简介SD漫画助手是一款面向Stable Diffusion用户的漫画创作辅助脚本通过集成到软件scripts目录实现功能加载适合希望借助人工智能提升角色设计、场景构建与色彩搭配效率的数字绘画创作者。资源包共5个文件约929KB包含2个Python脚本对应不同版本的功能实现、1个Markdown说明文档、1个zbak备份文件及1个zip压缩包便于版本对照与快速恢复。目前已有56人学习关注。借助该工具用户可了解脚本扩展的集成方式与版本兼容要点掌握安装前的数据备份思路并参考说明文档完成配置与排错。资源来源于网络分享仅供学习交流请勿用于商业用途。1. SD漫画助手到底是什么从一张分镜草图到整页成稿的落地路径如果你手上有一台能跑 Stable Diffusion 的机器也装过 WebUI 或者 ComfyUI但每次画漫画还是要手动写提示词、手动切分镜、手动拼页那 SD漫画助手 这个方向值得你花一个下午研究。它本质上不是某一个软件而是一类把「剧本 → 分镜 → 单格出图 → 排版成页」串成流水线的工具集合核心解决的是漫画创作者在 SD 里反复做重复劳动的问题。热搜里 sd、漫画助手、安装、使用指南 这几个词放在一起说明大量人卡在第一步装不上、跑不起来、不知道从哪开始。这篇笔记按我自己的实操顺序拆开讲从环境准备到批量出图再到踩坑排查新手能照着走熟手能直接看参数边界。2. 装之前先把环境理清楚Python、Git、SD 后端三件事2.1 为什么我不建议一上来就装整合包很多人搜「SD漫画助手安装」第一反应是找一键整合包但漫画助手类工具通常需要调用 SD 的 API 或者直接操作 diffusers 库整合包里的 Python 环境往往是锁死的你后续想装个额外依赖就会冲突。我一般会自己建一个干净的 Python 环境把 SD 后端和漫画助手前端分开管理。热搜里 python安装、git安装及配置教程、anaconda安装 这些词高频出现说明环境问题确实是第一道坎。具体做法是用 conda 建一个 Python 3.10 的环境因为大部分 SD 相关库对 3.10 兼容性最好3.11 以上有些包会编译失败。Git 用来拉取漫画助手的前端仓库配置好 user.name 和 user.email 就行不需要额外折腾 SSH key除非你要往远端推代码。conda create -n sd-comic python3.10 -y conda activate sd-comic git config --global user.name your_name git config --global user.email your_emailexample.com这三行做完环境隔离和版本控制的基础就有了。参数说明-n sd-comic是环境名你可以改成任何名字但建议不要用中文或空格python3.10是硬性建议我试过 3.12 跑某些 diffusers 版本会报torch编译错误。2.2 SD 后端选 WebUI 还是 ComfyUI漫画助手类工具通常有两种对接方式一种是调用 WebUI 的 API 端口另一种是直接读 ComfyUI 的工作流 JSON。如果你只是想让助手帮你批量生成单格图WebUI 的 API 模式最省事启动时加--api参数即可。如果你需要更精细的控制比如每格用不同的 LoRA、不同的 ControlNet 条件那 ComfyUI 的工作流模式更合适但配置成本高不少。我自己的选择是前期用 WebUI API 快速跑通流程确认漫画助手的分镜逻辑符合预期后再迁移到 ComfyUI 做精细化。WebUI 启动命令里加--api --listen这样漫画助手才能从本地或局域网访问到它。./webui.sh --api --listen --xformers--api开启接口--listen允许非本机访问--xformers是显存优化6G 显存以下建议加上。注意如果你用的是 AMD 卡或者 Mac M 系列--xformers可能不支持换成--opt-split-attention。2.3 漫画助手前端的安装与依赖处理前端仓库拉下来之后先看 requirements.txt 或者 pyproject.toml不要直接pip install -r一把梭。我习惯先装核心依赖再装可选依赖这样出问题容易定位。常见核心依赖包括gradio、requests、Pillow、numpy可选依赖可能有opencv-python、mediapipe用于人脸或姿势检测。git clone 漫画助手前端仓库地址 cd sd-comic-assistant pip install gradio requests Pillow numpy pip install -r requirements-optional.txt # 按需不要盲装逻辑说明先装核心包是为了保证最小可运行optional 里的包往往体积大、编译慢如果核心流程还没跑通就装一堆出错了你都不知道是哪个包的问题。参数上gradio版本建议 3.x 或 4.x具体看前端代码里的 import 方式5.x 有 breaking change。3. 把剧本变成分镜漫画助手的核心配置与第一次出图3.1 分镜描述文件的格式与字段含义漫画助手一般会要求你提供一个结构化的剧本文件常见格式是 JSON 或 YAML。核心字段包括页码、格号、场景描述、角色、对话、镜头类型。我见过有人直接把小说段落粘进去结果助手完全无法解析因为缺少结构化标记。一个最小可用的分镜 JSON 长这样{ pages: [ { page_number: 1, panels: [ { panel_id: 1-1, scene: 教室午后阳光从窗户斜射进来, characters: [小明, 老师], dialogue: 小明老师这道题我不会。