简介这份资源是面向 Stable Diffusion 用户的漫画创作辅助脚本工具适合希望借助 AI 绘画批量生成漫画分镜、提升出图效率的创作者与爱好者尤其对已具备基础 SD 操作经验、想进一步简化工作流的人群较为实用。压缩包共包含 3 个文件以 2 个 txt 文本和 1 个 py 脚本为主整体约 242KB体积轻巧便于快速部署其中脚本文件承担核心功能逻辑文本文件则用于补充配套模型地址等辅助说明方便使用者按需查阅。目前已有 826 人学习下载说明该工具在漫画创作圈内具备一定认可度。通过这份资源读者可获得一套可直接运行的漫画助手脚本配合配套模型地址快速搭建生成环境减少手动配置与重复操作把更多精力放在分镜设计与画面调整上适合作为日常漫画创作的效率补充工具。1. 漫画助手 v6 脚本助手把批量出图从手工活变成流水线如果你用 stable diffusion 画过连载漫画大概率经历过这种崩溃同一角色换了 20 个分镜脸型、发色、服装细节每张都在飘手动一张张调 prompt、换 seed、改 ControlNet 权重一天下来出不了十张能用的。stable diffusion 漫画助手 v6 脚本助手这个方向解决的就是这件事——它不是一个单独的模型而是一套围绕「角色一致性 批量分镜」搭起来的脚本工作流把重复劳动交给代码把判断留给人。它适合三类人做条漫/短篇连载的个人作者需要稳定产出同一角色的多格画面做分镜预演的团队要快速把剧本文字转成风格统一的草图以及已经把 stable diffusion 部署跑通、想进一步自动化的工程师。核心诉求就一个让 v6 这套脚本助手接管「批量生成 一致性约束 命名归档」你只负责审图和微调。下面从环境、脚本结构、参数、避坑一路讲到进阶技巧。2. 漫画助手 v6 脚本助手的运行底座环境、模型与目录约定2.1 为什么先锁环境再谈脚本stable diffusion 部署本身就有坑脚本助手是在它之上再叠一层环境不稳后面全是玄学。我一般把底座拆成三块Python 运行时、推理后端、模型仓库。Python 建议 3.10.x太新3.12容易在编译依赖上翻车太旧3.8部分新库又不支持。推理后端用你已经在用的那套A1111 WebUI 的 API 模式或 ComfyUI 的 API 节点脚本助手本质是调它们的接口不重复造推理轮子。模型仓库要单独规划目录别和 WebUI 默认目录混在一起。漫画助手 v6 通常要同时挂一个基础大模型决定整体画风、一个角色 LoRA锁人物、一个风格 LoRA锁线条和上色、外加 ControlNet 模型锁构图。目录乱了下游脚本找不到文件报错还特别隐晦。# 推荐的目录约定脚本里全部用相对路径引用 sd-comic-v6/ ├── models/ │ ├── base/ # 基础大模型如各类二次元底模 │ ├── lora/ │ │ ├── char/ # 角色 LoRA一个角色一个文件 │ │ └── style/ # 风格 LoRA │ └── controlnet/ # 构图控制模型 ├── scripts/ # 脚本助手本体 ├── configs/ # 每个项目的参数配置 ├── inputs/ # 分镜文本、参考图 └── outputs/ # 生成结果按项目日期归档这段目录结构的关键在于「按职责分层」模型按用途分目录配置和输入输出各自独立。脚本里所有路径都基于项目根目录的相对路径换机器时只改一个根路径变量即可。参数上char和style分开存放是为了后面能独立替换——换画风不动角色换角色不动画风这是批量生产能维护的前提。2.2 脚本助手的四段式结构v6 这类脚本助手不管作者怎么组织落地时基本是四段读配置 → 组装 prompt → 批量调接口 → 归档结果。我习惯把它写成一个主控脚本加若干工具函数而不是一个巨型文件。主控负责流程编排工具函数负责 prompt 拼接、seed 管理、文件命名。# scripts/comic_runner.py import json, os, time, requests from pathlib import Path ROOT Path(__file__).resolve().parent.parent API http://127.0.0.1:7860/sdapi/v1/txt2img # 按你的后端改 def load_config(project): with open(ROOT / configs / f{project}.json, encodingutf-8) as f: return json.load(f) def build_prompt(cfg, shot): # 角色 LoRA 风格 LoRA 分镜描述顺序影响权重叠加 parts [ flora:{cfg[char_lora]}:{cfg[char_weight]}, flora:{cfg[style_lora]}:{cfg[style_weight]}, shot[desc], cfg[quality_tags], ] return , .join(p for p in parts if p) def run_batch(project): cfg load_config(project) shots cfg[shots] out_dir ROOT / outputs / project / time.strftime(%Y%m%d) out_dir.mkdir(parentsTrue, exist_okTrue) for i, shot in enumerate(shots): payload { prompt: build_prompt(cfg, shot), negative_prompt: