ComfyUI_VNCCS
ComfyUI_VNCCS（视觉小说角色创作套件）是一款专为 ComfyUI 设计的完整工作流工具，旨在帮助用户高效制作视觉小说所需的角色立绘。它核心解决了利用神经网络生成图像时，难以保持同一角色在不同表情、服装和姿势下外观一致性的痛点。以往创作者往往需要反复调试提示词或进行复杂的后期修图，而 ComfyUI_VNCCS 通过标准化的五步流程——从创建基础角色、克隆现有角色，到定制服装与表情集，最终生成成品立绘——让角色的一致性维护变得像点击按钮一样简单。
该工具特别适合视觉小说开发者、独立游戏制作人以及数字插画师使用。即使是不具备深厚技术背景的普通用户，也能通过其清晰的引导快速上手。其独特的技术亮点在于整合了先进的 SDXL 模型、专用的 LoRA 微调模型以及 ControlNet 姿态控制，并内置了自动化的面部检测与分割功能，确保生成的角色在多次迭代中始终保持特征稳定。此外，它还支持一键构建用于进一步训练的数据集，为高阶用户提供了扩展可能。无论是需要快速原型设计的团队，还是追求高质量美术资源的个人创作者，ComfyUI_VNCCS 都能提供一套专业且流畅的角色生产管线。
使用场景
独立游戏开发者小林正在为他的视觉小说项目《星夜旅人》制作主角“艾拉”的全套立绘，需要涵盖多种表情、服装和姿势，且必须保证角色形象高度一致。
没有 ComfyUI_VNCCS 时
- 角色一致性极难维持：每次生成新动作或表情时，AI 都会微调五官或发型，导致艾拉在不同画面中像“不同的人”，后期需花费大量时间手动修图对齐。
- 工作流碎片化严重：生成底图、换装、调整表情、控制姿态需要分别运行不同的插件或脚本，文件管理混乱，极易出错。
- 迭代成本高昂：若策划要求修改角色发色或服装细节，几乎需要重新生成所有素材，无法快速复用已有资产。
- 缺乏系统化管理：生成的数百张图片散落在文件夹中，难以按情绪或服装分类，团队协作时查找效率极低。
使用 ComfyUI_VNCCS 后
- 一键锁定角色特征：通过"Create Base Character"阶段定义艾拉的核心外貌，后续所有生成步骤自动继承该特征，确保五官、发型在所有立绘中完全一致。
- 全流程管道化作业：在一个界面内依次完成克隆角色、创建服装集、设定情绪集及生成最终立绘，无需切换工具，流程清晰可控。
- 高效局部迭代：仅需调整“服装集”或“情绪集”参数，即可批量更新特定属性的立绘，无需重做整个角色，响应策划需求的速度提升数倍。
- 自动化资产整理：生成的素材自动按角色、情绪和服装归类存储，并可直接导出用于训练 LoRA 的数据集，便于后续微调或团队共享。
ComfyUI_VNCCS 将原本繁琐割裂的角色创作过程转化为标准化的工业流水线，让开发者能专注于叙事本身而非反复修正画面瑕疵。
运行环境要求
- 未说明
需要 NVIDIA GPU，显存至少 8GB（推荐更高以支持 1536 分辨率及复杂工作流），需支持 SDXL 模型运行
未说明
快速开始
VNCCS - 视觉小说角色创作套件
VNCCS 不仅仅是一个用于创建一致性角色的工作流，它更是一套完整的精灵图制作流程，适用于任何用途。借助 VNCCS，你可以创建外观在所有图像中保持一致的独特角色，对角色进行组织管理、情绪与服装的设定以及姿势调整，并完成角色相关的全流程工作。
描述
许多人希望利用神经网络来生成美术资源，但要打造一个在每张图片中都保持一致的独特角色，其难度远超单纯生成一张图片。而使用 VNCCS，这一切只需简单地点击按钮（仅需四次）即可轻松实现。
角色创建步骤
角色创建过程分为五个阶段：
- 创建基础角色
- 克隆现有角色
- 创建服装套装
- 创建情绪套装
- 生成最终精灵图
- 为 LoRA 训练创建数据集（可选）
如果你觉得我的项目有用，请考虑支持一下！我完全独自开发这个项目，你的支持将帮助我继续维护并添加更多酷炫功能！
安装
你可以在自定义节点管理器中找到 VNCCS - 视觉小说角色创作套件，或者手动安装：
- 将下载的文件夹放入
ComfyUI/custom_nodes/ - 启动 ComfyUI 并打开 Comfy 管理器
- 点击“安装缺失的自定义节点”
- 或者，在终端中进入
ComfyUI/custom_nodes/并运行git clone https://github.com/AHEKOT/ComfyUI_VNCCS.git
必需模型
VNCCS 需要在 ComfyUI 中使用以下模型，请确保它们已正确安装到指定目录：
