ComfyUI Extension
ComfyUI-Storyboard-LLM
一个comfyui插件,用于ai短剧的提示词转写 A ComfyUI plugin that converts novel chapters into storyboard tables
Lbunc/ComfyUI-Storyboard-LLM
Nodes1
On cloudLocal install
Categorystoryboard
Stars2
Updated4 months ago
Nodes (1)
Readme
ComfyUI-Storyboard-LLM
🌐 语言切换 / Language Switch
一个将小说章节转化为分镜表的 ComfyUI 插件,通过调用 DeepSeek API 生成静态图像提示词、动态视频提示词和台词。
功能特点
- 将小说章节文本转化为结构化的分镜表
- 每个分镜包含三部分输出:
- 静态图像提示词(适合图像生成)
- 动态视频提示词(适合视频生成)
- 台词文本
- 支持保存分镜表为 JSON 文件
- 支持自定义提示词模板
节点预览

安装方法
方法一:ComfyUI Manager 安装(推荐)
- 打开 ComfyUI Manager 插件管理器
- 搜索
Storyboard-LLM - 点击
Install按钮安装插件 - 重启 ComfyUI
方法二:通过 Git 手动安装
- 克隆仓库到
custom_nodes目录:
git clone https://github.com/Lbunc/ComfyUI-Storyboard-LLM.git
- 安装依赖(如果尚未安装):
pip install -r requirements.txt
- 重启 ComfyUI
配置方法
方法一:进入WEB设置页面配置
- 打开 ComfyUI WebUI
- 点击
Settings按钮 - 点击
Storyboard-LLM插件 - 输入你的 DeepSeek API 密钥
方法二:编辑 settings.json 文件:
- 打开
custom_nodes/ComfyUI-Storyboard-LLM/settings.json文件 - 编辑以下内容:
{
"api_key": "你的 DeepSeek API 密钥",
"base_url": "https://api.deepseek.com",
"output_path": ""
}
api_key: 必需,你的 DeepSeek API 密钥base_url: 可选,API 基础 URL,默认为https://api.deepseek.comoutput_path: 可选,JSON 文件保存路径,留空则保存到插件目录
使用方法
方法一:使用预设工作流(推荐)
- 在 ComfyUI 中点击
Load按钮 - 选择
workflows/Storyboard-Generator-Workflow(DeepSeek).json - 在
Storyboard Generator (DeepSeek)节点中输入小说章节文本 - 运行工作流
方法二:手动搭建
- 在 ComfyUI 中找到
storyboard类别下的Storyboard Generator (DeepSeek)节点 - 输入小说章节文本
- 设置是否保存 JSON 文件
- (可选)输入自定义提示词模板
- 运行工作流
节点输入
| 输入项 | 类型 | 必填 | 说明 | |--------|------|------|------| | chapter_text | STRING | 是 | 小说章节内容 | | save_json | BOOLEAN | 是 | 是否保存 JSON 文件 | | custom_prompt | STRING | 否 | 自定义提示词模板 |
节点输出
| 输出项 | 类型 | 说明 | |--------|------|------| | image_prompts | STRING | 静态图像提示词,按镜头编号分组 | | video_prompts | STRING | 动态视频提示词,按镜头编号分组 | | dialogues | STRING | 台词文本,按镜头编号分组 |
输出格式示例
JSON 文件输出格式:
[
{
"静态": "人物描述 + 动作 + 场景 + 光线 + 构图",
"动态": "人物正在做什么,周围环境如何变化",
"台词": "角色台词或内心独白"
}
]
注意事项
- 使用前请确保已获取 DeepSeek API 密钥
- API 调用会产生费用,请合理控制使用频率
- 建议每次输入一章节(中文字符约3000个以下),过长文本可能导致响应截断
- 推荐使用
deepseek-v4-flash模型,响应速度更快,适合日常使用;deepseek-v4-pro模型虽然质量更高但响应较慢,且可能返回不完整的 JSON 响应
许可证
MIT License