closerAI 电影分镜引擎 - 安装与使用说明

简介

closerAI 电影分镜引擎 是一个为 ComfyUI 设计的自定义节点，旨在自动化电影概念设计和分镜提示词的生成过程。它可以将一个简单的创意想法扩展为一个包含故事大纲、角色设计、场景设计的完整“世界观”，并自动生成一系列结构化的、可用于 AI 视频模型（如 Sora）的分镜提示词。

此节点支持多种工作模式、语言切换、风格模板化以及高级一致性控制功能。

安装

1. 放置节点文件：
   • 将这个 .py 文件放入你的 ComfyUI 安装目录下的 ComfyUI/custom_nodes/ 文件夹中。
2. 安装依赖库：
   • 此节点需要两个额外的 Python 库：requests 和 pyyaml。
   • 打开你的命令行终端（确保它使用的是你的 ComfyUI Python 环境，如果你使用了虚拟环境 venv，请先激活它），然后运行以下命令：pip install requests pyyaml
   • 如果你不确定如何操作，可以尝试在 ComfyUI 安装目录下的 python_embeded 文件夹（或类似名称）中找到 pip.exe 并通过它来安装。
3. 重启 ComfyUI：
   • 完全关闭 正在运行的 ComfyUI 实例（包括命令行窗口）。
   • 重新启动 ComfyUI。
4. 验证安装：
   • 在 ComfyUI 画布上双击，搜索 closerAI 电影分镜引擎。如果能找到并添加该节点，则表示安装成功。该节点应该位于 closerAI 分类下。

使用说明

核心概念

• 语言 (language): 控制节点输出的语言（中文或英文）。这会影响 WORLD_BRIEF（世界观）和 SHOT_PROMPTS_TEXT（分镜结构）的显示语言。注意：最终用于 AI 生成的提示词（如 FIRST_SHOT_PROMPT, CHARACTER_CONCEPT, ENVIRONMENT_CONCEPT）始终会根据所选语言生成对应语言的版本，以确保 AI 模型能理解。
• 模式 (mode):
  • 自动(基于故事): 你提供一个核心创意 (user_idea)，节点会自动生成完整的故事世界观和多个分镜。
  • 手动(构建单镜): 你手动指定单个镜头的各个组成部分（镜头语言、主体、环境），节点会为你组合成一个最终的提示词。此模式下会忽略 user_idea, num_shots, consistency_name。
• LLM 模型 (llm_model): 选择驱动节点内容生成的语言模型源。目前集成了 LLM1 和 LLM2 的多个模型。
• 模板 (film_template): 选择一个高层级的电影概念模板，如特定导演风格（王家卫、诺兰）或电影流派（赛博朋克、黑色电影）。
• 风格 (film_style): 选择一个技术或美学上的风格修饰，如胶片类型（35mm、8mm）、特定摄像机（ARRI Alexa）或视觉美学（蒸汽波、复古未来主义）。模板和风格会组合应用。
• 注入概念 (inject_concepts): (自动模式下) 一个重要的开关。
  • 关闭: Sora 分镜提示词只包含当前镜头的内容。
  • 开启: 会将 CHARACTER_CONCEPT 和 ENVIRONMENT_CONCEPT 的提示词内容注入到每一个 Sora 分镜提示词的最前面。这有助于 AI 视频模型（如 Sora）在所有镜头中更好地保持角色和场景外观的一致性，类似于“图生视频”的概念。

自动（基于故事）模式

1. 设置 mode 为 自动(基于故事)。
2. 选择 language (中文/English)。
3. 输入核心创意 (user_idea): 描述你的故事核心，例如：“一个宇航员在火星上发现了一个神秘的外星遗迹”。
4. 选择影片长度 (film_duration): 告知 AI 你期望的影片大致时长（如 ~15秒, ~30秒）。这会影响 AI 规划的故事复杂度和分镜节奏。
5. 设置分镜数量 (num_shots):
   • 输入 0 (默认)：AI 将根据 film_duration 自动判断最合适的分镜数量。
   • 输入大于 0 的数字 (例如 5)：强制 AI 生成指定数量的分镜。
6. 设置主角名 (consistency_name): 给你的主角起一个代号（例如 Eva）。AI 会在所有生成的内容中（世界观、分镜）使用这个名字来指代主角，以保持一致性。
7. 选择 film_template 和 film_style: 定义影片的整体视觉基调。
8. 选择是否 inject_concepts: 根据你对一致性的需求决定是否开启注入。
9. 选择 llm_model: 选择你希望使用的语言模型。
10. 运行: 点击 ComfyUI 的 Queue Prompt。

