8G 显存 Windows 显卡做本地 AI 漫剧,核心思路就是模型分时加载、GGUF 量化大模型负责文本 Agent、绘图和视频模型用完立刻卸载,不能把大模型、绘图、图生视频同时驻留在显存,很多新手直接一次性加载全部模型,一跑就 OOM 闪退,整套链路可以离线完成剧本解析、自动分镜、批量 9:16 竖屏绘图、镜头微动、配音字幕压制,依靠 Ollama 加载 Q4_K_M 等级 GGUF 模型做剧本 Agent,搭配 ComfyUI 做图像渲染,最后用 FFmpeg 自动拼接成片,内存建议至少 16G,NVMe 固态必不可少,模型权重在空闲时交换到内存、磁盘,以此缓解 8G 显存的硬上限,同时搭配 IP-Adapter、FaceID 锁定角色,解决漫剧最头疼的人物漂移问题。
一、硬件与模型选型清单
| 硬件 | 最低要求 | 优化说明 |
|---|---|---|
| 显卡 | NVIDIA 8G 显存(CUDA) | AMD 显卡不适合这套流水线,ROCm 适配麻烦 |
| 内存 | 16GB | 推荐 32GB,用来承接 GGUF 模型交换权重 |
| 硬盘 | NVMe 固态,预留 50GB + 空间 | 机械硬盘加载 GGUF、LoRA 会严重卡顿 |
| 系统 | Windows10/11 | 项目路径不要中文、空格 |
- GGUF 模型选型:优先 Qwen、DeepSeek Q4_K_M,不要 Q5_K_M 及以上,显存压力大;仅用于剧本拆解、生成分镜 JSON、提示词润色、台词整理
- 绘图模型:轻量 SDXL、Flux-Turbo 量化版,分辨率锁定 1080×1920(9:16 竖屏)
- 辅助资产:IPAdapter 角色参考、FaceID、ControlNet OpenPose、角色 LoRA
二、GGUF 显存调度核心规则
- 分时串行调度:Agent(GGUF)、绘图模型、图生视频模型不同时加载,脚本执行完一个环节自动 unload 释放显存
- 分层交换策略:高频权重放 GPU 显存,低频权重交换进系统内存,极端情况落地固态 swap
- 量化固定:统一 Q4_K_M,不要混用不同量化等级;关闭 KV 缓存长轮,单镜头任务用完清空
- 启动参数:Ollama 设置num_gpu 1,ComfyUI 启动增加--lowvram --cuda-malloc
- 队列限制:同一时间只排队 1 个镜头任务,禁止批量并行渲染
三、剧本分镜 Agent 自动化流程
- 导入原始 TXT 剧本、角色人设参考图,Agent 读取人设,固定画风、五官、服饰描述
- GGUF 模型自动拆分镜头,输出结构化 JSON,字段包含镜号、景别、运镜、画面提示词、台词、镜头时长、负面提示词
- JSON 直接推送到 ComfyUI 的 ImpactPack 批量节点,自动循环渲染分镜
- 每渲染完一张分镜,脚本自动卸载绘图模型,重新加载 GGUF 进入下一条分镜解析
- 可选:Agent 调用本地 TTS 生成对应台词音频,和镜头 ID 一一对应
Agent 输出模板示例:镜号、特写 / 中景、缓慢推镜、画面 prompt、台词、持续 2.5 秒
四、竖屏分镜绘图与角色一致性方案
- 画布固定 1080×1920,9:16 竖屏漫剧标准比例
- 节点组合:IPAdapter(人设参考)+FaceID+ControlNet OpenPose,三重约束,抑制五官漂移
- denoise 控制:图生图迭代推荐 0.3~0.45,保留角色特征,只微调光影画风
- 种子策略:同角色固定基础 seed,只微调镜头、动作,不要每个镜头完全随机
- 批量输出:按镜号命名图片,自动存入scene/001、002文件夹,方便后续合成
五、成片合成两种方案(低显存优先)
方案 A(最稳,推荐 8G 卡):静态分镜 + FFmpeg 运镜滤镜
- 图片序列导入,用 zoompan 做缓慢推拉、平移,不需要图生视频模型
- 读取 Agent 输出的 srt 字幕文件,叠加本地 TTS 配音、BGM
