简介这份资源是面向Stable Diffusion漫画创作者的脚本助手工具主要解决漫画生成流程中批量处理与参数调优的效率问题适合已掌握SD基础操作、希望进一步提升出图效率与画面一致性的中高级用户。压缩包共3个文件以Python脚本为核心执行文件配合两份txt说明文档分别用于指引配套模型的获取地址及使用提示整体体积约242KB轻量易部署不占用过多磁盘空间。目前已有826人学习下载说明该脚本在漫画创作圈内具备一定实用价值。读者可获得脚本化的漫画生成辅助能力通过运行Python脚本简化重复性操作同时借助说明文档快速定位所需模型资源减少自行摸索的时间成本适合需要批量产出漫画风格图像、优化工作流的创作者参考使用。1. 漫画助手 v6 脚本助手把 Stable Diffusion 从「抽卡」变成「流水线」如果你用 Stable Diffusion 出过漫画分镜大概率经历过这种崩溃同一角色第一格还是黑长直第二格变成卷发第三格脸直接换了个人。单张图看着都挺好看拼成分镜就露馅。stable diffusion 漫画助手 v6 脚本助手这个方向解决的就是这件事——它不是某个模型而是一套围绕「角色一致性 批量分镜」的脚本化工作流。核心思路是把提示词、种子、ControlNet 条件、LoRA 权重这些变量用脚本锁死让每一格只改「动作和构图」不改「脸和画风」。适合两类人一是想稳定产出连载分镜的个人创作者二是想把出图环节接进自己工具链的开发者。下面按「先立住原理、再跑通最小流程、最后避坑」的顺序讲每一步都能直接抄。2. 漫画助手 v6 的脚本化底座为什么不能靠手点2.1 手点 WebUI 的三个致命断点先说清楚为什么必须上脚本。手点界面出分镜问题不在效率在不可复现。你今天调出一张满意的角色图记下了种子和提示词明天想微调动作改了两个词脸就变了。原因有三个第一Stable Diffusion 的采样过程对提示词顺序和权重极度敏感手动改词会连带影响角色特征 token 的注意力分配第二WebUI 的随机种子只锁噪声起点不锁 ControlNet 的预处理结果换一张姿势参考图边缘检测的输出就全变了第三LoRA 的加载顺序和权重叠加在多次会话之间没有记录你以为用的是同一个角色 LoRA实际权重可能被上一个工作流覆盖了。脚本化的本质是把「角色定义」和「场景定义」拆成两组独立参数。角色定义包括角色 LoRA 路径与权重、固定种子区间、角色特征提示词模板、负面提示词基线。场景定义包括动作描述、构图参考图、ControlNet 类型与权重、采样步数与 CFG。漫画助手 v6 的脚本助手干的就是把这两组参数用配置文件管理起来每次出图只动场景组角色组原样传入。2.2 最小可复现的角色锁定配置下面是一个能直接跑的最小配置。假设你用 A1111 WebUI 的 API 模式先启动时加--api --nowebui。配置文件用 YAML 管理角色和场景。# character_lock.yaml character: lora_path: models/Lora/char_heroine_v3.safetensors lora_weight: 0.75 base_seed: 20240115 prompt_template: 1girl, {action}, {scene}, masterpiece, best quality negative: lowres, bad anatomy, extra fingers, worst quality face_prompt: black long hair, red eyes, school uniform scene: action: running scene: city street, sunset controlnet: type: openpose image: refs/pose_01.png weight: 0.9 steps: 28 cfg_scale: 7 width: 512 height: 768# run_batch.py import yaml, requests, json, os with open(character_lock.yaml, r, encodingutf-8) as f: cfg yaml.safe_load(f) char cfg[character] scene cfg[scene] # 角色特征拼进正向提示词动作和场景作为变量 prompt char[prompt_template].format( actionscene[action], scenescene[scene] ) , char[face_prompt] payload { prompt: prompt, negative_prompt: char[negative], seed: char[base_seed], # 固定种子锁噪声起点 steps: scene[steps], cfg_scale: scene[cfg_scale], width: