manga-studio · AI 漫画工作流
把"剧情/角色素材 → 一本能看的漫画"这件事串起来。源自 morsoli/aimangastudio 的五段式流水线(text 规划 → 草图 → 角色表 → 终稿),改造成可在 Claude Code 里直接跑的 agent 工作流。
何时使用
- 用户说"给我画个漫画"/"出个分镜"/"做一页 manga"
- 用户给了剧情、人物设定、世界观,要求出图
- 用户想为短篇/网文/广告做一页或一套视觉故事
- 用户想批量产出多个角色(剧本杀/桌游/小说设定集)
- 用户已经有一个故事大纲,想拆成分镜脚本
不适用
- 单图/单头像生成 → 用
image-gen - 公众号文章配图 → 用
gzh-design - PPT 演示文稿 → 用
dashiai-ppt - 修复/编辑已有图片 → 用
image-gen的编辑流程
工作流(五段)
每段都是 LLM prompt + 可选 image-gen 调用的组合,严格按顺序,因为每步的输出是下步的输入。
① 世界观 ──── 文字 LLM
↓ (若用户没给设定)
② 角色表 ──── 每个角色一张图(用 image-gen,角色名 + 描述 → 提示词)
↓
③ 故事板 ──── 文字 LLM,JSON Schema 强制结构(summary + panels[])
↓ (用户可编辑)
④ 布局草图 ── 用 image-gen,prompt 强调"粗糙素描、无文字、动态构图"
↓ (用户可编辑,标注角色姿态)
⑤ 成稿 ───── 用 image-gen,prompt 把布局 + 角色表 + 脚本合成一页
单页(默认)
一次跑完 5 段,输出 1 个角色集 + 1 个故事板 + 1 个布局 + 1 张成稿。
多页(剧情)
每页跑 ②③④⑤,世界观/角色表复用。generateDetailedStorySuggestion 支持传 previousPages[],前页的脚本 + 成稿图像作为续写的输入,保证叙事连续性。
输入合同
用户最少要提供剧情梗概(premise)。其它都有默认值。
| 字段 | 必填 | 默认 | 说明 |
|---|---|---|---|
premise | ✅ | — | 一句话故事前提,例如"少女在赛博朋克城市里寻找失踪的猫" |
characters | ❌ | 智能生成 | 角色列表 [{name, description, referenceImages?}]。referenceImages 是已知的角色参考图(base64 或 URL),有就用,没有就生成 |
worldview | ❌ | 从 premise 衍生 | 一段背景设定文字 |
style | ❌ | 日系少年漫画 | 画风预设(详见 references/style-presets.md) |
pageCount | ❌ | 1 | 连续页数(>1 时开启页间连续性) |
aspectRatio | ❌ | A4 (210:297) | A4 / 竖版 3:4 / 正方形 1:1 / 横版 16:9 |
colorMode | ❌ | color | color / monochrome |
language | ❌ | zh | 脚本/对话用什么语言生成 |
输出合同
输出一个 comic.json + 一个 comic.md(comic.md 是人类可读渲染版):
{
"worldview": "string",
"characters": [{ "name", "description", "sheetImage": "<path or base64>" }],
"pages": [
{
"pageNumber": 1,
"storyboard": {
"summary": "一句话剧情摘要",
"panels": [
{ "panel": 1, "description": "画面描述", "dialogue": "角色:台词" }
]
},
"layoutImage": "<path>",
"finalImage": "<path>"
}
]
}
关键原则(从 aimangastudio 提炼)
- 角色一致性靠参考表:每个角色都必须有
sheetImage(6 视角网格,3 头 + 3 全身),所有后续出图都把 sheet 当 reference image 传给 image-gen。不允许"凭记忆"画角色。 - 故事板必须 JSON Schema:用结构化输出,避免 LLM 自由发挥。每条 panel 至少有
panel 编号 + 视觉描述,对话可选。 - 布局草图必须无文字:布局是构图指导,不是终稿。如果出了文字,后续会被烤进成稿,改不掉。
- 分镜相对尺寸 = 叙事权重:大 panel = 关键时刻 / 详细构图;小 panel = 过渡 / 反应镜头。这是核心节奏控制。
- 页间连续性靠前页输入:多页模式下,第 N 页的
generateDetailedStorySuggestion必须传previousPages[].{generatedImage, sceneDescription}。LLM 看了上一张图才知道角色穿什么、场景在哪。 - dialogue 在脚本里写明:成稿 prompt 里说"将对话放进气泡",对话内容必须在场景脚本里给出,不要让 AI 自由发挥台词。
- 每步都可中断:用户在任何一步说"停"/"改这里",都应该支持重做单步,不要强制从头跑。
怎么调 image-gen(组合方式)
不要在 skill 里自己实现 HTTP 调用。直接用项目里的 image-gen skill:
# 角色表(每个角色一次)
python3 ~/.claude/skills/image-gen/scripts/submit.py \
--prompt "$(cat prompts/char-X.txt)" \
--size 1024x1024 --sync
# 布局草图
python3 ~/.claude/skills/image-gen/scripts/submit.py \
--prompt "$(cat prompts/page-1-layout.txt)" \
