不涉及具体项目/频道名称，只聊创作层面的真实迭代过程。

时间线速览（基于文件系统时间戳）

6/22 10:08  EP02 完成    41文件 ← 最早完成的成品！（EP01实验太久，EP02先出来了）
6/23 00:03  EP03 完成    11文件
6/23 00:28  EP01 完成    9文件  ← EP01反而是第三支完成的
6/23 02:45  EP03_Rebuild 重建（质量不满意）
6/23 23:14  EP04 完成    55文件 ← 管线爆发：建立标准目录结构
6/24 20:26  EP05 完成    40文件 ← 新坑：VAE紫色杂讯
6/25 08:30  VAE修复      ep05_fix_vae_test.py
6/25 23:53  EP05_Rebuild 重建（质量不达标）
6/26 18:22  EP06 完成    17文件 ← 管线精简，1080p上采样
6/27 12:37  EP07 完成    27文件 ← 新增SFX音效、hook音频、缩略图
6/27 20:02  EP08 完成    26文件
6/28 10:34  EP08_Rebuild 重建
6/28 00:29  Illustrious模型测试（替代Animagine的候选）
6/30 12:04  EP10 完成    26文件
6/30 12:08  EP09 完成    26文件
6/30 19:53  EP11 完成    17文件

EP01：双引擎试错，烧¥50买认知

起步：想双线并进，WAN却直接翻车

6月21日晚上，creator子智能体开始构建EP01的工作流。最初的计划是WAN 2.2和LTX 2.3双线并行，creator profile里现在还留着当时的脚本：

submit_i2v_final.py  (21:06)  → WAN 2.2 API格式
submit_i2v_fix.py    (21:05)  → WAN 2.2 修复版
submit_i2v_v2.py     (21:09)  → WAN 2.2 迭代2
submit_i2v_v3.py     (21:10)  → WAN 2.2 迭代3
submit_i2v_v4.py     (21:13)  → WAN 2.2 迭代4

一小时内出了5版脚本——不是因为正常迭代，而是WAN 2.2遇到了致命性故障：生成画面满屏紫色杂讯，完全不可用。
（最后发现，wan2.2，只要使用单Unet节点，100%会触发，有且只能用双Unet的模式）

换了参数、换了prompt、换了CLIP编码器……5个版本全部翻车。紫色杂讯像病毒一样覆盖每一帧输出。这个bug后来在6/23的 submit_wan_i2v_fixed.py 里才被修掉。

被迫单线：LTX 2.3救场

（我一直都是让hermes agent给我按照机智罗的工作流做到完整的复制，但是deepseek一直在找借口绕路）
（后面新开了会话，让sonnet4.6来救场后，才遵循到我的要求来跑通了第一天的工作）

WAN不行，只能把全部希望押在LTX 2.3上。用的是 ltx-2-3-22b-distilled-Q4_K_M.gguf（Q4量化），CLIP：Gemma 3 12B GGUF。出图参数：8步、CFG 1.0。

LTX的问题是：视频画面对prompt的遵从度低，生成的画面经常偏离脚本描述。为了得到一组勉强可用的画面，需要反复调整prompt重试。但至少——它能出图，不像WAN那样直接紫色糊脸。

成本

DeepSeek V4 Flash主要用于故事脚本拆解（把原文拆成分镜脚本）和prompt迭代（每次重试都要重新调prompt）。一晚上下来烧了大约¥50的API token。

后续：WAN 2.2在后面几集成功接手

EP01被迫只用LTX 2.3跑通后，没有放弃WAN。6/23凌晨修复了紫色杂讯bug（submit_wan_i2v_fixed.py + submit_wan_i2v_xb.py），后续视频开始迭代到WAN 2.2作为主力。

EP01的关键决策

做完EP01后确定了三个原则：

1. 放弃视频生成路线做漫画——LTX生成的视频逐帧拆成漫画质量太差
2. ComfyUI逐帧出图（用Animagine XL V3 + 自定义角色LoRA）作为主力
3. 文本模型只负责拆脚本，画面和风格交给本地GPU

EP02-03：固定工作流 + 首次视频化尝试

标准参数确立

基础模型：Animagine XL V3 (SDXL动漫特化)
LoRA：    自定义女性角色 LoRA @ 0.8 强度
分辨率：  1344×768 (16:9 漫画比例)
采样器：  dpmpp_2m_sde + karras, 20步
CFG：     7
环境：    241节点 → 7900 XTX (ComfyUI :8188)

这组参数成为后续所有视频的"标准配方"。

EP03视频化：WAN修复后首测

6月23日凌晨3:55-3:59，creator在241上跑了修复后的WAN 2.2对比实验：

端口8189 → WAN 2.2 I2V (fixed UMT5版 + XB版)
端口8188 → LTX 2.3 I2V (对比基线)

输入都是 EP03_P01_FINAL.png。WAN的紫色杂讯bug终于在 submit_wan_i2v_fixed.py 里被修掉了。这次实验验证了：把静态漫画转成视频片段（作为视频的开场/高潮动效）是可行的，但整集都用视频生成不行。 后续视频开始从LTX逐步迁移到WAN。