scene[width], height: scene[height], override_settings: { sd_model_checkpoint: anything-v5.safetensors }, # LoRA 通过提示词语法注入权重写在尖括号里 alwayson_scripts: { ControlNet: { args: [{ input_image: scene[controlnet][image], module: scene[controlnet][type], weight: scene[controlnet][weight] }] } } } # LoRA 注入lora:文件名:权重 payload[prompt] f lora:{os.path.basename(char[lora_path]).replace(.safetensors,)}:{char[lora_weight]} resp requests.post(http://127.0.0.1:7860/sdapi/v1/txt2img, jsonpayload) data resp.json() for i, img in enumerate(data[images]): with open(foutput/frame_{i}.png, wb) as f: f.write(__import__(base64).b64decode(img.split(,, 1)[0]))这段代码的逻辑分三层。第一层是配置分离character_lock.yaml里角色相关的字段lora_path、base_seed、face_prompt在批量出图时一个字都不改只改scene下的action和scene。第二层是种子策略base_seed固定意味着每次采样的初始噪声完全一致角色脸部的潜空间分布不会漂移。第三层是 LoRA 注入方式通过提示词里的lora:名字:权重语法加载权重 0.75 是经验值低于 0.6 角色特征不明显高于 0.9 会污染画风、让背景也带上角色 LoRA 的训练痕迹。参数上重点说三个。cfg_scale设 7 是漫画风格的甜点区低于 5 提示词约束太弱、动作会乱跑高于 9 画面发灰、线条变硬。steps设 28 配合 DPM 2M Karras 采样器再高收益递减。ControlNet 的weight设 0.9是因为 openpose 只控制骨架留 0.1 的余量让模型自己补细节设 1.0 会让人物姿势僵硬得像木偶。提示第一次跑先把base_seed固定连续出 5 张只改action观察脸是否稳定。如果第 3 张开始漂说明 LoRA 权重偏低或负面提示词没压住。3. 分镜批量生成从单张到一话的脚本编排3.1 用分镜表驱动批量出图单张跑通之后下一步是把一话分镜拆成结构化数据。常见做法是用 CSV 或 JSON 维护分镜表每行一个镜头脚本读表逐行出图。这样做的价值在于分镜表可以版本管理改哪一格的描述一目了然出图脚本不用动。frame_id,action,scene,pose_ref,cn_weight,seed_offset 01,standing,classroom,refs/pose_stand.png,0.85,0 02,running,city street,refs/pose_run.png,0.9,1 03,sitting,rooftop,refs/pose_sit.png,0.8,2 04,turning back,alley night,refs/pose_turn.png,0.9,3# batch_frames.py import csv, requests, base64, os with open(character_lock.yaml, r, encodingutf-8) as f: import yaml cfg yaml.safe_load(f) char cfg[character] with open(storyboard.csv, r, encodingutf-8) as f: reader csv.DictReader(f) for row in reader: prompt char[prompt_template].format( actionrow[action], scenerow[scene] ) , char[face_prompt] prompt f lora:char_heroine_v3:{char[lora_weight]} payload { prompt: prompt, negative_prompt: char[negative], # 种子偏移同一角色不同镜头用相邻种子避免完全相同的构图 seed: char[base_seed] int(row[seed_offset]), steps: 28, cfg_scale: 7, width: 512, height: 768, alwayson_scripts: { ControlNet: { args: [{ input_image: row[pose_ref], module: openpose, weight: float(row[cn_weight]) }] } } } resp requests.post(http://127.0.0.1:7860/sdapi/v1/txt2img, jsonpayload) img resp.json()[images][0] with open(foutput/frame_{row[frame_id]}.png, wb) as f: f.write(base64.b64decode(img.split(,, 1)[0])) print(fframe {row[frame_id]} done)这里的关键设计是seed_offset。如果所有镜头都用同一个种子构图会高度雷同人物永远站在画面同一位置。用相邻种子base0、base1、base2能在保持角色特征的前提下让构图有自然变化。实测偏移量在 0 到 5 之间效果最好超过 10 角色脸开始漂。cn_weight按镜头类型微调站姿和坐姿这类静态动作设 0.8 到 0.85给模型留出服装褶皱的自由度跑步、转身这类动态动作设 0.9因为骨架必须准否则肢体比例会崩。3.2 批量出图后的筛选与重跑策略批量出图不是终点筛选才是。一话 20 格每格出 4 张候选就是 80 张图。人工一张张看效率太低常见做法是先用脚本做一轮自动过滤检测人脸区域是否清晰、手部是否畸形、画面是否过曝。可以用 OpenCV 做快速筛查。# filter_frames.py import cv2, os def check_face(img_path): img cv2.imread(img_path) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 用 Haar 级联做快速人脸检测只判断有没有脸、脸大不大 cascade cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) faces cascade.detectMultiScale(gray, 1.1, 4) if len(faces) 0: return False, no_face # 脸太小说明构图太远角色不突出 x, y, w, h faces[0] if w * h img.shape[0] * img.shape[1] * 0.02: return False, face_too_small return True, ok for f in sorted(os.listdir(output)): if f.endswith(.png): ok, reason check_face(os.path.join(output, f)) if not ok: print(f{f}: {reason} - 需要重跑)这个筛查脚本只做粗筛把明显没脸或脸太小的图挑出来重跑。重跑时把seed_offset加 100换一个种子区间避免和失败图落在同一个噪声分布里。精细筛选还是得人工但粗筛能砍掉 30% 到 40% 的无效图省下大量时间。注意Haar 级联对动漫脸检测率一般如果误杀太多换成基于 ONNX 的人脸检测模型或者干脆只做「画面亮度 边缘密度」的简单过滤别在筛选环节过度工程。4. 避坑与排查漫画助手 v6 脚本助手的五个血泪坑4.1 角色脸漂移现象是前三张稳、后面越来越不像现象很典型固定种子和 LoRA前几张角色很稳出到第 5 张以后脸开始变眼睛颜色、发型细节逐渐丢失。原因通常不是模型问题是提示词里的角色特征 token 被场景 token 挤掉了。Stable Diffusion 的文本编码器对 token 数量有软上限当action和scene描述很长时face_prompt的注意力权重会被稀释。解决办法是把角色特征前置并且用权重语法强化。把face_prompt放到提示词最前面关键特征加权重(black long hair:1.2), (red eyes:1.1)。同时把场景描述压缩到 10 个词以内别写小作文。如果还漂把 LoRA 权重从 0.75 提到 0.85但注意画风会变硬。4.2 ControlNet 骨架对不上现象是人物姿势扭曲、多手多脚现象是出了图但姿势和参考图完全对不上或者肢体数量异常。原因多半是 openpose 预处理失败——参考图里人物太小、背景太杂或者多人重叠导致骨架检测出错。ControlNet 拿到一个错误的骨架生成结果自然崩。解决分两步。先单独跑一次预处理把 openpose 的骨架图存下来肉眼检查确认骨架正确再出图。如果参考图本身质量差换一张干净的姿势图或者改用 depth 或 canny 作为控制条件对参考图的要求更低。另外检查cn_weight设 1.0 时骨架约束过强模型没有修正空间反而容易出畸形降到 0.85 到 0.9 更稳。