- FFmpeg 一键拼接输出 MP4,显存占用最低,不容易崩溃
方案 B(动态微动,显存压力更高):图生视频分段生成
- 单镜头只生成 2~3 秒短片段,不要长镜头
- 生成完立刻卸载图生视频模型,再处理下一个镜头
- 全部短视频片段合并,混流字幕音频
六、完整流水线执行步骤
- 安装 Ollama,拉取 Q4_K_M GGUF 模型,测试本地调用
- 部署 ComfyUI,安装 ImpactPack、IPAdapter、FaceID、ControlNet 插件,下载轻量绘图模型
- 准备角色参考图,生成角色固定 IPAdapter 特征文件
- 放入剧本 txt,启动 Agent 调度脚本,自动生成分镜 JSON
- 脚本自动推送 ComfyUI 队列,串行渲染全部竖屏分镜
- 渲染完成后,自动调用 TTS 生成配音、输出 srt 字幕
- 调用 FFmpeg 脚本,按镜头顺序拼接、压制,输出完整漫剧成片
七、高频踩坑与排错表
| 故障 | 原因 | 解决办法 |
|---|---|---|
| 跑 2-3 镜后 OOM | 模型没有自动卸载,显存碎片堆积 | 脚本增加 unload,每个镜头结束强制清空缓存 |
| 角色每一张脸都不一样 | 缺少 IPAdapter/FaceID,seed 随机 | 提前固定人设参考,开启角色特征锁定 |
| GGUF 推理很慢 | 模型放在机械硬盘、内存不足 | 迁移到 NVMe,扩容到 32G 内存 |
| 成片字幕错位 | 镜号、音频、图片 ID 不匹配 | Agent 输出统一命名,严格按镜号排序 |
| 图生视频画面崩坏 | 单镜头时长太长、帧数过高 | 限制单段 2~3 秒,降低帧率 |
【相关 FAQ】
问题 1:8G 显存 Windows 本地 AI 漫剧方案里,GGUF 模型调度为什么不能同时加载绘图模型?
回答 1:8G 显存 Windows 本地 AI 漫剧方案里,GGUF 大模型、绘图模型、图生视频模型同时加载会直接超出显存上限,GGUF 调度采用串行用完即卸载,是 8G 显卡稳定跑通漫剧自动化的核心。
问题 2:这套 8G 显存 Windows 本地 AI 漫剧剧本分镜 Agent,输出的分镜可以直接给 ComfyUI 批量渲染吗?
回答 2:这套 8G 显存 Windows 本地 AI 漫剧剧本分镜 Agent 会输出标准化 JSON 分镜清单,配合 ImpactPack 插件,可以直接送入 ComfyUI 批量渲染竖屏镜头,不用手动复制提示词。
问题 3:8G 显存 Windows 本地 AI 漫剧竖屏成片合成,FFmpeg 运镜和图生视频该怎么选?
回答 3:8G 显存 Windows 本地 AI 漫剧竖屏成片合成优先 FFmpeg zoompan 滤镜,显存压力最小;想要动态微动效果,只能分段生成 2-3 秒短视频,生成一个卸载一次模型,风险更高。
【参考资料】
[2026-11-07](AI 漫剧动态本地量产实战:8G 显存 GGUF 模型、Agent 自动化、竖屏成片)阿里云开发者社区
[2026-11-05](GGUF 量化模型调度方案,8G 显存 ComfyUI 漫剧流水线)阿里云开发者社区
[2026-10-28](Ollama+ComfyUI 剧本 Agent 自动分镜 JSON 工作流)掘金
[2026-10-16](低显存 AI 漫剧:IPAdapter+FaceID 角色一致性最佳实践)AIGC 社区
[2026-09-20](FFmpeg zoompan 滤镜实现漫剧静态图运镜成片)GitHub 文档
【免责声明】
本文为 8G 显存 Windows 本地 AI 漫剧全链路实操方案,GGUF 模型版本、ComfyUI 插件、显存调度参数受显卡驱动、PyTorch 版本影响;本地生成漫剧素材请遵守版权规范,人设、画风、素材不要侵权;本方案仅用于学习研究,不保证所有硬件稳定运行,长时间批量任务建议做好素材备份。