EP04（6/23深夜）：标准管线诞生

EP04是整个项目的分水岭。55个文件，第一次建立了完整的目录结构：

EP04/
  01_images/      ← ComfyUI静态漫画帧（P01-P12，含a/b变体）
  02_scripts/     ← 生成脚本
  03_prompts/     ← ComfyUI prompt JSON
  04_tts/         ← 日语配音音频
  05_i2v/         ← 图片转视频（WAN 2.2 I2V）
  05_i2v_rife/    ← RIFE帧插值（补帧到60fps）
  06_bgm/         ← 背景音乐
  08_deliverables/← 最终交付文件

同时也是第一次产出双语版本：JP（日语）和 EN（英语）各一套，含完整版和Shorts版。

这个目录结构成了后续所有EP的模板。

EP05（6/24-25）：VAE紫色杂讯——又一个"紫色"bug

6月24日EP05完成初版。但出现了新的画面bug：VAEDecodeTiled导致的紫色块。

6月25日早上8:30，creator写了 ep05_fix_vae_test.py：

修复 VAEDecodeTiled → 标准 VAEDecode，验证紫色块消失

把ComfyUI工作流里的VAE解码器从分块模式（VAEDecodeTiled）切回标准模式（VAEDecode），紫色块消失。

但初版还有其他质量问题——6月25日晚上23:53完成了EP05_Rebuild（29个文件的重建版）。EP05还留下了 wrong/ 目录（废弃输出），说明当时在大量试错。

EP06（6/26）：管线精简 + 1080p上采样

文件数从EP04的55个降到17个——不是产出少了，是管线更成熟了，不再需要那么多中间产物。新增了 upscaled_1080p_full/ 和 upscaled_1080p_short/，说明正式加入了AI超分辨率上采样环节。

EP07（6/27上午）：功能最丰富的一集

EP07新增了：

• SFX音效（sfx/）
• Hook音频（tts_hook_jp.wav）——视频开头抓人的短音频
• 缩略图采样（thumbnail_samples/）——给YouTube封面准备
• 发布版本文档（ep07_publish_copy.md）——记录发布描述文案

EP08（6/27晚-6/28重建）：效率冲刺

EP08一天内完成（27号20:02），但第二天（28号10:34）又Rebuild了。日产量达到2集。

Illustrious模型测试（6/28）

在 illustrious-test/ 目录下做了大量测试——Illustrious是另一个SDXL动漫模型，作为Animagine XL V3的替代候选。测试内容包括独奏（单人）、双人、inpaint等场景。

EP02先于EP01完成？创作顺序的真相

文件时间戳揭示了有趣的事实：

EP02 → 6/22 10:08 (41文件，最早)
EP03 → 6/23 00:03
EP01 → 6/23 00:28 (反而是第三支)

EP01不是第一支完成的视频。EP01因为WAN故障+LTX试错消耗了最多时间，反而EP02和EP03先用成熟工作流跑完了。EP01到6月23日凌晨才最终交付——它是创作顺序上的起点，却是交付顺序上的第三名。

EP06：漫画感的觉醒

核心问题

AI直出的图缺少"漫画味"——没有气泡、拟声词、分镜节奏。

尝试在ComfyUI里直接出带气泡的图（prompt里写"speech bubble"），结果：气泡是画面的一部分，位置随机，文字乱码，经常盖在人脸上。

决策：AI出纯净图，后期手动加漫画元素

这是整个工作流的转折点。制作时间翻倍（2h→4h），但画面质量飞跃：

• 气泡不再盖人脸
• 文字不再是乱码
• 分镜有了真正的节奏感

EP07（6/26-27）：工作流全面优化

6/27的系统性优化

在creator和dev profile的对话中确认了以下改动：

① 模型目录统一
之前模型散落两处（~/ComfyUI/models/ 和 /mnt/models/ComfyUI/），导致加载失败和重复下载。全部归到 /mnt/models/ComfyUI/。

② 多卡分工

7900 XTX #1 :8188 → 主出图流程
7900 XTX #2 :8189 → 修复/Inpainting辅助
3080 Ti        → 视频编码/后期

③ 角色一致性升级
从"IPAdapter + 单参考图"升级到"IPAdapter + 多角度参考图库（正脸/侧脸/表情各一张）"。

④ 漫画气泡方案定型

讨论了三路线：

• PanelForge集成 → 灵活但手动定位
• Inpainting融合 → 画质好但多一步出图
• Python后处理 → 快速、全自动、不费GPU

最终选Python后处理：AnimagineXL出图→MediaPipe检测人脸→计算气泡安全区→Pillow渲染→叠加。不用再跑一次ComfyUI，批次处理更快。

EP08+：效率飞轮

不再加新功能，全力提效：

• 脚本拆解prompt模板化（DeepSeek一次出合格分镜）
• ComfyUI JSON工作流固化（换prompt节点就出图）
• 后期步骤脚本化

单集制作时间：EP01的7h+ → EP08的2-3h。

技术参数附录

ComfyUI 静态出图（Animagine XL V3 + LoRA）

# EP05 batch static 脚本中的标准参数
width:  768          # 竖屏漫画比例
height: 1344         # 竖屏漫画比例
batch_size: 1        # 单张出图
seed:    202022      # 基础种子，每页+1
steps:   20          # 步数
cfg:     6.0         # CFG引导强度
sampler: dpmpp_2m_sde
scheduler: karras
denoise: 1.0