4.3 批量出图显存溢出现象是跑到第 N 张突然报 CUDA out of memory现象是前几张正常跑到中途显存爆了。原因是 WebUI 的 API 模式在连续请求时上一张的中间张量没有及时释放显存碎片累积。尤其是开了 ControlNet 和高分辨率修复时每张图的峰值显存需求翻倍。解决办法有三个。第一在请求之间加torch.cuda.empty_cache()通过 API 的/sdapi/v1/unload-checkpoint和重新加载来强制释放但这样会慢。第二把批量脚本改成串行加延时每张图之间sleep(1)给显存回收留时间。第三最根本的把width和height控制在 768 以内高分辨率修复放到后期单独跑别在批量阶段开。4.4 LoRA 不生效现象是加载了但角色特征完全没体现现象是提示词里写了lora:char_heroine_v3:0.75但出图和没加载一样。原因通常是文件名不匹配——LoRA 的实际文件名可能带版本后缀或路径层级而提示词语法里只能用文件名不含扩展名。另外如果 LoRA 是用不同基础模型训练的和当前 checkpoint 不兼容也会不生效。排查方法先在 WebUI 界面手动加载一次 LoRA确认能出效果再对比 API 请求里的提示词语法。常见错误是写了完整路径models/Lora/char_heroine_v3正确写法只写文件名char_heroine_v3。如果确认语法对但还不生效检查 LoRA 的训练基础模型和当前 checkpoint 是否同源不同源时权重需要调高到 1.0 以上才有效果但画风污染风险也更大。4.5 出图速度越来越慢现象是前 10 张快后面每张多花一倍时间现象是批量任务越跑越慢第一张 8 秒第 20 张要 20 秒。原因是 WebUI 在连续请求时如果每次都切换 LoRA 或 ControlNet 模型会反复加载和卸载权重每次切换都有 IO 开销。尤其是 ControlNet 的多个预处理器模型切换成本很高。解决办法是按 ControlNet 类型分组出图而不是按分镜顺序出图。把所有用 openpose 的镜头排在一起跑跑完再跑 depth 的这样 ControlNet 模型只加载一次。LoRA 同理同一角色的镜头连续跑别穿插其他角色。分组之后批量出图的总时间通常能降 40% 左右。5. 进阶用脚本助手做角色一致性回归测试跑通批量出图之后真正拉开差距的是验证环节。我一般会建一个「角色回归测试集」固定 10 个不同动作和场景每次调整 LoRA 权重、提示词模板或换 checkpoint 之后跑一遍这 10 张和基线对比。对比不靠肉眼靠两个指标人脸特征向量的余弦相似度和画面整体 CLIP 相似度。# regression_test.py import cv2, numpy as np from insightface.app import FaceAnalysis app FaceAnalysis(namebuffalo_l) app.prepare(ctx_id0, det_size(640, 640)) def get_face_embedding(img_path): img cv2.imread(img_path) faces app.get(img) if not faces: return None # 取最大人脸的特征向量 face max(faces, keylambda f: (f.bbox[2]-f.bbox[0])*(f.bbox[3]-f.bbox[1])) return face.normed_embedding baseline get_face_embedding(baseline/frame_01.png) for f in sorted(os.listdir(output)): if f.endswith(.png): emb get_face_embedding(foutput/{f}) if emb is None: print(f{f}: 未检测到人脸) continue # 余弦相似度越接近 1 越像 sim np.dot(baseline, emb) status 通过 if sim 0.6 else 需复查 print(f{f}: 相似度 {sim:.3f} - {status})这段代码用 InsightFace 提取人脸特征向量和基线图对比余弦相似度。阈值 0.6 是经验值高于 0.6 基本能认出是同一角色低于 0.5 就是换人了。这个测试集的价值在于你调任何参数之前先跑一遍基线调完再跑一遍用数字判断改动是正向还是负向而不是凭感觉。参数上注意两点。det_size设 640 是精度和速度的平衡设 320 会漏检小脸设 1024 速度慢一倍但精度提升有限。normed_embedding是归一化后的向量直接点积就是余弦相似度不用再手动归一化。我自己的习惯是每次改 LoRA 权重或提示词模板先跑回归测试相似度掉了就回滚别硬调。这个习惯帮我省了无数个「调了一晚上发现还不如昨天」的夜晚。希望帮到你。本文还有配套的精品资源点击获取