Qwen 写漫剧剧本 → OpenClaw 批量处理 → ComfyUI Wan 生成视频，完整自动化漫剧生产线搭建教

文末获取配套资源

摘要

目前绝大多数 AI 漫剧创作者都卡在同一个瓶颈：模型能跑、画面能出，但做不到真正的批量自动化。ComfyUI 本质是可视化节点编排工具，原生没有面向剧集的业务逻辑，不支持分镜脚本读取、循环批量提交任务、自动等待任务完成、多视频片段自动拼接。如果手动制作一集包含 12‑16 个镜头的漫剧，每一个镜头都要粘贴提示词、上传参考人设图、调整参数、点击生成，反复等待渲染，整集下来操作重复繁琐，产出效率很低。

本文聚焦整套流水线里的调度核心 OpenClaw，拆解它的工作原理、内部架构，结合 ComfyUI‑Wan2.2‑Remix3.0 视频模型完成漫剧批量渲染落地。从环境依赖、目录规划、配置文件逐字段解析、实操调试、显存调优、全场景排错，再到工具客观局限与扩展方案完整讲解。读完可以搭建一套可用的调度系统，实现：故事梗概输入 → Qwen 输出标准化分镜脚本 → OpenClaw 自动调度 → ComfyUI 批量渲染镜头 → FFmpeg 拼接完整剧集，中间不需要人工在 ComfyUI 界面点击队列。

一、为什么不能直接用 ComfyUI 做批量漫剧

很多人会直接使用 ComfyUI 自带的批量节点做循环生成，但这套方案在漫剧场景存在明显短板：

OpenClaw 的定位不是图像视频生成工具，它是上层的 Agent 任务调度层。它不参与图像推理计算，只负责读取业务脚本、控制执行顺序、调用 ComfyUI API、接管后期工具，把大模型、ComfyUI、FFmpeg 各个独立工具串联成完整业务流水线。

二、整套自动化漫剧流水线架构详解

完整链路：

故事文本梗概 → 本地 Qwen3‑7B‑GGUF → 输出标准化 JSON 漫剧分镜脚本 → OpenClaw 读取 JSON 脚本循环遍历每一条镜头 → 通过 HTTP 调用 ComfyUI API 接口 → Wan2.2‑Remix3.0 执行视频推理输出单镜头 mp4 片段 → 记录片段路径写入拼接清单 → 全部镜头渲染完毕调用 FFmpeg → 合并输出完整一集漫剧视频。

OpenClaw 在这条链路承担 4 个核心职责：

重要前提：OpenClaw 完全依赖 ComfyUI 的 API 服务，ComfyUI 必须正常运行、加载好 Wan 量化工作流，一旦 ComfyUI 崩溃，整个流水线直接停止。

三、硬件条件与完整前置环境

表格

需要提前部署就绪组件

本地工作目录规划（严格使用英文路径，禁止中文文件夹名称）

comic_auto_workspace
├─storyboard/ #存放Qwen输出的分镜json脚本
├─char_ref/ #存放角色人设参考图，png格式
├─workflows/ #存放API格式的ComfyUI工作流json
├─output/
│ └─episode_01_clips/#各个镜头输出的视频片段
└─tmp/ #FFmpeg拼接清单、临时缓存文件

四、OpenClaw 安装与环境变量配置

打开 CMD 终端，切换到 OpenClaw 根目录执行技能安装：

openclaw skills install @omerflo/video-production
openclaw skills install comfyui-request

安装完成之后才可以调用 ComfyUI 调度相关工具函数。

Windows 系统设置环境变量：

set COMFYUI_API_URL=http://127.0.0.1:8188
set COMFY_WORKFLOW=./comic_auto_workspace/workflows/wan_remix3_i2v_api.json

• COMFYUI_API_URL：本地 ComfyUI API 访问地址；
• COMFY_WORKFLOW：指向 API 导出格式的 Wan 工作流文件路径。

