批量循环随机生成单幅中国传统白描连环画作品，配套一段简短历史故事解说文案。
点击图片查看完整大图 · 浏览全部已生成作品 →
| 先秦·商鞅立木取信 | 三国·长坂坡单骑救主 |
|---|---|
 |
 |
| 秦末·巨鹿破釜沉舟 | 明代·诚意伯登坛祈甘霖 |
|---|---|
 |
 |
以上作品均为 AI 自动生成，经白描 Prompt 约束 + 后期做旧处理，呈现宣纸墨线效果。每幅作品包含完整的历史故事解说与结构化 Scene Plan 场景规划。
📂 所有已生成作品可在
outputs/images/目录查看，对应的元数据（画师、解说词、Prompt 等）在outputs/metadata/。
随机种子 → 选题材 → 选出处 → 选场景 → 选画师 → 选解说风格
→ 生成故事(含ScenePlan) → 构建Prompt → 生成图像 → Vision QA质检 → 后期处理 → 输出
每次生成是 7 重随机 的排列组合：题材板块、出处书目、经典场景、画师风格、解说风格、画幅比例、画幅宽度 + 结构化场景规划(Scene Plan)指导构图，保证每幅作品的独特性和高质量。
config.yaml # 全局配置
src/
├── main.py # 入口 + 批量生成管线
├── config.py # 配置管理（加载 yaml + .env）
├── models.py # 数据模型（StoryOutput / ArtistStyle / ScenePlan）
├── story_engine/
│ ├── generator.py # 故事生成 (LLM + 9大板块 + 83个经典场景)
│ ├── narrator.py # 旁白解说生成器
│ └── prompts.py # 系统提示词 + 5种解说风格
├── image_engine/
│ ├── prompt_builder.py # 白描风格 Prompt 构建 (中英双语)
│ ├── backend.py # 抽象后端接口 + ImageResult
│ ├── runninghub_backend.py # RunningHub (runninghub.cn) 云端后端
│ ├── zhipu_backend.py # 智谱 AI (CogView-4/GLM-Image) 后端
│ ├── tongyi_backend.py # 通义万相 (wan2.7) 后端
│ ├── minimax_backend.py # MiniMax image-01 后端
│ ├── replicate_backend.py # Replicate API 实现
│ ├── comfy_backend.py # ComfyUI 本地后端 (预留桩)
│ ├── style_manager.py # 21位画师风格管理
│ ├── post_process.py # 宣纸纹理 + 泛黄做旧 + 传统边框 + 标题题字
│ └── vision_qa.py # LLM Vision 自动质检（彩色泄漏/现代元素/人体畸变）
└── utils/
└── random_utils.py # 加权随机选择工具
| 板块 | 占比 | 出处书目 | 场景数 |
|---|---|---|---|
| 三国演义 | ~11.12% | 《三国演义》 | 16 |
| 东周列国（先秦） | ~11.11% | 《东周列国志》 | 10 |
| 西汉历史 | ~11.11% | 《西汉演义》《史记》《汉书》 | 11 |
| 东汉演义 | ~11.11% | 《东汉演义》《后汉书》 | 7 |
| 隋唐合集 | ~11.11% | 《说唐》《隋唐演义》《薛家将》 | 8 |
| 宋代合集 | ~11.11% | 《水浒传》《杨家将演义》《说岳全传》《三侠五义》 | 11 |
| 明代开国演义 | ~11.11% | 《朱元璋演义》 | 6 |
| 通史&志怪神魔合集 | ~11.11% | 《资治通鉴》《西游记》《聊斋志异》 | 7 |
| 晚明晚清乱世演义 | ~11.11% | 《李自成演义》、太平天国故事、左宗棠西征 | 7 |
| 合计 | 100% | 20+ 部典籍 | 83 |
禁止题材：现代、玄幻、架空、穿越、科幻。
每次随机抽取一位贯彻整图，不混合多人笔触：
刘继卣、刘锡永、陈光镒、汪玉山、凌涛、李铁生、徐正平、冯墨农、朱光玉、严绍唐、杨青华、徐宏达、徐正方、赵三岛、徐一鸣、屠全枫、蒋萍、徐进、王亦秋、胡若佛、张令涛
| 风格 | 来源 | 特点 |
|---|---|---|
| 林汉达 | 通俗历史作家 | 娓娓道来，短句口语化 |
| 高阳 | 《胡雪岩》作者 | 细节丰富，雅俗共赏 |
| 金庸 | 武侠小说宗师 | 大气磅礴，张弛有度 |
| 罗贯中 | 《三国演义》作者 | 半文半白，典雅庄重 |
| 施耐庵 | 《水浒传》作者 | 市井鲜活，俚语入文 |
每次随机抽取一种，解说词 80-150 字。
统一约束（通过 Prompt Engineering + 后期处理实现）：
- 画种：传统白描（baimiao）墨线稿
- 纸张：宣纸质感，泛黄做旧
- 线条：均匀排线，墨分五色
- 版式：每次随机选取画幅比例（4:3/7:5/3:2/16:9/2:1）+ 随机宽度（768/896/1024/1152），高度按比例缩放
- 解说条：底部统一解说条（标题 + 旁白 + 出处，紧凑三行排版）+ 经典双线边框 严格禁止：彩色、CG、二次元、厚涂油画、现代服饰、科幻元素、扭曲人体、模糊线条
- Python 3.10+
- Apple Silicon (MPS) 或 x86_64
- 需配置的 API Key（见
.env.example）
# 1. 安装依赖
bash scripts/setup.sh
# 2. 配置 API Key
# 编辑 .env，填入 DeepSeek / Kimi / MiniMax + RunningHub API Key (或 Replicate Token)
# 3. 测试运行（不调图像 API，仅验证故事生成流程）
python -m src.main --dry-run
# 4. 批量生成
python -m src.main --batch 5 # 随机题材生成 5 幅
python -m src.main --batch 3 --theme three_kingdoms # 指定三国题材
