线上非开源的：
https://www.ttslist.com/TTSlist.comchatTTS 音色库 /AI声音编号库/音色抽卡不烦恼
ComfyUI是一款基于节点工作流的Stable Diffusion图形界面工具 ，在进行视频分镜创作时，可借助相关插件和特定流程来实现。
分镜创作流程：先使用如DeepSeek等AI创作工具，通过输入详细的视频创意需求，获取包含场景描述的智能分镜设计。接着，依据分镜内容书写生图咒语，将其放入ComfyUI中，结合已训练好的Lora模型生成定帧画面。
在这个过程中，要注意生图咒语的优化，可采用关键词分层的方式，从主体、场景、风格、细节四个层次细化描述，通过多轮迭代、分段生成等手段逐步提升画面质量 。
Storyboard 专用插件
推荐搜索 GitHub 上的以下关键词：
-
ComfyUI-Storyboard（有开发者尝试制作分镜生成节点） -
ComfyUI-ControlNet-Story（结合ControlNet的分镜控制流程）
bash
复制
"ComfyUI" + [插件名称] # 例如 "ComfyUI Storyboard" 或 "ComfyUI ControlNet"推荐工作流配置
多镜头生成：使用 Batch Processing 节点配合动态提示词
角色一致性：结合 IPAdapter+角色 LoRA
分镜布局：使用 Layout-Parser 节点控制画面构图
时间轴管理：Timeline 节点（社区插件）
二、开源分镜专用模型
-
Storyboard-Diffusion（专门训练的分镜风格模型） -
AnimeStoryboard-v3（二次元分镜专用） -
Cinematic-LoRA（电影分镜风格适配器）
辅助工具模型
- ShotComposer（镜头语言解析模型）
- SceneParser（场景元素分割模型）
- Dialogue2Story（台词转分镜的文本模型）
三、推荐工作流架构（可自行搭建）
graph TD
A[剧本输入] --> B(脚本解析器)
B --> C{镜头类型判断}
C -->|全景| D[广角构图+环境控制]
C -->|特写| E[面部增强+浅景深]
C -->|动作| F[动态模糊控制]
D/E/F --> G[ControlNet构图锁定]
G --> H[角色一致性引擎]
H --> I[批量生成节点]
I --> J[自动排版输出] 四、替代方案推荐
- 专业工具
- Storyboarder（开源分镜软件+AI插件）
- Boords（在线协作平台）
- Shotgrid（影视级流程管理）
- AI视频生成工具
• D-ID（动态分镜生成） - RunwayML（场景连续性控制）
- Kaiber（音乐节奏适配分镜）
五、学习资源
- GitHub 项目：
•Awesome-AI-Storyboarding（分镜AI资源汇总）
-
ComfyUI-Workflow-Examples中的Film分类
- 案例参考：
• 《火影忍者》AI分镜开源项目（ GitHub 搜索Naruto-Storyboard-AI）
- 新海诚风格分镜LoRA（CivitAI平台）
建议关注HuggingFace和CivitAI平台每周更新的storyboard相关tag，该领域目前处于高速发展阶段，每个月都有新工具出现。对于需要精准控制的分镜制作，推荐结合使用ControlNet+IPAdapter+Segment Anything的"三位一体"控制方案。
B站老白分镜教程
AI做分镜和动画的可行性，老白连线Onestory技术总监_哔哩哔哩_bilibili
关键注意事项
- 依赖项安装：
• 部分插件需要 Python 库支持（如OpenCV、PyTorch），可通过
pip install -r requirements.txt安装- 缺失节点报错时，检查控制台提示的缺少的模块名称
- 版本兼容性：
• ComfyUI 版本需≥1.7（2024年后插件普遍要求此版本）
- 模型与 SD 版本匹配（SD1.5/SDXL）
- 版权声明：
• CivitAI模型注意查看License（部分禁止商用）
- 使用LoRA时需遵守训练数据来源协议
配音文本批量
目前测下来最好的是 Index-TTS 1.5 ，可以从刘悦大佬的技术博客里学习下载一键包，
教程优先看这个UP主：AI王知风，目前看下来讲的最适合小白的教程
- 批量Excel表字段设计：
- 高级参数：
- 翻唱用 RVC 数据集训练标准，格式尽量用wav，采样率48k好于40k，CPU 线程根据自己电脑情况（任务管理器—>性能—>逻辑处理器的数值）设置，越大越好，说话人id单人默认为0
教程参考：分类 内容 时长 最好控制在 40 分钟到一小时之间时间太短，容易出现咬字不清、音色漂浮的问题时间太长，训练时间增加，收益递减 音质 不要噪音 不要混响去掉一切环境声清除一切白噪声 音域 低音 中音 高音把你能发的音域全部唱出来 破音要避开 走音无所谓音域是底层逻辑 越宽 越稳 模型的泛化能力越强 描述 推荐选项 是否仅保存最新的 ckpt 文件以节省硬盘空间 否 是否缓存所有训练集至显存，10min 以下小数据可缓存以加速训练，大数据缓存会炸显存也加不了多少速 否 是否在每次保存时间点将最终小模型保存至 weights 文件夹 是 显卡 推荐 batch_size 3060 12G 6~8 4060 8G 4~6 4060 Ti 16G 8~10 4070 12G 10~12 4070 Super 16G 12~14 4080 16G 16~20 4090 24G 24~32 A100 40G 64~96 伴奏人声分离中针对人声模型选择，结合英文理解：
dereverb（去混响 ）DeEcho（去回声 ）、DeReverb（去混响 ）模型名称 训练数据特点 核心功能侧重 适用场景建议 效果差异（对比常规模型） HP2_all_vocalsHP3_all_vocals 包含多声部、多歌手人声数据 兼顾多声部层次，通用音色转换 多歌手合唱、复杂编曲素材 多声部融合好，但单人主唱音色精准度稍弱 ✅ HP5_only_main_vocal 专注单一主唱人声纯净数据 聚焦主音色高精度还原 单人主唱歌曲、突出 solo 场景 主音色细腻，但多声部适配性差 onnx_dereverb_By_FoxJoy 经 “去混响” 预处理的人声数据 先净化（去混响）再做音色转换 带混响干扰的素材（如现场翻唱） 有效削弱混响，但过度处理可能让声音干涩 VR-DeEchoDeReverb 侧重 “去回声 + 去混响” 优化数据 声学修复（去回声 / 混响）+ 音色转换 有环境音（回声、混响）的素材 环境音净化强，声音更 “贴耳”，细节可能损失 VR-DeEchoNormal 侧重 “去回声” 优化数据 去回声处理 + 基础音色转换 带回声干扰的普通素材 回声削弱明显，保留一定自然度