LoRA强度未在脚本里写死（由ComfyUI workflow JSON控制），实际使用 female_lead_lora.safetensors @ 0.8。

LTX 2.3 视频生成

# batch_submit_v5.py 中的参数
steps:      15       # LTX比静态图需要更多步
cfg:        1.0      # 视频模型CFG接近1
sampler:    euler
scheduler:  sgm_uniform
frame_rate: 24       # 目标24fps
strength:   1.0      # img2video强度

CLIP: LTX-2.3/gemma-3-12b-it-Q4_K_M.gguf（GGUF量化）
UNet: LTX-2.3/ltx-2-3-22b-distilled-Q4_K_M.gguf（Q4量化）
VAE: LTX-2.3/LTX23_video_vae_bf16.safetensors

WAN 2.2 视频生成

（其实这两个都是复刻机智罗的工作流，但是在使用过程中慢慢的加入了自己的参数罢了）

# submit_i2v_v4.py / submit_wan_i2v_fixed.py
CLIP:     t5xxl_fp8_e4m3fn.safetensors
VAE:      Wan2.2/wan2.2_vae.safetensors
UNet:     Wan2.2/I2V/Wan2.2_I2V_Dasiwa-V10_Q4_High.gguf (Q4量化)
采样步数: 3 (轻量快速出视频)
CFG:      1
分辨率:   624×624 → crop到16倍数

RIFE 帧插值

EP05-Rebuild (失败方案):
  pass ×2:  81f → 161f → 321f
  播放:     24fps = 13.4s/页
  效果:     2.6x慢动作 ❌ 太慢

EP06（最终方案）:
  pass ×1:  81f@16fps → 161f@24fps
  播放:     24fps = 6.7s/页
  效果:     1.3x微慢 ✅ 最佳

RIFE配置:

clear_cache_after_n_frames: 10  # 防止显存泄漏
scale_factor: 1.0              # 不缩放(480×832→1080p交给后续upscale)
input: 480×832 (ComfyUI直出) → output: 161f@24fps

双卡负载分配（batch_submit_v5 交替模式）

jobs = [
    ("http://192.168.0.241:8188/prompt", "P02.png"),  # 卡1
    ("http://192.168.0.241:8189/prompt", "P03.png"),  # 卡2
    ("http://192.168.0.241:8188/prompt", "P04.png"),  # 卡1
    ("http://192.168.0.241:8189/prompt", "P05.png"),  # 卡2
    ...
]

交替分配让两张卡同时跑，并行出图翻倍效率。

标准EP管线目录

EP0X/
  01_images/      ← ComfyUI静态漫画帧
  03_prompts/     ← ComfyUI workflow JSON
  04_tts/         ← VoiceVox日语配音
  05_i2v/         ← WAN 2.2 图片转视频片段
  05_i2v_rife/    ← RIFE帧插值 (81f→161f)
  06_bgm/         ← 背景音乐
  08_deliverables/← 最终成品
  upscaled_1080p/ ← AI超分到1080p
  *_full.mp4       ← 完整版
  *_shorts.mp4     ← YouTube Shorts版
  *_JP_*.mp4       ← 日语版
  *_EN_*.mp4       ← 英语版

成本

核心心得

1. 视频生成模型不适合做漫画

WAN 2.2和LTX 2.3都试了。结论：视频模型适合"运动的画面"，漫画需要的是"高质量静态帧+叙事节奏"。方向性错误，¥50买了这个认知。

2. WAN的紫色杂讯bug拖了一整天

计划的双线策略被WAN的致命bug打乱了。5版脚本全部翻车，最终只能靠LTX 2.3单线跑通EP01。但好在bug后来修掉了，WAN在后面几集成功接手。

3. AI出图 + 人工后期 > 全AI一条龙

气泡和分镜交给AI → 乱码盖脸。AI只做"出纯净画面"，排版/文字/节奏留给手动控制。这个分界线画清楚后，画面质量直接跳了一档。

4. 角色一致性是AI漫画的终极难题

LoRA + IPAdapter + 多角度参考图库——目前最稳定的方案。但依然做不到100%。这是整个工作流最耗精力的部分。

5. 多GPU是被逼出来的
（其实并不是，只是我TM拿到了劳动仲裁款，有钱身痒痒，看到坛里分享的优惠咨询，不买不开心）

一张7900 XTX一天出不了18集的图。三张卡各司其职才能把周期压缩到一天2-3支。

基于creator/dev profiles的实际对话记录、ComfyUI工作流脚本和YouTube频道数据整理。

慢慢迭代优化后，频道第一次突破1000播放！

以上迭代思路受马斯克之：快速迭代敏捷开发所启发，不管黑猫好猫，先把管线跑起来，再慢慢优化稳定

补充一下现在在跑的项目实际速度，大概500s生成5s，480*832