(workflow_json: dict) - str: url fhttp://{COMFYUI_HOST}:{COMFYUI_PORT}/prompt resp requests.post(url, json{prompt: workflow_json}, timeout30) resp.raise_for_status() return resp.json().get(prompt_id) def get_history(prompt_id: str): url fhttp://{COMFYUI_HOST}:{COMFYUI_PORT}/history/{prompt_id} resp requests.get(url, timeout30) resp.raise_for_status() return resp.json() # 这里需要替换成你自己的工作流 API JSON workflow { 3: { class_type: KSampler, inputs: { seed: 123456, steps: 20, cfg: 7.0, sampler_name: euler, scheduler: normal, denoise: 1.0 } } } prompt_id queue_prompt(workflow) print(fPrompt ID: {prompt_id})需要特别注意上面这段代码里的 workflow 字典并不完整真实使用必须从 ComfyUI 工作流里导出的 API 格式 JSON 替换。直接复制这段代码不能运行一个完整生成流程它的作用是展示调用链路的骨架。批量提交时建议给每个镜头保存独立的 prompt_id方便后续查询状态和下载结果。失败任务要加重试机制import time import requests def wait_and_retry(prompt_id, max_retries5): for attempt in range(max_retries): history get_history(prompt_id) if prompt_id in history: return history[prompt_id] time.sleep(5 * (attempt 1)) raise TimeoutError(Prompt execution timed out)API 服务的端口和地址要注意安全边界。如果只在局域网内使用建议监听 127.0.0.1不要直接暴露到公网。如果确实需要远程提交任务应当放在内网环境或加访问控制。9. 资源占用与性能观察本地 AI 动画最容易被低估的问题是资源占用。很多人文生图能跑 1024x1024以为视频也能实际上 AnimateDiff 的显存压力远大于普通文生图。观察资源占用不要靠感觉建议在启动 ComfyUI 和批量生成时打开任务管理器或nvidia-smi监控显存。nvidia-smi -l 2这条命令每 2 秒刷新一次显卡状态可以看到显存占用、显存温度、功耗和 GPU 利用率。生成动画时如果显存接近满格画面可能突然变黑或报 CUDA out of memory这时候就要降低分辨率或减少帧数。从多数本地部署案例看影响显存的因素按影响程度排序大致是视频总帧数、分辨率、ControlNet 是否启用、LoRA 数量、AnimateDiff 运动模块、批次大小。所以优化优先顺序也是降低帧数先把 8 帧跑通。降低分辨率例如从 768 降到 512。减少同时加载的 ControlNet 和 IP-Adapter 数量。关闭不必要的前置或后置节点。如果显存不够考虑加--lowvram这类显存优化启动参数。python main.py --listen 127.0.0.1 --port 8188 --lowvramCPU 推理不是完全不可行但动画生成通常耗时很长。文字转图可能多等几秒还能接受几十帧的动画如果在 CPU 上跑时间会成倍放大。更合理的方式是优先用 GPU 跑批量生成CPU 只负责补帧、视频编码等后处理。10. 常见问题与排查方法AI 制作 OC 动画过程中最常遇到的就是下面几个问题。列成表格方便对照排查。问题现象可能原因排查方式解决方案ComfyUI 启动后页面打不开端口被占用或服务未启动检查启动日志使用netstat -ano查看 8188 端口换端口启动--port 8189清理占用端口的进程生成图片时角色五官漂移LoRA 权重不够或参考图不够对比同种子下不同 LoRA 权重的输出提高 LoRA 权重到 0.8~1.0或检查参考图角度覆盖生成动画时人物形变严重AnimateDiff 运动强度太大/帧数太少降低运动强度参数延长帧数使用 16 帧以上测试运动强度从 0.5 开始微调显存不足 CUDA out of memory帧数、分辨率、批次数过高查看 nvidia-smi 显存占用降低分辨率到 512减少帧数开启 lowvram模型文件缺失或加载失败模型下载不完整或路径不对查看启动日志中的模型加载路径将模型放到正确的 models 子目录自定义节点报错节点依赖缺失或 ComfyUI 版本过旧查看节点 README 依赖要求更新 ComfyUI安装缺失 Python 包图生视频平台生成结果角色不一致平台算法与输入参考图不兼容更换输入图角度增加首尾帧控制尽量使用正脸、半身设定图首尾帧都放角色参考图API 提交任务无返回请求 JSON 格式错误或端口未开放先检查 WebUI 是否可访问再看返回状态码用文档中的 API 格式重导工作流确认端口访问这里再单独补充一个容易踩的坑如果你从网上下载了一个别人做好的 ComfyUI 工作流直接导入后发现报错绝大多数情况不是流程逻辑错而是本地没有对应节点或模型。先看错误提示里的“node type”是什么再通过 ComfyUI-Manager 补齐节点。11. 最佳实践与使用建议最后给出一套我自己在处理 AI 动画项目时会遵守的工程化实践。第一第一版永远用小参数跑通。不要一上来就生成 24 帧、720p、带 ControlNet 和 LoRA 的完整镜头。把分辨率降到 512、帧数降到 8、控制条件只留一个 LoRA跑通一个 2 秒测试片段。确认稳定后再逐步加回其他条件。这个习惯能省掉大量排查时间。第二模型文件、素材、输出分目录管理。建议一个角色一个角色文件夹一个镜头一个镜头输出目录。不要把十几个镜头的关键帧、视频片段、候选图全部堆在同一个文件夹里。文件名带镜头编号和版本号例如S01_v1.png、S01_v2.mp4。第三批量任务一定要有日志和失败重试。用 API 批量提交时把每个任务的 prompt_id、状态、输出路径记录到本地 JSON 或 CSV。失败任务在重试前先看日志不要盲目重跑同一份错误配置。第四接口服务要限制访问范围。ComfyUI 的 API 服务应该只监听本机或内网不要随意映射到公网。需要远程调用时避免直接暴露明文端口可以用带鉴权的代理或用内网穿透方案时做好认证。第五涉及人脸、声音、版权素材时必须确认授权。OC 动画的乐趣在于原创不要拿不认识的人或他人的 IP 形象做训练集。使用他人音乐、配音、参考视频时要先获得许可。12. 总结与下一步AI 制作 OC 动画这条链路目前最值得尝试的点是把原本需要多个人协作的动画前期工作压缩成一条“角色设定 - 关键帧 - 视频片段 - 补帧剪辑”的流水线。最先该验证的功能不是生成一段炫酷视频而是角色一致性。花时间把 LoRA 和参考图方案调稳后面的所有镜头都会轻松很多。最容易踩的坑有两个一是忽略显存限制直接跑高分辨率长片段二是只图生成好看的单帧不做镜头规划就希望 AI 自动产出完整叙事。记住动画是时间艺术单帧好看不等于成片成立。后续可以继续扩展的方向很多训练更精细的角色 LoRA、把多个镜头用统一画风串联、引入动作捕捉数据让角色姿态更精准、把 TTS 配音和口型同步接进来甚至可以把 AI Agent 和角色动画结合让 OC 在虚拟空间里持续互动。如果对这个方向感兴趣也可以关注社区里类似 my_ai_town 的开源尝试这类项目通常会把 AI Agent 与角色行为结合起来是另一个很有意思的切入点。下一篇可以接着拆 AnimateDiff 的 ComfyUI 工作流节点细节以及如何用 API 做一套完整的动画镜头批量生成队列。如果你正好卡在某个环节建议先按这篇文章的流程跑一次小样再带着问题来找答案。