python -m src.main --batch 10 --delay 3 -o ./works # 间隔 3 秒，输出到 ./works
# 5. 从已有 metadata 重新生成图像（重新生成旁白 + 随机画幅出图）
python -m src.main --regen--batch, -b N 批量生成数量（默认 1）
--dry-run 测试模式，不调用图像 API
--regen 从已有 metadata JSON 重新生成图像（精简旁白 + 古典连环画风格 + 随机画幅）
--theme, -t KEY 指定题材，可选: three_kingdoms, pre_qin, western_han, eastern_han,
sui_tang, song_dynasty, ming_founding, general_history, late_ming_qing
--delay, -d SEC 每幅间隔秒数（默认 2）
--output, -o DIR 输出目录（默认 ./outputs）
--config FILE 配置文件路径（默认 ./config.yaml）
config.yaml 可调整：
llm.provider— 切换 LLM 后端（deepseek / kimi / minimax）image.backend— 图像后端（runninghub / replicate / zhipu / tongyi / comfyui / dry_run）image.canvas_select— 画幅选择策略（random每次随机 /4:3固定等）image.canvas_presets— 画幅预设列表（含 4:3 / 7:5 / 3:2 / 16:9 / 2:1）image.regen_widths— 宽度随机缩放基数 [768, 896, 1024, 1152]image.runninghub.model— RunningHub 模型（默认rhart-image-g-2-official）image.zhipu.model— 智谱图像模型（默认auto，由策略选择）image.zhipu.model_strategy— 智谱模型策略（默认classic_comic_first）image.tongyi.model— 通义万相模型（默认wan2.7-image-pro）image.vision_qa.enabled— 是否启用 Vision QA 质检（默认 true）image.vision_qa.provider— Vision QA 使用的 LLM（默认 reuse llm.provider）image.post_process.paper_texture_dir— 宣纸纹理扫描图目录（默认assets/paper_textures/）image.post_process.paper_texture_blend— 纹理混合强度（默认 0.15）story.themes— 各板块权重story.narrator_style— 解说风格（random 则每轮随机抽取）story.narration_min_chars/story.narration_max_chars— 旁白字数限制（默认 30-80）image.post_process.paper_texture— 宣纸纹理开关（默认 true）image.post_process.paper_texture_dir— 纹理扫描图目录（默认assets/paper_textures/）image.post_process.paper_texture_blend— 纹理混合强度（默认 0.15）image.post_process.aging_effect— 做旧效果开关image.post_process.aging_intensity— 做旧强度（0-1）image.width— 输出画幅宽度（默认 768，被 canvas_presets 覆盖）image.height— 输出画幅高度（默认 576，被 canvas_presets 覆盖）image.post_process.add_narration— 底部解说条开关（默认 true）image.post_process.add_border— 双线边框开关
outputs/
├── images/ ← 📂 [浏览已生成图片](./outputs/images/)
│ ├── 关羽温酒斩华雄_20260708_120000.png # 处理后成品
│ └── 关羽温酒斩华雄_20260708_120000_raw.png # 原始下载图
├── metadata/ ← 📂 [浏览生成元数据](./outputs/metadata/)
│ └── 关羽温酒斩华雄_20260708_120000.json # 生成元数据
└── works/ ← 📂 `--regen` 模式输出目录
├── 关羽温酒斩华雄.png # 重新生成的图像
└── 关羽温酒斩华雄.json # 更新后的元数据
元数据包含：标题、板块、出处书目、时代、人物、画师、解说词、解说风格、完整 Prompt、生成时间等。
| 后端 | 状态 | 说明 |
|---|---|---|
| RunningHub (runninghub.cn) | ✅ 推荐 | 全能图片G-2 模型，中文理解强，消费级 API Key 即可使用 |
| Zhipu AI (open.bigmodel.cn) | ✅ 可用 | CogView-4 / GLM-Image，支持按古典连环画优先策略自动选模 |
| Tongyi Wanxiang (DashScope) | ✅ 可用 | 通义万相 wan2.7，中文古风理解好，适合作为国产主力对照组 |
| MiniMax (minimaxi.com) | ✅ 可用 | image-01 模型，支持 16:9 横屏 |
| Replicate API | ✅ 可用 | 云端 SDXL/FLUX，需 API Token（账户余额可能不足） |
| ComfyUI 本地 | ⏳ 预留 | 本地推理预留桩（尚未实现） |
| Dry Run | ✅ 可用 | 仅生成文案和 Prompt，不出图 |
config.yaml 中 image.backend: runninghub 时使用。基于 RunningHub AI App API（消费级-会员 API Key 可用），通过异步任务提交 + 轮询获取结果。
