Comic Master — 工具集

与 comic-master 配合使用。那个技能定义了页面“好”的标准；而这个技能则负责实现这些标准所需的工具。大多数糟糕的文字排版都源于糟糕的工具：手绘的栅格椭圆、系统字体以及直接平贴在画稿上的文本。

1. 使用 ComfyUI 制作画格

ComfyUI 本身的运行（安装模型、启动、运行模板和工作流）属于本仓库根目录 vendor/comfy-cli-skills/ 中的通用 ComfyUI 技能所涵盖的内容。本节将介绍如何将它们用于漫画制作。

1.1 漫画项目的生成设置

每个项目两个工作流： 一个用于文本到图像（生成新画格），另一个用于图像编辑（修复连续性、匹配镜头和道具文本）。选定一个模型和固定设置后，将其记录在项目圣经中。
一个画格 = 一个任务 = 一张保存的图像。 每个画格都可追溯至其提示词、种子和设置。
根据布局决定渲染尺寸，而非相反。 根据缩略图中画格的边界框，以大约 1 兆像素的分辨率按该宽高比渲染（例如，宽幅 1408×704，竖幅 768×1024，长条 1536×640）。然后缩放或裁剪至边界框内，确保故事关键细节远离裁剪边缘。
按场景分批处理，而非按页面。 这样可以使同一个场景中各个画格的光线、色调和背景保持一致。

1.2 一致性

先建角色设定表。 为每个角色生成转面和表情表，选择最佳结果，并将其作为参考图像（IP-适配器、图像编辑输入或角色 LoRA，如果你能训练一个的话）重复使用。
固定锚点（来自 comic-master 的 comic-characters.md §4.5）：在每个提示词中从头到尾逐一列举，从左到右；为整个项目提供一个风格锚点。
种子： 记录每个被采用画格的种子，以便日后能够重新生成或进行变体。
姿势控制： 在需要控制画面布局（如说话者顺序、视线方向、180 度线）时，使用 OpenPose 或深度 ControlNet。

1.3 持久有效的提示词规则

了解反向提示词是否有效。 蒸馏模型（如 FLUX.2 klein、Z-Image-Turbo）在 CFG 1 下运行时通常忽略反向提示词。对于这类模型，应正向描述你想要的内容（例如“恰好四个人”、“放松平滑的眉毛”）。仅在使用真实 CFG 运行的模型上使用反向提示词，或添加负向引导节点（例如 NAG）。
使用模型的语言写提示词。 FLUX 和 Qwen/Z-Image 理解自然语句；SDXL 理解逗号分隔的标签。对于语句模型，使用固定顺序：镜头和角度 → 每个角色及其位置（从左到右） → 一个动作 → 作为解剖结构的表情 → 环境 → 光线 → 风格。
将表情描述为解剖结构，而非名称。 “无聊”往往会产生皱眉的效果。应该这样描述：“上眼睑半垂，眉毛高挑而平坦，嘴巴紧闭成一条直线”。如果反向提示词有效，也要反向提示失败的情况（例如“皱起的眉头，怒视”）。
服装颜色应包含在提及身体部位的从句内。（例如“肩膀上的海军蓝紧身衣”）。特写镜头容易倾向于使用通用颜色；在反向提示词中提示这种偏移。
无重复： 每个角色一个锚点，明确数量和顺序（例如“恰好三个人：从左起…”），并且在反向提示词有效的情况下，加入“重复角色、克隆、多余人物”。
在提示词中预留文字空间。（例如“上部三分之一是空白的平整墙壁”）。要求得到干净、没有文字的图像（在反向提示词有效时使用“无文字、无字母、无对话框”；否则使用正向描述，如“没有任何文字排版的干净图像”），除非是在特意进行道具文本编辑时。
从缩略图开始规划。 将缩略图转换为粗略的布局草图（火柴人、家具方块），并将其作为姿势、线稿或深度控制图像输入，从而让角色摆放、比例和场景元素遵循计划。
生成多个，挑选一个。 每个画格渲染 3-4 个种子，并根据画格的“目标”（GOAL）和锚点进行选择，之后再进行文字排版。