cfg[negative], seed: cfg[base_seed] i, # 固定基准 seed逐张递增 steps: cfg[steps], cfg_scale: cfg[cfg_scale], width: cfg[width], height: cfg[height], } r requests.post(API, jsonpayload, timeout300).json() # 结果按 分镜序号_角色名 命名方便回查 fname f{i:03d}_{cfg[char_name]}.png (out_dir / fname).write_bytes( __import__(base64).b64decode(r[images][0]) ) print(f[ok] {fname}) if __name__ __main__: run_batch(my_comic)逻辑说明load_config把每个漫画项目的参数外置成 JSON改参数不用动代码build_prompt把角色 LoRA、风格 LoRA、分镜描述、质量词按固定顺序拼起来顺序很关键LoRA 标签放前面权重更稳run_batch用「基准 seed 序号」的方式保证同批次可复现同时每张又有差异。参数上char_weight一般 0.7~0.9太高会僵、太低会飘base_seed固定后同一分镜重跑结果一致方便对比调参。提示先把shots缩到 2~3 条跑通全流程再放全量分镜。批量脚本最怕跑到第 50 张才报错前面全白跑。3. 角色一致性怎么锁LoRA 权重、seed 与 ControlNet 的配合3.1 三个约束手段各管什么角色一致性是漫画助手的命门。stable diffusion 模型本身没有「记住这个角色」的能力一致性靠三个手段叠加LoRA 管「长相特征」seed 管「随机底噪」ControlNet 管「构图和姿势」。三者分工不能混指望调 LoRA 权重去改姿势是白费劲指望 ControlNet 去锁脸也不现实。常见做法是角色 LoRA 权重固定在 0.75 左右打底风格 LoRA 0.5 左右两者相加别超过 1.4否则画面容易糊或者特征打架。seed 用「基准 序号」而不是全随机这样同一角色的不同分镜共享一部分底噪脸型漂移会小很多。ControlNet 用 openpose 或 lineart 锁构图权重 0.6~0.8太高会盖过 LoRA 的角色特征。约束手段管什么推荐权重区间调过头的表现角色 LoRA脸型、发色、服装0.7~0.9表情僵、画面脏风格 LoRA线条、上色0.4~0.6风格压过角色ControlNet构图、姿势0.6~0.8姿势对但脸崩seed 策略底噪稳定性基准递增全随机则脸飘3.2 分镜文本到 prompt 的映射漫画分镜文本通常是人话「主角站在雨中低头看手机背景是便利店」。直接丢给模型效果一般需要映射成模型能吃的结构主体 动作 环境 镜头 质量词。脚本助手的价值就在这层映射自动化。# 分镜文本 → 结构化 prompt 的映射函数 SHOT_TEMPLATE {subject}, {action}, {scene}, {camera}, {quality} def shot_to_prompt(shot, cfg): return SHOT_TEMPLATE.format( subjectshot.get(subject, cfg[char_name]), actionshot.get(action, standing), sceneshot.get(scene, simple background), camerashot.get(camera, medium shot), qualitycfg[quality_tags], )逻辑说明把分镜拆成五个槽位每个槽位有默认值缺哪个补哪个避免 prompt 残缺导致出图跑偏。camera槽位尤其重要漫画分镜的景别特写/中景/远景直接决定画面信息量脚本里可以按分镜序号自动轮换景别制造节奏感。参数上quality_tags建议放正向质量词负向词单独在配置里维护别混在一起。注意分镜文本里的抽象词「悲伤地」「犹豫地」模型理解很差映射时要转成可视化的动作或表情描述比如「低头」「皱眉」「手插口袋」。4. 批量出图的参数配置与归档让 200 张图可回查可复现4.1 配置文件长什么样批量生产的可维护性八成取决于配置文件的组织。我一般一个漫画项目一个 JSON里面分三块全局参数、角色参数、分镜列表。全局参数管分辨率、步数、CFG角色参数管 LoRA 和权重分镜列表管每一格的描述。{ char_name: lin, char_lora: lin_v3.safetensors, char_weight: 0.78, style_lora: manga_line.safetensors, style_weight: 0.5, base_seed: 20240101, steps: 28, cfg_scale: 7, width: 768, height: 1024, quality_tags: masterpiece, best quality, clean lineart, negative: lowres, bad anatomy, extra fingers, watermark, shots: [ {desc: rainy street, looking at phone, camera: medium shot}, {desc: close up, surprised face, camera: close up}, {desc: walking into convenience store, camera: wide shot} ] }逻辑说明base_seed是整个项目的锚点所有分镜的 seed 都从它派生保证项目内可复现。