ComfyUI>工作流程>創建連貫場景 | 一致的故事藝術生成器

創建連貫場景 | 一致的故事藝術生成器

Workflow Name: RunComfy/Create-Coherent-Scenes

Workflow ID: 0000...1305

這個強大的工作流程幫助您設計視覺統一的故事場景，運用Qwen Image Edit和Wan 2.2的結合能力。它同步照明、攝影角度和構圖，以在多個鏡頭中實現自然的一致性。適合敘事、動畫和概念可視化，它保持角色和環境在每個畫面中連貫。您可以輕鬆地完善鏡頭、保持藝術風格，並為電影序列生成平滑的過渡。非常適合追求多場景敘事效率和控制的創作者。

創建連貫場景（Qwen Image Edit & Wan 2.2）

創建連貫場景（Qwen Image Edit & Wan 2.2）是一個適合生產的ComfyUI工作流程，用於構建以故事為驅動的多鏡頭視頻，其中角色、照明和構圖從一個鏡頭到另一個鏡頭保持一致。它將Qwen Image Edit用於精確的、參考指導的靜止圖像與Wan 2.2的圖像到視頻的電影運動相結合，然後讓您拼接場景，使用幀插值平滑運動，並添加生成的擬音效果以完成。適合敘事藝術、動畫、預視和概念卷軸，該工作流程幫助您從單一的建立關鍵幀轉變為連貫的序列，手動潤飾最少。

該流程分為三部分：第一部分創建和編輯連貫的關鍵幀，第二部分使用Wan 2.2為每個鏡頭動畫並將它們合成一個剪輯，第三部分生成場景感知的擬音效果。在本README中，您看到的任何地方的創建連貫場景（Qwen Image Edit & Wan 2.2），都指的是完整的端到端過程。

Comfyui創建連貫場景（Qwen Image Edit & Wan 2.2）工作流程中的關鍵模型

Wan 2.2 圖像到視頻 14B（高噪聲和低噪聲變體）。核心視頻生成器，用於動畫化您的場景圖像，同時保持空間佈局和風格。與文本編碼器和VAE資產一起打包在ComfyUI中。參考：Comfy‑Org/Wan_2.2_ComfyUI_Repackaged。
Qwen‑Image‑Edit 2509 + Qwen 2.5 VL文本編碼器 + Qwen圖像VAE。語義、參考感知的圖像編輯，用於創建下一場景的關鍵幀，匹配您的敘事，同時保持角色和場景連續性。參考：Comfy‑Org/Qwen‑Image‑Edit_ComfyUI和Comfy‑Org/Qwen‑Image_ComfyUI。
FLUX.1 dev（文本到圖像）。可選的基礎模型，用於編輯前的第一個建立關鍵幀。參考：Comfy‑Org/FLUX.1‑Krea‑dev_ComfyUI。
RIFE視頻幀插值。用於提高幀率並在合成剪輯上平滑運動。參考：hzwer/Practical‑RIFE。
HunyuanVideo‑Foley。生成音頻模型，從圖像或視頻加上一個簡短的文本提示創建同步的擬音效果；用於為每個場景或最終剪輯添加內在聲音。參考：phazei/HunyuanVideo‑Foley。
可選助手。MiniCPM‑V 4.5可以從您的剪輯自動起草音頻提示，以加快擬音創意：OpenBMB/MiniCPM‑V。

如何使用Comfyui創建連貫場景（Qwen Image Edit & Wan 2.2）工作流程

整體邏輯

第1部分創建一個建立關鍵幀，然後使用Qwen Image Edit生成風格保持一致的“下一場景”靜止圖像。
第2部分將每個場景圖像動畫化為一個短剪輯，然後將所有剪輯合併為一個剪輯，並可選擇插值幀以獲得更平滑的運動。
第3部分可選地為每個場景或合成剪輯生成擬音效果，並將其合成到最終視頻中。

模型加載器

模型區域加載Wan 2.2高噪聲和低噪聲變體及其VAE/CLIP一次，並可選擇通過torch編譯加速。您還會看到一個低VRAM路徑，使用量化GGUF UNETs和區塊交換，這樣您可以在較小的GPU上運行相同的創建連貫場景（Qwen Image Edit & Wan 2.2）過程。
Wan 2.2和Qwen Image Edit Lightning LoRA的LoRAs預先布線以影響運動風格和編輯速度，而不會使圖形複雜化。
如果更改模型，請保持文本編碼器/UNET/VAE系列一致，以避免潛在空間不匹配。

設置

全局控件設置工作寬度、高度、種子和場景長度，以便每個場景繼承相同的畫布幾何和時間節奏。這是創建連貫場景（Qwen Image Edit & Wan 2.2）一致性的一個關鍵。
提供並全局路由了一個全面的負面提示；您可以隨時覆蓋它以適應您的藝術方向。

第1部分 — 文本到圖像的建立關鍵幀

首先描述您的開場鏡頭。提示將饋送至基礎文本到圖像采樣器，該采樣器為項目輸出一個“Start_”幀。
該圖像被緩存並成為Qwen軌道中下一場景的參考。工作流程將圖像縮放到編輯友好的分辨率並將其編碼為潛在的。