, shot_type: medium_shot, mood: 平静 } ] } ] }字段说明scene是给 SD 的背景提示词基础characters会触发角色 LoRA 或 embedding 的加载shot_type控制构图mood影响色彩和光影的提示词权重。我一般会把scene写得具体但不过长控制在 30 字以内太长了 SD 反而抓不住重点。3.2 提示词模板的配置与权重调整漫画助手通常内置一套提示词模板把分镜字段映射成最终的 SD prompt。你需要检查模板里哪些是固定前缀、哪些是动态插入。常见结构是quality_prefix character_prompt scene_prompt style_suffix。质量前缀一般是masterpiece, best quality, highres风格后缀可能是manga style, monochrome或者full color。我建议第一次跑的时候把模板打印出来看一遍确认角色名有没有被正确替换成 LoRA 触发词。如果角色 LoRA 的触发词是xm_v1那模板里应该出现xm_v1而不是「小明」。这一步不做出图就是随机脸。# 伪代码检查模板映射 template load_template(manga_template.txt) for panel in story[pages][0][panels]: prompt template.format( scenepanel[scene], charactercharacter_lora_map.get(panel[characters][0], ), moodpanel[mood] ) print(prompt) # 先打印确认无误再送 SD逻辑说明character_lora_map是你自己维护的角色名到 LoRA 触发词的映射表。参数上mood如果直接拼进 prompt建议加权重比如(平静:1.2)否则容易被场景词淹没。3.3 第一次批量出图参数怎么设、显存怎么控第一次跑不要贪多先跑一页一页不要超过 4 格。分辨率建议 512x768 或 768x512根据分镜的横竖构图选。步数 20-28 足够CFG 7-9采样器用 DPM 2M Karras 或 Euler a这两个在漫画线稿上表现稳定。显存控制的关键参数是 batch size 和同时加载的模型数量。如果你只有 6G 显存batch size 设 1不要开 hi-res fix角色 LoRA 一次只加载一个。我见过有人一页 6 格同时跑显存直接爆然后以为是助手有 bug。python run_assistant.py \ --story story.json \ --output ./output \ --width 512 \ --height 768 \ --steps 24 \ --cfg 7.5 \ --sampler DPM 2M Karras \ --batch_size 1参数说明--batch_size 1是显存安全线--steps 24是质量和速度的平衡点再高收益递减。--output目录建议每次跑之前清空或换新目录否则旧图会混淆你的判断。4. 出图之后的排版与批量处理从单格到成页4.1 单格图的自动裁切与对齐SD 出的图往往不是精确的分镜尺寸可能有白边、比例偏差。漫画助手一般会带一个后处理模块用 OpenCV 检测内容区域并裁切。如果没有你可以自己写一个简单的裁切脚本基于像素方差找边界。import cv2 import numpy as np def auto_crop(image_path, threshold10): img cv2.imread(image_path) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 找非白区域 mask gray 250 coords np.column_stack(np.where(mask)) if len(coords) 0: return img y_min, x_min coords.min(axis0) y_max, x_max coords.max(axis0) # 留一点边距 pad 5 cropped img[max(0, y_min-pad):y_maxpad, max(0, x_min-pad):x_maxpad] return cropped逻辑说明gray 250是找非纯白像素pad是防止裁得太紧把线条切掉。参数上如果图本身有灰色背景阈值要调低比如 200。这个脚本对黑白漫画线稿效果最好彩色图可能需要先转灰度再判断。4.2 对话气泡的自动放置对话气泡的放置是个玄学问题自动算法很难做到完美。我一般用助手生成气泡位置建议然后手动微调。常见做法是根据shot_type决定气泡在左上、右上还是底部。medium_shot通常气泡在顶部close_up气泡在底部或侧面。如果你要批量处理可以用 PIL 在指定坐标画椭圆和文字。但注意中文字体需要单独指定 ttf 文件否则会显示方块。from PIL import Image, ImageDraw, ImageFont def add_bubble(image_path, text, position, font_pathsimhei.ttf): img Image.open(image_path) draw ImageDraw.Draw(img) font ImageFont.truetype(font_path, 20) x, y position # 画椭圆气泡 draw.ellipse([x, y, x150, y80], fillwhite, outlineblack, width2) draw.text((x15, y25), text, fillblack, fontfont) return img参数说明position是气泡左上角坐标font_path必须指向系统中实际存在的中文字体文件。