Stable Diffusion 检查点 (models/checkpoints/)
- 任意基于 illustrious 的模型。
- 应该能在任何 SDXL 模型上运行，但尚未经过测试。
LoRA 模型 (models/loras/)
vn_character_sheet_v4.safetensorsDMD2/dmd2_sdxl_4step_lora_fp16.safetensorsvn_character_sheet.safetensorsIL/mimimeter.safetensorsQWEN/all_loras_from_here
ControlNet 模型 (models/controlnet/)
SDXL/AnytestV4.safetensorsSDXL/IllustriousXL_openpose.safetensors
人脸检测模型 (models/ultralytics/bbox/ 和 models/ultralytics/segm/)
bbox/face_yolov8m.ptbbox/face_yolov9c.ptsegm/face_yolov8m-seg_60.pt
SAM 模型 (models/sams/)
sam_vit_b_01ec64.pth
超分辨率模型 (models/upscale_models/)
4x_APISR_GRL_GAN_generator.pth2x_APISR_RRDB_GAN_generator.pth
所有模型必须按照其类型放置在 ComfyUI 的标准目录中。
你可以从我的 Hugging Face 下载这些模型：https://huggingface.co/MIUProject/VNCCS/tree/main
使用方法
第一步：创建基础角色
打开工作流 VN_Step1_QWEN_CharSheetGenerator。
VNCCS 角色创建器
- 首先输入你的角色名称并点击“创建新角色”按钮。如果没有这一步，魔法就不会发生。
- 接下来，在相应字段中描述你角色的外貌特征。
- 目前仍使用 SDXL 来生成角色。针对 SDXL 已经发布了大量不同的 LoRa 模型，且其图像质量仍然远高于其他模型。
- 如果你不想使用 SDXL，也可以使用下面的工作流，我们稍后会介绍。
新的 Poser 节点
VNCCS 姿势生成器
一开始可以使用默认姿势，但别害怕尝试新的可能性！
- 目前默认姿势尚未完全优化，可能会出现一些问题。我们将在未来的更新中修复这些问题，你也可以通过在我们的 Discord 服务器上分享你喜欢的预设来帮助我们！
第1.1步：克隆任意角色
- 尽量使用全身图像。虽然也能处理部分身体的图片，但系统可能会“想象”缺失的部分，从而影响结果。
- 适用于动漫风格和真实照片。
第二步：服装生成器
打开工作流 VN_Step2_QWEN_ClothesGenerator。
- 服装辅助 LoRa 仍处于测试阶段，因此可能会遗漏某些部位的尺寸信息。如果发生这种情况，只需尝试使用不同的种子重新生成即可。
第三步：情绪工作室
对于 SDXL 处理，打开工作流 VN_Step3_CharEmotionGenerator；而对于全新的实验性 QWEN 情绪生成器，则打开 VN_Step3_QWEN_EmotionStudio。
VNCCS 情绪工作室
全新的情绪工作室提供了一个便捷的可视化界面，用于管理角色的表情。
- 可视化选择：无需再从文本列表中挑选情绪，而是可以直接在视觉网格中浏览并选择。
- 多服装支持：可以选择一件或多件服装，一次性为所有服装生成对应的情绪。
- 提示风格：可根据不同的生成流程选择 SDXL 风格（经典）或 QWEN 风格（改进版）。
选择你的角色，挑选服装，点击所需的情绪，然后运行工作流。系统将会为每一个选定的组合生成面部和表情图！
第四步和第五步没有变化，你可以参考下方的旧版指南。
发挥你的创造力吧！现在一切皆有可能！
使用方法（旧版 SDXL 工作流）
请务必使用最新版本的工作流！
第一步：创建基础角色
打开工作流 VN_Step1_CharSheetGenerator。
角色表
默认的角色表布局位于 character_template 文件夹中。
设置
VNCCS 角色创建器
服务节点
工作流节点
第一遍
初始生成。原始且不够精确，用于视觉上识别角色。
- 匹配度 - 新角色与初始角色表中的角色相似程度。过低或过高的设置都不推荐，会导致不理想的结果。 建议保持在约0.5左右，但你也可以尝试其他值！
稳定器