手动（构建单镜）模式

1. 设置 mode 为 手动(构建单镜)。
2. 选择 language (中文/English)。
3. 选择镜头语言 (param_shot_language): 从下拉菜单中选择一个具体的镜头描述，或保持 [自动] 让 AI 决定（如果后续 AI 能理解的话，但手动模式下建议明确指定）。
4. 填写主体 (param_subject): 描述画面中的核心人物/物体、他们的动作和情感（根据所选语言填写）。
5. 填写环境 (param_environment): 描述场景地点、时间和光线氛围（根据所选语言填写）。
6. 选择 film_template 和 film_style: 定义这个单一镜头的视觉基调。
7. 选择是否 inject_concepts: 决定是否将基于主体和环境生成的概念图提示词注入最终的 Sora 提示词。
8. 选择 llm_model: 选择语言模型。
9. 运行: 点击 ComfyUI 的 Queue Prompt。

输出端口说明

节点会产生 5 个输出：

1. WORLD_BRIEF (世界观) (STRING):
   • (自动模式): 由 LLM 生成的 YAML 格式文本，包含故事大纲、人物设计、环境设计。语言由 language 选项决定。
   • (手动模式): 显示你在手动参数中输入的组件信息以及最终组合的 Sora 提示词。语言由 language 选项决定。
2. SHOT_PROMPTS_TEXT (分镜) (STRING):
   • (自动模式): 包含所有生成分镜的结构化信息（分镜号、时间戳、镜头语言描述、主体描述、环境描述）以及最终的 Sora 提示词。语言由 language 选项决定。
   • (手动模式): 显示手动构建的单个分镜的结构化信息和最终 Sora 提示词。语言由 language 选项决定。
3. FIRST_SHOT_PROMPT (首镜) (STRING):
   • (自动模式): 第一个分镜的最终 Sora 提示词。语言由 language 选项决定。方便直接连接到视频生成节点。
   • (手动模式): 手动构建的那个最终 Sora 提示词。语言由 language 选项决定。
4. CHARACTER_CONCEPT (角色图) (STRING):
   • 一个专门用于 T2I (Text-to-Image) 模型（如 Stable Diffusion）的提示词，旨在生成主角的概念设计图。语言由 language 选项决定。
5. ENVIRONMENT_CONCEPT (场景图) (STRING):
   • 一个专门用于 T2I 模型的提示词，旨在生成核心场景的概念设计图。语言由 language 选项决定。

示例工作流建议

• 将 WORLD_BRIEF 和 SHOT_PROMPTS_TEXT 连接到 DisplayText 节点（如果可用）或 SaveText 节点进行审阅。
• 将 CHARACTER_CONCEPT 和 ENVIRONMENT_CONCEPT 连接到 CLIP Text Encode -> KSampler -> VAE Decode 流程，生成概念参考图。
• 将 FIRST_SHOT_PROMPT 连接到你的 AI 视频生成节点（如 Sora Loader, Stable Video Diffusion 等）的 prompt 输入端。
• (高级): 如果你需要批量生成所有分镜，可以使用文本处理节点（如 ComfyUI-Custom-Scripts 中的 Text Split Lines）来分割 SHOT_PROMPTS_TEXT 中的 Sora 提示词，然后批量处理。

注意事项

• 请确保你的 ComfyUI Python 环境可以访问互联网，因为节点需要调用外部 LLM API。
• 目前集成的 LLM API (algion.dev, pollinations.ai) 是免费服务，可能会有速率限制或不稳定的情况。
• 生成内容的质量很大程度上取决于你选择的 LLM 模型和你提供的创意 (user_idea) 的清晰度。
• 虽然节点努力实现严格的语言切换，但 LLM 的输出有时可能仍会略有偏差。

希望这份文档能帮助你顺利使用 closerAI 电影分镜引擎！

主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网