今天给大家演示一个电影级分镜生成工作流 —— next-scene-qwen，基于 ComfyUI 搭建，结合强大的 Qwen 多模态模型，实现图像参考+文本描述驱动下的镜头连贯生成。从构图光影到动作延续，全流程可控，可广泛应用于影视预演、漫画草图、分镜头台本等创意场景。

本工作流支持从参考图片出发，调用大语言模型生成「下一幕」的镜头描述，再将其通过 Qwen-Image 模型精准还原成高质量分镜图像。无论是动态场景、复杂打斗，还是细腻情绪，都能通过 prompt 控制、风格延续、多图连贯等能力，完成富有节奏和故事感的影像表达。

工作流介绍

本工作流围绕“生成连贯电影分镜”的目标构建，由三个核心模块构成：文生文（描述生成）、文生图（图像生成）、风格承接（图像一致性）。整体流程从输入参考图像与剧本提示出发，经由 Qwen 多模态大模型完成延续性镜头描述，再由 Qwen Image Edit 模型完成图像生成，并通过 Lora 精调模块保持角色外观、色调一致，最终输出高清、高一致性电影分镜图。

在模型配置方面，核心使用了 Qwen-Image-Edit 与 Qwen-2.5-VL 模型组合，前者负责高保真的图像编辑生成，后者用于理解上下文并生成连贯文本描述。配合两个 LoRA 模型（Qwen-Image-Lightning 和 next-scene_lora_v1）进一步细化输出风格与一致性表现。

在 Node 节点层面，通过 easy promptLine 控制逐帧描述输入，TextEncodeQwenImageEditPlus 模块进行提示编码，采样与图像生成交由 KSampler 执行，并通过 SaveImage 输出最终图片。同时结合图像比例处理、图文融合、模型加载等工具节点，实现完整的高质量图像分镜生成工作链路。

核心模型

整个工作流依赖于多种高性能模型的协同工作，实现从文本到图像、从图像到文本的双向闭环。模型组合经过精心选型与参数调试，以保证风格统一、逻辑连贯、输出稳定。

模型名称	说明
Qwen-2.5-VL-7B	多模态语言模型，生成镜头描述文本
Qwen-Image-Edit-2509	高质量图像编辑模型，支持输入图片与描述生成图像
qwen_image_vae	图像解码器，用于将 latent 输出转化为可视图像
Qwen-Image-Lightning-4steps	快速推理专用 LoRA，提升生成速度与清晰度
next-scene_lora_v1	风格保持 LoRA，用于角色、场景、光影延续

Node节点

以下是工作流中关键 Node 节点的功能概述，涵盖从文本处理、模型加载、图像变换到最终输出的完整链条：

节点名称	说明
JjkText	输入剧本提示，用于指导大模型生成分镜描述
RH_LLMAPI_NODE	请求大模型生成“Next Scene”镜头描述
ProcessString	清洗文本内容，去除多余格式
easy promptLine	将多段 prompt 分行，按序控制生成流程
TextEncodeQwenImageEditPlus	多图融合提示编码，支持上下文图像与文本输入
LoadImage	读取参考图像作为输入
ImageScaleByAspectRatio	按比例缩放图像以适配生成输入尺寸
CR SDXL Aspect Ratio	创建符合 SDXL 比例的 latent 空间
KSampler	图像生成采样器，控制生成的细节与随机性
VAEDecode	将 latent 图像解码为可视图
SaveImage	最终图像输出
easy showAnything	预览分镜描述内容，便于对齐生成内容与期望

工作流程

整个工作流程从输入剧本提示和参考图像开始，经由文生文模块生成镜头描述，随后驱动图像生成模型逐帧完成分镜图构建。每一个流程节点之间紧密衔接，确保人物、构图、光影的连贯性和统一性。通过合理划分流程阶段，工作流不仅提升了操作效率，也极大增强了画面输出的可控性。

工作流主要分为五个阶段：文本构思 → 多模态生成 → Prompt清洗与分发 → 图像生成与采样 → 最终输出。在此过程中，结合 LoRA 模型保持角色风格不变，结合 Aspect Ratio 工具优化构图比例，结合多图提示融合实现复杂动作与镜头切换，确保生成结果具备专业级的电影感。

流程序号	流程阶段	工作描述	使用节点
1	文本输入	用户输入电影剧情简述或目标镜头构想文本，作为镜头生成基础	JjkText
2	镜头描述生成	通过大模型生成多个“Next Scene”镜头描述，衔接前后镜头	RH_LLMAPI_NODE
3	文本清洗与切分	将镜头描述清洗为标准格式，并逐条拆分生成任务流	ProcessString / easy promptLine
4	图像预处理	载入参考图像并按比例缩放，统一风格和光影设定	LoadImage / ImageScaleByAspectRatio
5	图文融合编码	将参考图像与文字编码成提示向量，作为图像生成的条件输入	TextEncodeQwenImageEditPlus
6	图像生成采样	控制图像生成参数（采样步数、CFG值、调度器等）进行高质量图像生成	KSampler / CR SDXL Aspect Ratio
7	解码与输出	将 latent 图像解码为可视图并保存为文件	VAEDecode / SaveImage

大模型应用

RH_LLMAPI_NODE 连续镜头递推的叙事生成核心

这个节点负责根据参考图与用户输入的剧情文本，自动生成“Next Scene:”格式的连续分镜描述。它不参与图像生成，只承担语言规划任务。Prompt 在这里用来控制人物外观稳定、色调光影统一、背景连续、镜头语言合理推进。每条输出都是递推式的下一镜头叙事，是整个分镜链条的语义起点。