1.4 编辑而非重新生成

使用现有画格作为输入，运行图像编辑工作流：

匹配画格（同一房间、重复笑点、反应镜头）：将早期画格调色至新画格，而非从头生成。
移除比重组更可靠。 “移除桌子旁的第三个人” 可行；“把他移到椅子后面” 通常失败。
连续性修复： 多余的路人、错误的服装颜色、错误手中的道具。仅对该区域进行修补或编辑。
道具文本（§4）：徽章或标牌上的简短文字，需在 1:1 比例下检查。

1.5 排版前的审查

将每个渲染结果与其锚点和画格的“目标”进行比较：面部、服装颜色、道具和手部、光线方向、多余人物、多余字形、空的文字区域。
为每个画格保留日志（提示词、种子、设置、通过或拒绝及其原因），以便修复工作可以再现。

1.6 推荐模型配置

8 GB 显存（默认可用配置）：

任务	模型和文件	备注
画格和编辑	FLUX.2 [klein] 4B fp8 (`flux-2-klein-4b-fp8`) + `qwen_3_4b` 文本编码器 + `flux2-vae`	约 4 步，CFG 1。编辑模式可使用参考图像（角色设定表）来保持角色一致。Apache-2.0 许可证。
高质量单画格、道具文本	Z-Image-Turbo int8 (`z_image_turbo_int8_convrot`) + `qwen_3_4b_fp8_mixed` + `ae.safetensors`	模板 `image_z_image_turbo_int8`；约 8 步。更好的文字和指令跟随能力；不支持参考图像编辑。通过 Z-Image-Turbo Fun Union ControlNet 模板实现姿势/深度控制。Apache-2.0 许可证。
布局控制	SDXL + OpenPose ControlNet + IP-适配器	在 8 GB 显存下提供最成熟的姿势和布局控制；结果可在 Klein 中精修。
角色抠图	comfyui-rmbg 配合 BiRefNet toonout（专为卡通和插画设计）或 RMBG-2.0	用于下文的分层工作流。
放大	`4x-UltraSharp`，分块处理	以约 1 兆像素渲染，然后放大至打印尺寸。

在 8 GB 显存下：使用 fp8/int8/GGUF 权重；显存紧张时将文本编码器移至 CPU 或第二块 GPU；对大图像使用分块 VAE 解码；一次只加载一个模型；将任何本地 LLM 放在不同的 GPU 上。

分层角色： 每个角色在纯平背景上单独生成，然后抠出（使用 BiRefNet toonout），最后合成到每个场景的共享背景上。这解决了单纯通过提示词无法解决的角色摆放、比例和场景包含问题，并允许道具在不同画格中保持相同大小。

拥有更多显存时： FLUX.2 [klein] 9B（约 20 GB；非商业用途），Qwen-Image-2.1（约 24 GB；10 张参考图像，透明 RGBA 输出，蒙版编辑；研究许可证），FLUX.2 [dev]（fp8 下 24 GB+；顶级质量和多参考能力；非商业用途）。在商业使用前检查每个模型卡的许可证；上述 8 GB 配置均为 Apache-2.0 许可证。

2. 文字排版引擎：绘制矢量，而非像素

2.0 使用文字排版工具（默认）

不要编写文字排版代码。请使用 scripts/letterer.py，该脚本随本技能文件夹一起提供（位于此 SKILL.md 旁边），同时还有 scripts/README.md、scripts/styles.json 以及 scripts/fonts/ 中的批准字体。路径相对于此 SKILL.md 解析，无论仓库克隆到何处；切勿将脚本复制到项目中。它已经遵循了本节中的所有规则，并会自行运行第 5 节中的 QA 检查。要求：Python 3.9+ 及以上版本，并安装 Pillow 和 numpy（pip install -r scripts/requirements.txt）；建议安装 mediapipe，它可以启用自动面部检查（对话框必须避开面部）和 "tail_to": "auto"。

