折腾了一阵 ComfyUI 之后,我决定不做短剧了

上一篇写了我这几个月折腾 AI 的经过,结尾说我决定不做短剧了。这篇把原因展开写,也把我在 ComfyUI 里做过的东西留个记录。

我到底做了什么

我的电脑是 5060 Ti 16G、32G 内存。在上面,我先后做了两个项目。

001:数字人口播(11 月 5 日)
用 Z-Image Turbo 出人像,再用 MiniMax H3 把图片变成会说话、带口型的视频。H3 是画面和声音一起生成的,没有单独的配音,声音全靠提示词控制:

  • 标点控制节奏:逗号是短停顿,问号尾音上扬,省略号是明显的停顿(实测约 1.2 秒)。
  • 描述写清音色、语速和情绪,同一段提示词换个随机种子,音色和语气变化会很大,没法精确固定同一个声音。
  • 测试档 8 步,一条约 2.5 分钟;成片档 768p 20 步,一条约 25 分钟。

Z-Image 出的人像,只换随机种子时长相变化很小,想要明显不同得改提示词:

Z-Image 生成的人像

002:手绘动画《夏天的最后一班车》
Qwen-Image 出首帧、定妆图和场景线稿,再用 H3 出视频。中间我没有自己摸索,而是直接采用了一位博主公开的”导演工作流”:先写完整故事,再做人物和地点设定,锁定参考图,分镜、出片、质检、剪辑,最后交付带字幕的成片。

流程里有很多是为了解决”一致性”:人物中途出场时,首帧里没有他,模型就会照着文字现编,跟定妆图对不上。所以后来要给反复出现的道具(比如巴士、红箱子)也单独做设定图。

下面是其中一个镜头的接触表:一辆巴士开进站,小满拉着红箱子下车。每一格是视频里抽出的一帧,用来检查人物和道具前后是否一致。

《夏天的最后一班车》某个镜头的接触表

围绕它我还自己搭了两个小工具:一个后期工作台(字幕、放大、拼接),一个”导演台”网页,用来看进度、分镜卡片墙和粗剪连播。

真实的成本

这些事情单看都能做,加在一起的成本才是我后来重新想的东西:

  • 只有一张显卡。ComfyUI 和 Studio 要排队,一个跑的时候另一个得等。
  • 16G 显存,实际用的是 544p:10 秒的片子大约要 7 分钟。
  • 一个镜头要改很多轮。每改一次,就要再等一次。
  • 一致性靠堆设定图和反复挑选,”挑”和”等”占了大部分时间。

为什么不做了

先说清楚:不是因为 AI 做不出来。 我朋友的短剧就是用 AI 做出来的,第二部已经一千多万。

我不做,是因为我看清了自己的位置:

  1. 短剧的事,我是帮忙的,不是主力。 朋友有多年的积累,流程已经 SOP 化,只差人手和团队。我只是教他一些 AI 的用法,具体的事都是他在做,他现在也用得很熟练了。我再单独去做一条线,既没有他的积累,也没有他的团队。
  2. 我自己的电商还有一堆没做完的事。 我自己也说不清为什么,一直惦记着折腾短剧,电商里很多事做了一半就放下了。
  3. 短剧本身进入了寒冬。 红果太强,都上了新闻,这个月流量下来了。热闹的赛道,跟我手上的生意是两回事。

所以 11 月 15 日,我在笔记里写下一行:不再做长剧情、漫剧,以后只做小短片。

留下了什么

折腾不算白费:

  • 我知道了本地 AI 视频能做到什么程度,也知道它的耗时和代价。
  • 我有了一套流程和工具,后面如果要做电商的视频素材,这些都能直接用。
  • 我把心收回来了。

短剧交给朋友,我回去做我的电商。


折腾了一阵 ComfyUI 之后,我决定不做短剧了
https://whathappenedchuanwei.github.io/2026/11/17/why-i-stopped-short-drama/
作者
Chuanwei
发布于
2026年11月17日
许可协议