节点名称	Prompt 信息	说明
RH_LLMAPI_NODE	Prompt 内容示例： 保持人物外观一致 光影、色调统一 背景连续不突变 镜头类型（特写、中景、俯拍、跟拍等） 动作表情自然推进 画面真实高清、电影光影 输出格式必须以 “Next Scene:” 开头，每段约100字	生成连续镜头的文本描述，为后续分镜画面提供叙事链条，让每张图在语义上连贯推进。

TextEncodeQwenImageEditPlus（正向） 分镜画面内容语义编码

该节点接收已拆分好的“Next Scene:”文本，同时结合参考图的视觉特征，将文字描述编码为图像生成模型可理解的正向语义。Prompt 在这里直接决定：构图方式、镜头景别、人物动作、场景张力与电影级光影如何呈现。

节点名称	Prompt 信息	说明
TextEncodeQwenImageEditPlus	Prompt： 来自 easy promptLine 自动拆段后的单条 “Next Scene:” 文本	把一段分镜描述转为图像编辑语义，引导模型按叙事内容生成对应镜头画面。

TextEncodeQwenImageEditPlus（负向） 画面干净度与结构稳定语义

此节点用于编码负向 Prompt，用来压制多余纹理、错肢、畸形、构图杂点等不良视觉。它不改变故事方向，只确保每个镜头的画面稳定、真实、干净。

节点名称	Prompt 信息	说明
TextEncodeQwenImageEditPlus	Prompt： （内部负向提示，用于保持细节稳定）	抑制错误结构与噪点，让连续分镜在视觉质量上保持一致。

CLIPLoader（语言模型加载器） Prompt 理解能力基础

此节点加载 Qwen 的文本模型，使所有 TextEncodeQwenImageEditPlus 节点具备语言理解能力。它本身不包含 Prompt，但决定了 Prompt 在转换成语义向量时的准确性。

节点名称	Prompt 信息	说明
CLIPLoader	无 Prompt	为文字编码提供语言理解能力，使生成的镜头画面更贴合叙事文本。

使用方法

整个工作流围绕“参考图 → 生成连续分镜文本 → 拆分各镜头 → 按镜头生成图像”的自动链路展开。用户上传一张参考图，并输入剧情说明，RH_LLMAPI_NODE 会依据图像风格与文本目标生成一系列连续的分镜叙事，每段都以 “Next Scene:” 开头。
随后 ProcessString 清理文本，easy promptLine 按行拆分成独立镜头指令。每一段指令被送入 TextEncodeQwenImageEditPlus，与参考图的视觉特征一同编码，生成对应镜头的画面。用户更换参考图或剧情文本后，完整链路自动更新，从叙事到画面全部重新生成。

参考图用于确保人物外观一致；Prompt 用于决定镜头动作、构图方式、光影氛围；拆分后的文本则保证镜头推进的连续性；负向 Prompt 执行质量稳定任务，保证画面干净。

注意点	说明
分镜文本必须以 Next Scene 开头	是拆分与递推逻辑的关键格式
参考图越清晰越好	直接影响人物外观与风格一致性
Prompt 内容要具体	镜头类型、动作推进、构图要写清楚
负向 Prompt 不可删除	用于维持画面干净与结构稳定
大批量分镜建议控制字数	避免叙事过长导致画面失真
替换任何素材都会触发全流程重算	无需手动调整其他节点

应用场景

该工作流具备高度可扩展性和跨领域适配能力，适用于电影前期筹备、动画设计、分镜草图绘制、广告创意提案等多个场景。其生成内容具备“连续性强”、“构图专业”、“风格统一”三大优势，特别适合需要批量输出、风格一致、情节连贯的视觉内容需求。

对于内容创作者来说，它能大幅度节省分镜设计时间，快速验证故事设想。对于影视导演和制片人，它能在拍摄前预览镜头效果，辅助故事板决策。对于AI艺术家，它能作为素材生产线的中枢，实现从文本到图像的全自动视觉生产流程。

应用场景	使用目标	典型用户	展示内容	实现效果
电影分镜绘制	高效生成剧情连贯的镜头草图	导演、编剧	连续镜头图、场景过渡图	加速电影前期筹备，提升剧本可视化能力
动画设计	快速验证角色动作、景别运镜	动画导演、原画	动作演出、分镜变化预演	降低设计试错成本，增强视觉表现力
广告脚本提案	可视化广告创意、展现画面节奏	广告公司、策划	快剪风格视觉草图	快速提案视觉形式，节奏鲜明、风格统一
AI影像创作	文本驱动生成高质量视觉故事	AI艺术家	剧情图集、角色动态演示	从提示词到画面全流程一键生成
教学训练	教授分镜设计、镜头语言的专业工具	影像教学机构	示例镜头、结构范例	提供镜头语言与镜头逻辑教学素材

开发与应用

更多 AIGC 与 ComfyUI工作流 相关研究学习内容请查阅：

ComfyUI使用教程、开发指导、资源下载

更多内容桌面应用开发和学习文档请查阅：

AIGC工具平台Tauri+Django环境开发，支持局域网使用
AIGC工具平台Tauri+Django常见错误与解决办法
AIGC工具平台Tauri+Django内容生产介绍和使用
AIGC工具平台Tauri+Django开源ComfyUI项目介绍和使用
AIGC工具平台Tauri+Django开源git项目介绍和使用