工作流：

运行 python scripts/letterer.py grid --image panel_or_page.png --out grid.png 并查看叠加显示。读取画格矩形、每个说话者头部框和嘴巴，以及空白区域。然后根据 comic-master 中 comic-lettering.md §12.2 的放置规则和 §12.7 的分步程序，选择每个对话框的位置和尾部瞄准点：对话框位于头部附近的空白空间，尾部指向嘴巴但末端位于头部之外。所有坐标都是相对的：从左上角算起 0.0–1.0。
编写一个页面规范（JSON），其中的项目按阅读顺序排列：

{
  "image": "strip.png", "out": "strip_lettered.png",
  "panels": [[0.0125,0.03,0.329,0.97], [0.342,0.03,0.658,0.97], [0.671,0.03,0.988,0.97]],
  "avoid": "faces_mask.png",
  "items": [
    {"style": "declaration", "text": "城市在召唤。我回应。", "zone": [0.03,0.06,0.31,0.24]},
    {"style": "speech", "text": "有人|听到那声音了吗？", "at": [0.46,0.30], "tail_to": [0.52,0.52]},
    {"style": "sfx-micro", "text": "嗡嗡 嗡嗡", "at": [0.39,0.62]},
    {"style": "sfx", "text": "哐当", "at": [0.80,0.88], "size": 2.4, "rotate": -8}
  ]
}

运行 python scripts/letterer.py page spec.json。返回码 0 表示所有 QA 检查通过；1 表示已渲染但 QA 失败，因此请阅读打印的失败信息，修正规范（将对话框移近说话者、放大区域、删减文字、使用 | 重新换行）并重新运行；2 表示错误（未知风格、缺少字体、规范格式错误）。
全尺寸以及缩略图形式查看 PNG。将 SVG 文件（可编辑）和 _qa.json（测量数据）与页面一起保留。

项目字段： style；text（| 强制换行，否则自动排成菱形；用 _word_ 加下划线表示强调）；at [x,y] 中心点或 zone [x0,y0,x1,y1] 适合内部；tail_to [x,y] 瞄准点：不是嘴巴本身，而是头部外部的空白空间中的一点，位于从对话框到嘴巴的连线上，距离面部约 1 个字符高度（工具会使其尖端在略短于此距离处停止，因此尾部指向说话者但不会触碰到他们）；省略该字段或使用 "no_tail": true 则无尾部。不要使用 "auto"：它会返回嘴唇本身；可选字段 panel 索引、size 乘数、rotate（度数，顺时针）、fill（背景色）、ink（轮廓色）、text_color（文字颜色）、font（字体）、tail_bend（尾部弯曲度）、link（同一说话者先前对话框的索引：将两者连接起来）、bleed（true 表示有意突破画格边框）、seed（种子）。

页面基础字段之外： defaults 为所有项目设置颜色和字体（{"fill": "#FDF6E3", "ink": "#2B2B2B", "text_color": "#1F3A7A"}）；styles 为此页面覆盖一个样式（{"speech": {"fill": "#FFF7D6"}}）；avoid 默认为 "auto"（检测到的面部受到保护），或者一个蒙版图像，或者 false。

一次性地在单个 page 运行中对已组装的页面或长条进行排版，切勿逐格操作。 单次运行可使跨画格的文字排版大小保持一致，并让 QA 能够检查整个页面的阅读顺序和重叠情况。

页面字段： image、out/svg/qa 路径、panels（强烈建议：用于边距、阅读顺序和文字大小）、ch（以像素为单位的字符高度；默认为中间画格短边的 1/30，各处一致）、avoid（白色 = 必须避开的面部、手部或关键动作；通过分割通道构建）、direction（ltr，或漫画的 rtl）。