steps28 是二次元底模的常用值再高收益递减cfg_scale7 是稳定区间超过 9 容易过曝、低于 5 容易跑题。分辨率按漫画格子的实际比例设竖构图 768x1024 适合手机条漫横构图反过来。negative里 anatomy 相关的词必加手部崩坏是高频问题。4.2 归档与命名后悔药就藏在这里批量出图最痛的不是生成是生成完找不到、对不上、改不了。命名规则要在跑之前定死我一般用「项目_日期_分镜序号_角色_seed」五段式seed 写进文件名后面想复现某张图直接看名字就行不用翻日志。def archive_name(project, idx, char, seed, extpng): date time.strftime(%Y%m%d) return f{project}_{date}_{idx:03d}_{char}_{seed}.{ext}逻辑说明把 seed 编进文件名是血泪经验——批量跑完几百张回头想微调某一张没有 seed 就只能重抽等于白干。日期段方便按批次管理分镜序号保证排序稳定。参数上idx用三位补零避免 10 排在 2 前面这种排序错乱。提示输出目录按「项目/日期」两级分别全堆一个文件夹。跑过 500 张以上你就知道分目录有多重要。5. 漫画助手 v6 脚本助手的避坑与排查5.1 角色脸每张都不一样现象同一角色 LoRA、同一 seed 策略出图脸型还是飘。原因通常是 LoRA 权重太低或者 ControlNet 权重太高盖过了角色特征也可能是分镜 prompt 里主体描述不一致有的写角色名有的写「a girl」。解决先把角色 LoRA 提到 0.85 试再把 ControlNet 降到 0.6最后统一所有分镜的主体描述全部用同一个角色触发词。5.2 批量跑到一半接口超时现象前 30 张正常第 31 张开始报 timeout 或连接拒绝。原因是后端显存没释放连续请求把显存吃满或者后端单次请求队列堵死。解决脚本里每张之间加time.sleep(1~2)并在 payload 里确认没有开高分辨率修复这类吃显存的后处理显存小的机器把批量拆成每 20 张一批批间重启后端。5.3 LoRA 加载了但没生效现象prompt 里写了lora:xxx:0.8出图却完全没那个角色的特征。原因是 LoRA 文件名和后端实际加载名不一致后缀、大小写、路径或者权重写法后端不认。解决先去后端界面确认 LoRA 的准确调用名脚本里严格照抄权重语法按后端文档写A1111 用尖括号ComfyUI 用节点参数别混用。5.4 出图分辨率对了但构图全乱现象设了 768x1024出图尺寸没错但每张构图都跟分镜对不上。原因是只靠 prompt 描述构图没有 ControlNet 约束模型自由发挥。解决给每个分镜配一张参考图草图或姿势图走 ControlNet 的 lineart/openpose权重 0.7 左右构图立刻听话。5.5 中文分镜文本直接进 prompt 出图崩坏现象分镜写的是中文直接拼进 prompt出图质量断崖式下跌。原因是主流模型对中文理解弱中文 token 还会干扰英文提示。解决分镜文本用中文写没问题但进 prompt 前必须过一层映射转成英文结构化描述这一步在脚本里做成固定函数别偷懒直接拼。6. 进阶用分镜表驱动整话生产与一致性抽检跑到这一步单张出图已经不是问题真正的效率瓶颈在「整话生产」和「质量抽检」。我的做法是把分镜表升级成生产清单每一行是一个分镜列包括序号、景别、描述、参考图路径、是否已出图、抽检结果。脚本读这张表跳过已完成的只跑待处理的天然支持断点续跑。import csv def run_from_sheet(sheet_path, project): cfg load_config(project) with open(sheet_path, encodingutf-8) as f: rows list(csv.DictReader(f)) todo [r for r in rows if r[done] ! 1] print(f待处理 {len(todo)} / 共 {len(rows)}) for r in todo: shot {desc: r[desc], camera: r[camera]} # 复用前面的单张生成逻辑成功后回写 done1 generate_one(cfg, shot, idxint(r[idx])) r[done] 1 # 回写表格下次直接续跑 with open(sheet_path, w, encodingutf-8, newline) as f: writer csv.DictWriter(f, fieldnamesrows[0].keys()) writer.writeheader() writer.writerows(rows)逻辑说明用 CSV 当生产清单的好处是人和脚本都能读写改分镜不用碰代码跑完自动回写状态中断了重跑不会重复劳动。参数上done字段是断点续跑的关键idx要和输出文件名里的序号对齐方便对账。一致性抽检我一般用两个土办法一是把同一角色的所有出图缩略图拼成一张 contact sheet肉眼扫一遍脸飘的一眼就能看出来二是固定一个「基准分镜」每批出图都重跑这一张和上一批的基准图对比差异大说明参数漂了。这两个办法不依赖任何额外模型成本低、见效快。最后说个习惯我每次调完参数一定把当次的配置 JSON 连同输出目录一起存档命名带上日期和一句备注。翻车过太多次——某次觉得「这组参数绝了」过两周想复现配置早被覆盖了只能从头试。参数这东西不存等于没调过。希望帮到你。本文还有配套的精品资源点击获取