稳定初始生成结果，使其达到统一的外观。
- 模糊度 - 在复杂情况下使用的模糊级别，帮助消除细微差异。
- 匹配度 - 相似度（0.85较为安全，范围为0.4–1.0）。
- 使用基于角色表训练的LoRA模型来帮助匹配细节。
第三遍
使用已稳定的角色表进行第三次生成。
- RMBG 分辨率 - 对高质量精灵图非常重要。1408是配备8GB显存显卡的最大分辨率！不过如果你的显卡比我好，可以设置为1536。 如果遇到问题，也可以降低到1024，并手动修正小错误。 分辨率越高，遮罩效果越好！
超分辨率增强器
通过添加细节来提升角色表质量。
- 去噪强度 - 设置中的强度参数（安全值为0.4–0.5）。去噪越强，细节越多；细节越多，与角色细部的一致性可能越差。需保持平衡！
- 接缝修复模式 - 为了获得最佳效果，应设置为“半瓦片+交界处”，但这会显著增加生成时间。
面部细节增强器
提升面部质量。
- 取值范围： 0.2–0.7（默认0.65）。数值越高，修改幅度越大。
第二步：创建服装套装
打开工作流 VN_Step2_ClothesChanger。
它与第一步类似，但存在关键差异：
VNCCS 角色选择器
工作流节点的工作方式与角色创建器相同。因此，我们重点关注设置上的细微差别：
- 较低的匹配度意味着更优质、更多样化的服装，但角色可能会显得不太像自己。
- 较高的匹配度则会让节点更倾向于重复之前的结果。
- 需在多样性和一致性之间找到平衡。
- 对于复杂的服装，可在Danbooru上寻找相似示例以获取准确的标签。
- 复杂的多层服装可能会产生不可预测的结果。
- 如果角色生成时没有穿衣服，请调整提示词——模型无法理解该画什么。
根据需要创建尽可能多的服装套装。所有数据将保存在 ComfyUI/output/VN_CharacterCreatorSuit/YOUR_CHARACTER_NAME 中，相关参数则存储在JSON配置文件里。
完成服装创建后，即可进入情绪制作环节。
打开工作流 VN_Step3_EmotionsGenerator。
第三步：创建情绪套装 - 已弃用，现由 EmotionStudio 取代（仍可在 old_workflows 文件夹中找到）
此步骤与前几步类似，但专注于为你的角色创建不同情绪表现。
VNCCS 情绪生成器
- 去噪强度 会显著影响情绪的表现力度，但过高值可能导致角色面部变形并影响一致性。
设置好参数后，点击“运行”。
生成的情绪图像将保存在 ComfyUI/output/VN_CharacterCreatorSuit/YOUR_CHARACTER_NAME/Sheets/spaceman/EMOTION_NAME 文件夹中，对应你的角色。
第四步：生成最终精灵图
在完成角色及其情绪的创建后，你可以生成用于视觉小说中的最终精灵图。
打开工作流 VN_Step4_SpritesGenerator。
精灵图生成器
- 选择角色 - 选择要为其生成精灵图的角色。 点击“运行”并等待处理完成。
最终的精灵图将出现在 ComfyUI/output/VN_CharacterCreatorSuit/YOUR_CHARACTER/Sprites 文件夹中。
第五步：创建 LoRA 训练数据集（可选）
此步骤为可选操作，适用于希望对已创建的角色进一步训练LoRA模型的用户。
打开工作流 VN_Step5_DatasetCreator。
数据集创建器
- 选择角色 – 选择要纳入数据集的角色。
- 游戏名称 – 将作为前缀添加到数据集中角色名称中，例如 VN_your_character_name。
点击“运行”并等待处理完成。
数据集将出现在
ComfyUI/output/VN_CharacterCreatorSuit/YOUR_CHARACTER/Lora文件夹中。
总结
恭喜你！你已成功使用VNCCS创建了自己的角色。现在你可以将其应用于自己的项目中，或者继续调整设置，创造出更多独特的新角色。
别忘了保存所有作品，并定期备份数据。祝你在创作视觉小说的过程中一切顺利！
未来计划：
- 引入更多“现代”模型，如Qwen、Flux和Nanobanana；
- 实现一致性的背景生成；
- 制作动画精灵图；
- 实现姿势间过渡动画；
- 自动将RenPy平台上的游戏翻译成其他语言；
- 自动为RenPy游戏生成语音。
版本历史
2.1.02026/01/101.1.02025/10/11常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。