详细 API 文档：runninghub.cn 文档中心
image:
backend: runninghub
runninghub:
model: rhart-image-g-2-official # AI App ID: 2046794551444119554
timeout: 300 # 任务超时秒数
poll_interval: 2 # 轮询间隔秒数环境变量 .env：
RUNNINGHUB_API_KEY=your_key_here
config.yaml 中 image.backend: zhipu 时使用。通过智谱开放平台的图像生成 HTTP API 调用，适合中文古风、历史题材和连环画风格。
image:
backend: zhipu
zhipu:
model: auto
model_strategy: classic_comic_first
classic_model: cogView-4-250304
text_heavy_model: glm-image
base_url: https://open.bigmodel.cn/api/paas/v4
timeout: 120
quality: hd
watermark_enabled: false环境变量 .env：
ZHIPU_API_KEY=your_key_here
config.yaml 中 image.backend: tongyi 时使用。通过 DashScope / 百炼官方接口调用通义万相，适合批量生成古风图像。
image:
backend: tongyi
tongyi:
model: wan2.7-image-pro
base_url: https://dashscope.aliyuncs.com/api/v1
timeout: 120
size: 2K
watermark: false
thinking_mode: true环境变量 .env：
DASHSCOPE_API_KEY=your_key_here
- 转灰度 → 2. 增强对比 → 3. 宣纸纹理叠加（优先使用
assets/paper_textures/中的真实扫描图，目录为空时回退随机噪点）→ 4. 泛黄做旧映射 → 5. 污渍效果 → 6. 底部解说条（标题 + 旁白 + 出处）→ 7. 输出
生成图像后自动调用 LLM Vision 进行质量检查，确保输出符合白描标准：
- 彩色泄漏检测 — 检查是否含有彩色（白描应为纯黑白）
- 现代元素检测 — 检查是否出现现代服饰、建筑或物品
- 人体畸变检测 — 检查人物手部、面部是否有明显扭曲变形
质检未通过的图像会被自动跳过（不保存），不影响 batch 中后续图像的生成。API 调用失败时自动放行，确保管线不因网络问题中断。
config.yaml 中 image.vision_qa.enabled 可关闭此功能。
LLM 生成故事时同步输出 Scene Plan 子对象，对画面进行完整分镜规划：
| 维度 | 说明 |
|---|---|
| 前景 (foreground) | 画面最前方的主体元素 |
| 中景 (middle_ground) | 承前启后的叙事主体 |
| 背景 (background) | 时代环境与氛围 |
| 人物站位 (character_positions) | 人物的位置与朝向关系 |
| 动作 (actions) | 关键动态瞬间 |
| 镜头 (camera) | 景别选择（特写/中景/全景/鸟瞰） |
| 构图 (composition) | 画面结构（中心/三角/对角线/留白） |
| 光影 (lighting) | 光源方向与明暗基调 |
该场景规划会被注入图像 Prompt，有效弥补通用文生图模型在构图控制上的不足。
在 --dry-run 模式下会打印 Scene Plan 信息，方便验证合理性。
LLM 返回的 JSON 可能格式异常，StoryGenerator._parse_story_json() 实现了 4 级回退解析：
- 直接
json.loads解析 - 从 markdown 代码块
```json ```提取 - 用正则
{…}提取第一个 JSON 对象 - 逐行扫描查找首个
{起始行
全部失败时自动重试 3 次（每次重新选择解说风格，增加 LLM 输出变化概率），极大减少了因 JSON 格式问题导致生成中断的情况。
comic/
├── README.md
├── AGENTS.md
├── TODO.md
├── config.yaml
├── .env
├── .env.example
├── requirements.txt
├── scripts/
│ └── setup.sh
├── src/
│ ├── __init__.py
│ ├── main.py
│ ├── config.py
│ ├── models.py
│ ├── story_engine/
│ │ ├── __init__.py
│ │ ├── generator.py
│ │ ├── narrator.py
│ │ └── prompts.py
│ ├── image_engine/
│ │ ├── __init__.py
│ │ ├── zhipu_backend.py # 智谱 AI 图像生成后端
│ │ ├── prompt_builder.py
│ │ ├── backend.py
│ │ ├── replicate_backend.py
│ │ ├── runninghub_backend.py
│ │ ├── comfy_backend.py
│ │ ├── style_manager.py
│ │ ├── post_process.py
│ │ └── vision_qa.py
│ └── utils/
│ ├── __init__.py
│ └── random_utils.py
├── outputs/
│ ├── images/
│ ├── metadata/
│ └── works/
├── assets/
│ └── paper_textures/
└── docs/
├── chatgpt.md
├── 自动连环画循环生成方案.md
└── baimiao_generation_blueprint.html
MIT