样式（运行 python scripts/letterer.py styles 查看包含一句话说明的实时列表）：

对话：speech、speech-hand（手绘风格、斜体、弯曲的尾巴）、emphasis（强调线；使用 _word_ 加下划线）、whisper（虚线）、strain（颤抖的轮廓，淡黄色：从牙缝里挤出的字）、electronic（锯齿形尾巴）。
思维：thought-1（= thought，蓬松云朵）、thought-2（细扇形）、thought-3（平滑椭圆带气泡）。如有疑问，请使用 thought-1：当要求使用思维框但未提供更多细节时，此为默认样式。思维轨迹至少在气球与其瞄准点之间需要 2.5 字符高度的空白空间，否则 QA 将判定失败。参见 comic-master 的 comic-lettering.md §12.8。
大声：shout、shout-2（手绘爆发框）、burst（无尾部）。
框体：caption、caption-hand、declaration 和 declaration-hand（引用的旁白；在一页中堆叠数个以形成独白）、locator、narrator。
音效：sfx（靠近声源，带细白色外轮廓）、sfx-micro（小声音）、sfx-stack（重复的声音堆叠在声源旁边：例如 "wub|wub|wub"）。

每本书只保持一种对话风格：要么全部使用普通样式，要么全部使用 -hand 样式，不要在同一场景中混合使用。请参见仓库根目录下的 examples/styles/sheet_lettered.png 以并排查看所有样式。通过向 styles.json 添加条目来增加新样式，切勿编写新的绘图代码。

快速单个项目： python scripts/letterer.py bubble --image in.png --out out.png --text "趴下！" --style shout --at 0.17,0.25 --tail-to 0.155,0.47 --panel 0.0125,0.03,0.329,0.97

如果该工具不可用，请遵循以下规则构建等效功能，并仍然生成相同的 QA 数值。

使用 SVG 构建文字排版，并用 resvg、cairosvg 或无头 Chromium（Playwright）渲染。矢量提供平滑的曲线、真实的字距、清晰的笔画和可编辑的图层。不要使用栅格椭圆调用来绘制对话框。
使用真正的漫画字体。
- 对话：Comic Neue、Patrick Hand、Anime Ace 或其他手写风格的字体，全部大写，整部作品使用一种字体。
- 音效和标题：使用粗体展示字体，如 Bangers。
- 切勿使用系统无衬线字体（Arial、Helvetica、DejaVu）。如果字体文件缺失，应大声报错，而不是静默回退。
- 对话和说明文字只使用普通的、直立的手写风格字体。 不要使用显示字体、科技字体、未来风格、镂空、恐怖或新奇字体来呈现人们必须阅读的文字：缺少横杠或 E/A/M 形式刻意设计的字母会减慢阅读速度并改变氛围。装饰性字体仅用于音效、标题和标志。
- 在项目圣经中保留一份批准的字体列表（例如，对话：Comic Neue Bold 或 Anime Ace；音效：Bangers），并拒绝使用任何不在列表中的字体。
对话框适配文本：
1. 将文本排成菱形：短首行、最宽的中行、短末行，最后一行不能只有一个单词。
2. 测量文本块，并在其周围绘制一个圆角椭圆或超椭圆。
3. 扩大边框，直到文本的每个角与其之间至少有 1 个字符高度的间距。
- 切勿将文本挤入固定的椭圆中。
尾部是弯曲的、渐细的路径，而非三角形：
- 基部约为对话框宽度的 1/8（绝不能小于约 0.8 字符高度），位于最靠近说话者的一侧。
- 长度约为对话框高度的一半（或小型气泡的 2.5 字符高度），弯曲朝向嘴巴，并且……

（后续内容被截断，但已涵盖并翻译了所提供的部分）

3. 文本检测（针对你已有的画稿）

如果你已经拥有画稿（如线稿或灰度稿）并希望添加文字排版，请在添加文字之前对自己现有的作品进行检测。这可以在你的原始艺术作品中检查字体使用情况、对话框放置和书写方向。使用 python scripts/detect.py --image your_art.png --out detected.png。此工具会检测现有文字并为其放置区域添加注释，以便 letterer.py 正确放置新文字。