注意：环境变量只对当前 CMD 窗口生效，如果新开终端，需要重新执行一遍 set 命令。想要永久生效，可以在 Windows 系统环境变量中添加。

五、流水线 yaml 配置逐字段解析

comic_auto_pipeline.yaml

pipeline_name: OpenClaw漫剧批量渲染流水线
input_storyboard: "./comic_auto_workspace/storyboard/episode_01_storyboard.json"
output_video_folder: "./comic_auto_workspace/output/episode_01_clips/"
final_output: "./comic_auto_workspace/output/episode_01_full.mp4"

comfyui:
api_url: "${COMFYUI_API_URL}"
api_workflow: "${COMFY_WORKFLOW}"
low_vram_mode: true
character_ref_image: "./comic_auto_workspace/char_ref/girl_main.png"

loop_task:
foreach: storyboard.shots
task:
– name: 提交Wan视频渲染任务
tool: comfyui-request::video_generate
params:
prompt: "${item.visual_prompt}"
negative_prompt: "${item.negative_prompt}"
start_image: "${item.start_frame}"
end_image: "${item.end_frame}"
seed: "${item.shot_id * 1337}"
output_name: "shot_${item.shot_id}.mp4"
– name: 等待镜头渲染完成
sleep: 25s
– name: 写入ffmpeg拼接列表
append_file:
path: "./comic_auto_workspace/tmp/concat_list.txt"
content: "file '${output_video_folder}/shot_${item.shot_id}.mp4'\\n"

post_process:
name: FFmpeg合并全部镜头
shell: ffmpeg -f concat -safe 0 -i ./comic_auto_workspace/tmp/concat_list.txt -c copy ${final_output}

关键配置说明：

执行流水线命令

完整运行整套流水线：

openclaw pipeline run –config comic_auto_pipeline.yaml

调试模式，只跑前 3 个镜头验证整套链路是否通畅，避免浪费大量时间渲染全集：

openclaw pipeline run –config comic_auto_pipeline.yaml –limit-shot 3

六、ComfyUI 侧配套注意事项

@echo off
chcp 65001 >nul
cd /d "%~dp0"
python main.py –listen 127.0.0.1 –lowvram –force-fp16 –language zh_CN
pause

七、高频故障、原因与完整排错方案

7.1 OpenClaw 执行流水线，ComfyUI 完全没有收到任务请求

• ComfyUI 启动脚本缺少–listen参数，API 服务没有对外开放；浏览器访问http://127.0.0.1:8188确认页面正常打开；
• 使用了普通模式保存的工作流，不是 API 格式；
• CMD 窗口环境变量未配置，COMFYUI_API_URL 为空；新开终端需要重新设置环境变量。

7.2 运行过程报 CUDA out of memory 显存溢出

• 确认使用 GGUF‑Q4_K_S 量化权重，不要使用 FP16 原版权重；
• ComfyUI 启动开启–lowvram；
• 降低工作流分辨率，减少单次生成帧数；
• OpenClaw 是串行模式，确认没有并发提交任务；关闭后台占用显卡的软件。

7.3 OpenClaw 解析 JSON 分镜失败

• Qwen 输出附带多余说明文字，JSON 文本前后有解释语句，OpenClaw 无法解析；需要优化 Qwen 提示词强制只输出 JSON；
• json 文件编码问题，保存为 UTF‑8；
• json 存在语法错误，逗号、括号缺失，可以用 json 校验工具检查格式。

7.4 FFmpeg 拼接出来视频黑屏、片段缺失

• concat_list.txt 内部文件路径错误，Windows 环境尽量使用绝对路径；
• ffmpeg 没有配置系统环境变量，命令无法识别；
• 部分镜头渲染失败生成空文件，拼接会中断，可以先检查输出文件夹内生成的 mp4 文件是否正常。

7.5 多镜头人物画风漂移、频繁变脸

• IP‑Adapter 每一次任务都加载同一份角色参考图；
• Qwen 生成分镜时，每一条 visual_prompt 保留统一角色外貌描述；
• 调低 CFG Scale 参数，不要设置过高；
• 图生视频模式控制去噪强度在 0.5‑0.6 区间。

八、OpenClaw 整套方案客观局限性

这部分是 CSDN 优质文章很关键的一环，客观说明边界，不夸大效果：

九、进阶扩展思路

配套资源

文中用到的 yaml 模板、示例脚本、工作流文件，可在网盘获取： 我用夸克网盘给你分享了「本地 AI 部署教程工具大全」，点击链接或复制整段内容，打开「夸克 APP」即可获取。 链接：夸克网盘分享

免责声明：本文仅用于技术学习研究，请确认硬件环境满足条件后再使用。