第1部分 — Qwen圖像編輯下一場景關鍵幀

對於每個後續鏡頭，寫一個簡短的“下一場景”指令。編輯器條件基於前一場景的圖像，因此角色身份、服裝、照明和調色板保持一致。
編輯結果被解碼、預覽並保存為“Scene_1_…”，“Scene_2_…”，等。這些是您的連貫靜止圖像。它們還被存儲到共享的圖像插槽中，以便後續提示可以引用它們。

場景輸入（1–6）

如果您已經有概念幀，將它們放入六個“LoadImage”節點。否則，使用第1部分的Qwen生成靜止圖像作為起始圖像。
對於每個場景，通過標記的提示節點添加一個簡短的文本提示。將這些視為指導運動風格的攝影筆記，而不是重新描述整個環境。

場景采樣（1–6）

每個場景運行一個Wan 2.2圖像到視頻的過程，將起始圖像轉換為潛在剪輯。然後，三階段采樣器路徑使用高噪聲路徑、低噪聲路徑和無LoRA路徑來精煉潛在序列，以提高時間穩定性。
解碼的幀將被傳送到每個場景的視頻編寫器，該編寫器保存一個MP4以便快速查看。每次渲染後的內存清除節點在下一場景開始前釋放VRAM。
由於所有場景共享相同的種子、大小和長度，運動節奏和構圖保持一致，幫助創建連貫場景（Qwen Image Edit & Wan 2.2）感覺像一個連續的作品。

合併場景

六個渲染的圖像序列按順序連接，生成一個“合併”剪輯。您可以通過重新布線收集它們的批處理節點來重新排序或省略場景。

可選幀插值

插值過程使用RIFE增加顯示幀率。這為相機和主題運動創建一個“插值”出口，保持相同的外觀。

第3部分 — 視頻到音頻擬音

將合併剪輯或任何單個場景加載到音頻部分。內置的視覺語言助手可以自動起草文本場景描述；編輯它以反映節奏、情緒和關鍵動作。
擬音模型合成同步音頻，並通過mux節點將其與您的畫面合成為一個音頻啟用的MP4。為了獲得最佳效果，為每個場景生成音頻，然後拼接。

Comfyui創建連貫場景（Qwen Image Edit & Wan 2.2）工作流程中的關鍵節點

WanImageToVideo (#111) 將單個參考幀轉換為連貫的潛在視頻，同時尊重正面和負面文本。用於設置每個鏡頭的持續時間和畫布大小，並提供您想要動畫化的起始圖像。由Wan 2.2 I2V 14B模型支持，打包於此：Comfy‑Org/Wan_2.2_ComfyUI_Repackaged。
TextEncodeQwenImageEditPlus (#360) 將“下一場景”指令與參考圖像一起編碼，以便編輯遵循故事但匹配身份和照明。保持場景中的名詞和風格標籤一致，以加強連續性。模型參考：Comfy‑Org/Qwen‑Image‑Edit_ComfyUI和Comfy‑Org/Qwen‑Image_ComfyUI。
KSamplerAdvanced (#159) 每個動畫場景的核心去噪器。該工作流程鏈接三個采樣器，目標是不同的噪聲方案和LoRA混合，以提高時間穩定性。如果更改步驟或種子，請在鏈接的采樣器中統一更改，以保持運動行為可預測。
ImageBatchMulti (#308) 將場景幀批次收集到一個長時間軸中。使用它在導出前對場景進行重新排序、刪除或交換，而不需觸碰采樣路徑。
RIFE VFI (#94) 執行幀插值以提高感知幀率。它對於慢速相機移動和流暢的主題運動特別有效。參考：hzwer/Practical‑RIFE。
HunyuanFoleySampler (#331) 從幀加上簡短的文本提示生成同步擬音，然後將音頻傳遞給視頻合成器。關於模型詳細信息和文件，請參見phazei/HunyuanVideo‑Foley。

可選附加功能

為了最快的迭代，當VRAM緊張時，使用量化GGUF Wan 2.2路徑並進行區塊交換；在最終渲染時切換回全精度。
在整個項目中保持寬度、高度和場景長度一致，以加強節奏和框架連續性。
在Qwen提示中，保留核心標識符（名稱、服裝、道具）和照明術語；僅在場景之間變化動作和攝影語言。
使用全局種子鎖定項目的總體“感覺”。僅在您想要不同的運動特性時更改它。
僅在您對時間安排滿意後進行插值，然後為每個場景渲染音頻版本並合併；每場景擬音往往聽起來更自然。
FLUX.1 dev是第一個關鍵幀的絕佳基礎；一旦建立，依靠Qwen編輯來推進故事，同時保持外觀：Comfy‑Org/FLUX.1‑Krea‑dev_ComfyUI。

鳴謝

該工作流程實現並建立在以下作品和資源之上。我們感謝Qwen Image Edit的創作者提供模型，Wan 2.2的開發者提供模型，以及“創建連貫場景（Qwen Image Edit & Wan 2.2）Youtube教程”的作者（@Benji’s AI Playground）提供的貢獻和維護。欲了解權威詳情，請參閱以下鏈接的原始文檔和存儲庫。