3.1 检测新页面的文本区域

检测新艺术作品中的文本区域，以确保对话框正确放置。这对于已有文字的扫描页面或数字页面特别有用。

4. 道具文本

徽章、标牌、旗帜、布料纹理和计算机屏幕上的文字，应作为单独的文字排版通道处理：

在渲染时预留清晰、平整的表面。 在提示词中包含“空白徽章”、“空标牌”。
使用图像编辑工作流（§1.4） 来替换或添加文本。对于简单的短文本，可以单独渲染一个像素完美的文本图形，并将其合成到图像上。
通过 letterer.py 的 prop 命令添加文本。 或者，如果难以编辑，可以使用 prop 模式，通过相同的 SVG 引擎生成文字。
在 1:1 比例下检查文本。 确保文字清晰，没有锯齿，并且与周围艺术品相比，大小和风格都合适。

5. 质量检查（QA）与页面组装

5.1 文字排版 QA

letterer.py 在每次 page 运行时自动执行以下检查：

阅读顺序检查： 项目按阅读顺序排列；检查连续性。
文字溢出检查： 文本是否适合其分配的 zone？
面部规避检查： 对话框是否与面部区域重叠？（需要 mediapipe）
尾部瞄准检查： 尾部是否在头部边界框外结束？
最小间距检查： 对话框与文本或其他对话框之间是否有足够的空白？
字体可用性： 所有指定的字体是否已安装且可加载？

5.2 画稿一致性 QA

将每个渲染图像与其模型设定表进行比较。 检查面部、服装、道具和姿势。
使用图像差异或结构相似性指标。 如果渲染与参考图像差异太大，标记出来。
检查空白绘图区域： 绘画是否意外侵入为文字预留的空间？

5.3 页面组装

按场景组织页面。 将相关页面分组在一起。
将最终组合的页面保存为高分辨率 PNG 或 PDF。 保留原始的、未编辑的艺术品图层，以便在需要时进行编辑。
检查页码和阅读方向。 确保页码正确，方向一致（对于右至左格式的漫画，从左到右阅读）。

6. 推荐字体与字体管理

使用 scripts/fonts/ 目录。 这里存放该项目的批准字体。
使用 FontForge 或类似工具管理字体。 确保你使用的字体拥有在漫画中使用所需的许可证。
默认字体：
- 对话：ComicNeue-Bold.ttf（或等宽字体）
- 音效：Bangers-Regular.ttf（或类似粗体字体）
- 标题：Bangers-Regular.ttf（或类似粗体字体）
避免使用系统字体。 正如 §2 中所述，系统字体是一个常见问题，应严格避免。

7. 错误处理与调试

清晰的错误消息： letterer.py 会打印清晰的错误消息，指示问题所在（例如“未知样式：my_style”或“缺少字体：ComicNeue-Bold.ttf”）。
非零退出代码： 正如 §2.0 中所述，退出代码指示错误、QA 失败或成功。
日志记录： 记录每次页面运行，包括所有设置、参数以及 QA 结果（通过/失败）。
保持可编辑的 SVG： 在每次运行中，都会生成一个可编辑的 SVG 文件，以便进行手动调整，而无需重新运行整个过程。

8. 与 comic-master 的集成

comic-master 技能定义了你应该努力实现的页面质量标准。此工具集（comic-master-tooling）提供了自动实现这些标准的方法。它们一起工作：

comic-master 定义了样式指南（角色、对话、页面布局）。
此工具集 提供了实现这些指南的工具（ComfyUI 工作流、letterer.py、检测工具）。
QA 检查（§5） 自动验证输出是否满足 comic-master 的要求。

将这些技能一起使用，以建立专业、无缝的漫画制作流程。

漫画制作工具集