AI-Animation：漫画 → 动画 本地工作流

基于 ComfyUI 的漫画动画化流水线，专为 RTX 3070 8GB + 64GB RAM 优化。

核心策略

• GGUF 量化模型 — 8GB 显存可流畅运行 1.3B 模型
• 分块 VAE + CPU offload — 14B 重量模型靠 64GB 内存慢跑
• aria2c 多线程下载 — 16 线程 + 断点续传 + hf-mirror 镜像加速
• 双档启动 — start.bat（日常） / start_heavy.bat（高质量）

目录结构

D:/AI/AI-Animation/
├── ComfyUI/                  # ComfyUI 主仓库（独立）
├── .venv/                    # Python 3.12 虚拟环境（uv）
├── models/                   # 所有模型（~40GB 全量）
│   ├── diffusion_models/     # Wan / Hunyuan GGUF
│   ├── checkpoints/          # SD1.5 / SDXL 二次元底模
│   ├── loras/                # AnimateDiff Motion LoRA
│   ├── controlnet/           # Lineart / Depth / Canny / OpenPose
│   ├── ipadapter/            # IPAdapter + FaceID
│   ├── clip_vision/ text_encoders/ vae/
│   ├── upscale_models/       # RealESRGAN
│   ├── frame_interpolation/  # RIFE
│   └── liveportrait/
├── workflows/                # 5 套预置工作流
│   ├── 01_bw_lineart.json
│   ├── 02_color_manga.json
│   ├── 03_illustration.json
│   ├── 04_talking_face.json
│   └── 05_heavy_wan14b.json
├── input/                    # 放入源漫画图片
├── output/                   # 生成结果
├── scripts/
│   ├── setup.py              # 环境安装（venv + torch + ComfyUI）
│   ├── install_nodes.py      # 自定义节点安装
│   ├── download_models.py    # 模型下载（aria2c 多线程）
│   ├── api.py                # API 编排客户端
│   ├── start.bat             # 轻量档启动
│   └── start_heavy.bat       # 重量档启动
└── hf_cache/                 # HF 缓存（D 盘，不污染 C 盘）

快速开始

# 1. 环境安装（venv + PyTorch + ComfyUI + Manager）
python scripts/setup.py

# 2. 安装自定义节点（GGUF、VHS、AnimateDiff、IPAdapter 等）
python scripts/install_nodes.py

# 3. 下载轻量档模型（~16GB，aria2c 多线程）
python scripts/download_models.py --tier light

# 4. 启动 ComfyUI
scripts\start.bat              # 轻量档（8GB 流畅）
# 或
scripts\start_heavy.bat         # 重量档（offload 慢跑）

# 5. 浏览器访问（ComfyUI 绑定 0.0.0.0，局域网可访问）
#    本机:    http://127.0.0.1:8188
#    局域网:   http://192.168.66.86:8188  （或其他本机 IP）
#    将漫画图拖入 → 选工作流 → 生成

重量档模型（可选，另约 30GB+）

python scripts/download_models.py --tier heavy

工作流说明

编号	工作流	用途	显存
01	bw_lineart	黑白线稿漫画 → Lineart CN → AnimateDiff	8GB ✓
02	color_manga	彩色漫画 → Wan2.1-1.3B → RIFE → 超分	8GB ✓
03	illustration	二次元立绘 → IPAdapter 一致性 → Wan2.1	8GB ✓
04	talking_face	漫画头像 → LivePortrait（表情/口型）	8GB ✓
05	heavy_wan14b	高质量长片段 → Wan2.1-14B Q4	offload

API 编排

# 单步生成
python scripts/api.py --workflow 02_color_manga --input ./input/manga.png

# 链式处理（I2V → RIFE 插帧 → 超分）
python scripts/api.py --workflow 02_color_manga --input ./input/manga.png --chain

# 查看可用工作流
python scripts/api.py --list

模型档位

轻量档（8GB 流畅，日常主力）

模型	大小	用途
Wan2.1 I2V 1.3B Q8	~1.5GB	日常 Image-to-Video
T5-XXL Q5 GGUF	~5GB	Wan 文本编码器
CLIP Vision ViT-Huge	~3.7GB	Wan I2V 图像编码器
AnimateDiff v3	~1.5GB	呼吸/飘发/飘衣
SD1.5 Base	~4GB	AnimateDiff 配套
ControlNet ×4	~5.6GB	Lineart/Depth/Canny/OpenPose
IPAdapter + FaceID	~2.7GB	角色一致性
LivePortrait	~700MB	表情/口型
RIFE + RealESRGAN	~100MB	插帧 + 超分

重量档（offload 慢跑，质量最高）

模型	大小	用途
Wan2.1-I2V-14B 480P Q4	~9GB	高质量长片段
Hunyuan Video Q4	~9GB	镜头运动
Animagine XL 3.1	~6.5GB	SDXL 二次元底模

技术栈

• 核心：ComfyUI + Python 3.12 + PyTorch CUDA 12.4
• 包管理：uv（venv）+ pip + aria2c（下载）
• 显存策略：GGUF 量化 + 分块 VAE + CPU offload
• 镜像加速：hf-mirror.com（HF_ENDPOINT）

与 char-pipeline 的关系

本项目是 D:/AI/AIGC/char-pipeline（2D→3D）的兄弟项目，共享相同的工具链模式：

• 独立 ComfyUI 实例 + 独立 venv（互不干扰）
• 相同的 torch cu124 + uv 构建模式
• 模型目录分离（动画模型 vs 3D 模型）

注意事项

• 首次安装需联网下载模型（总计 ~40GB 全量）
• 重量档生成速度：分钟级/帧（CPU offload），请耐心等待
• 个别模型 HF 路径可能随版本更新变化，若 404 见 download_models.py --list
• ComfyUI 界面中也可通过 Manager 安装/更新节点和模型