--size 102x144 # 接近 A4 比例 --sync
# 成稿(可附参考图)
python3 ~/.claude/skills/image-gen/scripts/submit.py \
--prompt "$(cat prompts/page-1-final.txt)" \
--ref-images char-sheets/*.png \
--ref-images layouts/page-1.png \
--size 1024x1448 --sync
关键细节:
- 角色表 prompt 末尾要加
**Output: 6-panel character sheet, 2 rows × 3 columns. Row 1: 3 head shots (side, front-neutral, front-smile). Row 2: 3 full-body (front, side, back). No text, no labels, no names anywhere on the image.**— 强制网格布局。 - 布局草图 prompt 强调
**No text, no labels, no numbers, no dialogue. Rough grayscale sketch only. No final art quality. Dynamic composition.**。 - 成稿 prompt 里指定
**Use the provided layout image as composition guide. Use the provided character sheets for character appearance. Place the exact dialogue text into the speech bubbles shown in the layout.**。 - 多页时把上一页的
finalImage加进--ref-images,作为连续性参考。
数据模型(完整)
参考 references/data-model.md,核心 4 个类型:
interface Character {
id: string;
name: string;
description: string; // 一段人物描述,世界观/人设关键
sheetImage?: string; // 6 视角角色表(base64 或路径)
referenceImages?: string[]; // 用户提供的原始参考图(可选)
}
interface Panel {
panel: number; // 1-based
description: string; // 画面描述(必填)
dialogue?: string; // 对话,格式 "角色:台词" 或纯旁白
}
interface Storyboard {
summary: string; // 一句话剧情
panels: Panel[]; // 通常 2-4 个
}
interface Page {
pageNumber: number;
storyboard: Storyboard;
layoutImage?: string; // 分镜布局草图
finalImage?: string; // 成稿
}
编排脚本(在 scripts/ 下)
每个步骤都对应一个 Python 脚本,只负责构造 prompt 和调用 image-gen,不重新实现 LLM 调用(LLM 直接由 agent 自己来)。
| 脚本 | 职责 |
|---|---|
build_character_prompt.py | 根据 character.name + description + style → 单个角色的角色表 prompt |
build_layout_prompt.py | 根据 storyboard + aspect ratio + style → 布局草图 prompt |
build_final_prompt.py | 根据 storyboard + layout + characters + colorMode → 成稿 prompt |
render_comic.py | 把 comic.json 渲染成人类可读的 comic.md |
完整示例
跑一遍 examples/sample-story.md,从 premise 到 4 张成稿,大概 5-8 分钟,见示例文件。
故障排查
| 现象 | 原因 | 解决 |
|---|---|---|
| 角色长得跟设定不一样 | 缺角色表 / 角色表没当 reference 传 | 检查每页成稿 prompt 是否带了 --ref-images char-sheets/*.png |
| 多页之间角色衣服/场景突变 | 上一页 finalImage 没传进来 | 多页模式下,每页成稿都要加 --ref-images final-page-N-1.png |
| 布局里冒出文字 | 布局 prompt 没强调 "no text" | 改 build_layout_prompt.py 的强制约束 |
| 对话气泡是空的 / 跑题 | dialogue 没写进脚本 / 没在成稿 prompt 里强调 "exact dialogue" | 改 storyboard 重新生成,确保每条 dialogue 都显式列出 |
| 角色姿态不对应布局 | 布局里画了角色 A,成稿 prompt 没指明 A 在哪 | 在成稿 prompt 里加 "Place character A in the largest panel per the layout, character B in the smaller panel" |
安全与人工把关
- 生成前展示完整 plan:世界观、角色、故事板、布局 prompt 给用户看,得到 OK 后再调 image-gen。
- 每页成稿前停下来问:用户可能想改对白、改构图,不要一口气跑完全部。
- 儿童/敏感题材:世界观里加明确声明,prompt 里强调
Avoid any content depicting minors in inappropriate situations / graphic violence.