生成风格统一、角色一致的连续画面是AI漫画创作中的难点。这套ComfyUI工作流通过FLUX-Klein模型，专注于解决人物一致性问题，能够高效生成九宫格分镜，为AI动画和漫剧制作提供了清晰、可复现的实现路径。它降低了技术门槛，让创作者能专注于故事构思。
智能速览
FLUX-Klein 9B模型在分镜生成中效果优于4B版本。
提示词生成是关键，可用大语言模型或内置反推功能。
工作流需注意主模型与CLIP模型的版本对应关系。
该模型目前更擅长西式角色，国风题材生成效果有限。
精华内容
这套工作流的核心在于将复杂的分镜创作拆解为模型选择和提示词生成两个关键步骤，通过标准化流程确保最终画面的连贯性与一致性。
模型选择
FLUX-Klein模型分为4B和9B两个版本，推荐优先使用9B版本。虽然9B参数更多，但其体积并未比4B大很多，而生成的分镜效果则明显更好。
配置时，主模型加载FLUX.1 Klein，CLIP文本编码器必须严格对应，9B主模型需搭配sigclip_vit_8b，VAE则使用FLUX.2的VAE。错误的模型组合会导致无法正常运行或效果不佳。
提示词生成
生成九段连贯的提示词是分镜成功的关键。提供了两种方法：一是借助豆包等大语言模型，上传参考图并设定具体指令，让其生成包含场景、镜头运动、焦点的九段描述；二是使用工作流内置的反推节点，输入故事梗概（如“美国队长遇袭搏斗并获胜”），由系统自动生成分镜提示词。
参数与生成
采样器设置相对简单，推荐仅需4步即可。图像尺寸设置上，建议将最长边设为1280或1536等32的倍数，以保证最佳生成效果。
整个流程本质是图生图，通过加载的提示词序列，驱动模型逐一输出九格画面。由于AI生成存在随机性，可能需要多次抽卡，从中挑选满意的画面进行组合。
模型局限
FLUX-Klein模型在生成西式角色和场景时表现优异，如美国队长、雷神索尔等。但测试发现，其在处理国风、武侠等东方题材时效果不佳，容易出现结构错误。
这提示当前模型存在风格偏向性，创作者在题材选择上需注意，同时也期待后续社区或官方推出针对国风优化的版本。
这套工作流为AI漫画和动画的初帧设计提供了高效的解决方案，显著降低了角色一致性问题的门槛。虽然目前存在风格偏好，但其清晰的思路和可操作性已具备很高的实用价值。随着模型不断迭代，它或将彻底改变创作者的叙事方式。