150x80是气泡默认大小对话长的话要动态计算。4.3 整页拼合与导出格式选择拼合就是把裁切好的单格图按分镜布局贴到一张大画布上。常见布局有 2x2、12、横条等。我一般用 PIL 的paste方法先建一个白色画布然后按坐标贴图。导出格式建议 PNG因为 JPEG 在黑白线稿上会有压缩伪影。如果最终要打印300 DPI 是底线网页发布 150 DPI 够用。def compose_page(panel_paths, layout, output_path, dpi150): canvas Image.new(RGB, (1200, 1800), white) for path, box in zip(panel_paths, layout): panel Image.open(path) panel panel.resize((box[2]-box[0], box[3]-box[1])) canvas.paste(panel, (box[0], box[1])) canvas.save(output_path, dpi(dpi, dpi))逻辑说明layout是一个列表每个元素是(x1, y1, x2, y2)的矩形框。dpi参数在保存时写入元数据打印时有用。注意 resize 会改变线条锐度如果原图分辨率不够拼合后会更糊。5. 避坑与排查装不上、跑不通、出图崩的 5 个血泪经验5.1 现象pip install 卡在 building wheel 不动原因某些包需要编译 C 扩展Windows 上缺 Visual C Build ToolsLinux 上缺 python-dev。解决Windows 装 VS Build ToolsLinux 跑sudo apt install python3-dev build-essential。如果还不行找预编译的 wheel 文件或者换 conda 安装。5.2 现象漫画助手启动报错 ModuleNotFoundError: No module named xxx原因依赖没装全或者装到了错误的 Python 环境里。解决先which python确认当前环境再pip list | grep xxx看包在不在。常见漏装的是gradio的某个子依赖或者torch版本和torchvision不匹配。5.3 现象出图全是黑图或噪点原因VAE 没加载、模型损坏、或者 prompt 里负面词把画面全压掉了。解决检查 WebUI 的 VAE 设置换一个模型试试负面词里不要放太多blurry, bad之类的有时候反而触发崩坏。我遇到过负面词里worst quality权重给到 2.0结果全黑。5.4 现象角色脸每格都不一样原因角色 LoRA 没生效或者触发词没写对。解决确认 LoRA 文件放在正确目录触发词和训练时一致。如果 LoRA 权重太低加到 0.8-1.0。还不行就在 prompt 里加角色外貌描述作为兜底。5.5 现象拼合后页面错位或图被拉伸原因单格图尺寸和 layout 框不匹配resize 时没保持宽高比。解决在 paste 之前先算好等比缩放或者用ImageOps.fit自动裁切填充。layout 坐标建议用相对比例而不是绝对像素这样换画布尺寸不会崩。6. 进阶技巧用 ControlNet 锁构图、用 XYZ 脚本测参数6.1 ControlNet 在漫画分镜里的实际用法如果你想让每一格的人物姿势和草图一致ControlNet 的 OpenPose 或 Scribble 模式是刚需。我一般先用简笔画画出分镜构图然后作为 ControlNet 输入权重 0.6-0.8引导强度太高会失去 SD 的细节生成能力。OpenPose 适合人物动作Scribble 适合场景轮廓。# WebUI API 调用 ControlNet 的 payload 片段 alwayson_scripts: { controlnet: { args: [{ input_image: sketch_1-1.png, module: scribble, model: control_scribble, weight: 0.7, guidance_start: 0.0, guidance_end: 0.8 }] } }参数说明guidance_end 0.8表示后 20% 步数不再受 ControlNet 约束让 SD 自由发挥细节。weight 0.7是平衡点再高画面会僵硬。6.2 用 XYZ 脚本批量测试采样器和 CFG漫画助手出图质量不稳定时不要一张一张调用 WebUI 的 XYZ 脚本一次性跑矩阵。X 轴放采样器Y 轴放 CFGZ 轴放步数。跑完一眼就能看出哪个组合最适合你的画风。轴参数测试范围XSamplerEuler a, DPM 2M, DPM SDEYCFG5, 7, 9, 11ZSteps20, 28, 36跑完把图拼成网格选线稿最干净、阴影最自然的那组。我自己的漫画线稿常用 DPM 2M Karras CFG 7.5 24 步但这个不是万能取决于你的模型。6.3 一个我踩过的坑不要用 SD 直接生成对话文字SD 生成文字的能力极差尤其是中文。我早期偷懒让 SD 直接画气泡和文字结果全是乱码。后来改成 SD 只出图文字用 PIL 后期叠加效率反而更高。如果你非要用 SD 生成英文拟声词可以试试但中文对话一律后期加。6.4 我的习惯每次跑图前备份配置漫画助手的配置文件、LoRA 映射表、提示词模板这些东西调好一次不容易。我习惯在每次大改之前把整个配置目录复制一份命名带日期。翻车了直接回滚比重新调快得多。这个习惯帮我省了至少两个通宵。希望帮到你。本文还有配套的精品资源点击获取