文档说明

1. 完全原生 Windows 10/11，无 WSL、无虚拟机

2. 全部环境基于 Conda 独立隔离，干净不冲突

3. 彻底删除 SDXL-Lightning，全网唯一 FLUX.1-schnell 统一绘图（远景/中景/特写通用）

4.补全所有模型 Xinference 启动参数 + Dify 后台精细化推理参数（本次重点新增）

5. 保留历史全部步骤、排错、启动流程、Dify 访问地址、工作流结构，内容不丢失

1. 方案总览 & 全链路模型对照表

1.1 完整流水线

用户输入短剧题材、集数、风格 + 上传主角正面人脸参考图

↓

Qwen2-14B-Instruct 生成带镜头分类结构化 JSON 剧本

↓

Qwen-VL-7B-Instruct 生成标准化正负绘图 Prompt

↓

FLUX.1-schnell 统一生成所有镜头分镜图（IP-Adapter-Face 锁人脸）

↓

Wan2.1-I2V-14B-720p 图生视频输出 3.5s 标准短剧镜头

↓

CosyVoice2 情绪 TTS 智能配音

↓

FFmpeg 自动拼接、对齐音视频、内嵌字幕、输出完整 MP4 成片

1.2 全套模型总表（最终定稿）

1.3 全局统一规范

• 运行环境：Windows10/11 原生、CondaI 隔离、无 WSL

• 硬件：64G 物理内存、纯 CPU 推理

• 统一画幅：896×512（16:9 短剧标准）

• 模型量化：全部 4bit 常驻

• 端口：Xinference 9997、Dify 8000

• 合成工具：本地 FFmpeg 全局环境变量

2. 硬件 & 系统硬性要求

2.1 硬件

• CPU：16线程及以上多核处理器

• 内存：64G 物理内存（必备）

• 硬盘：NVME 1TB 固态（模型缓存约180G）

• 网络：可正常访问 HF 镜像

2.2 系统

• Windows10 22H2 / Windows11 23H2+

• 全程管理员权限运行终端

• 虚拟内存：16G~32G（必须配置，防OOM）

3. 前置软件完整安装步骤

3.1 Miniconda3 安装

1. 安装 Windows Miniconda3（Python3.10）

2. 必勾：加入系统 PATH、注册默认 Python

3. 安装路径：纯英文无空格C:\Miniconda3

验证：

conda --version python --version

3.2 FFmpeg 安装配置

1. 解压至C:\ffmpeg\bin\ffmpeg.exe

2. 将C:\ffmpeg\bin加入系统环境变量 PATH

验证：

ffmpeg -version

3.3 Docker Desktop 安装（仅Dify使用）

1. 安装最新稳定版，开启 Hyper-V

2. 启动保证托盘绿色运行

验证：

docker --version docker compose version

4. Conda 环境完整搭建

4.1 创建专属虚拟环境

conda create -n ai_drama python=3.10 -y conda activate ai_drama

4.2 配置清华 Conda 源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/ conda config --set show_channel_urls yes

4.3 安装 CPU 版 Pytorch

conda install pytorch torchvision torchaudio cpuonly -c pytorch -y

4.4 安装 Xinference & 人脸依赖

pip install "xinference[all]" pip install insightface onnxruntime opencv-python pillow

4.5 配置 HF 镜像（环境永久生效）

conda env config vars set HF_ENDPOINT=https://hf-mirror.com conda deactivate && conda activate ai_drama echo %HF_ENDPOINT%

5. Xinference 服务启动 + 全模型启动参数（完整官方参数）

5.1 启动主服务（窗口1常驻）

conda activate ai_drama xinference-local --host 0.0.0.0 --port 9997 --device cpu

5.2 全部模型启动运行参数（逐条完整）

新开第二个 Anaconda Prompt 执行

conda activate ai_drama # 1. CosyVoice2 TTS xinference run cosyvoice2 --model-args "{""device"":""cpu"",""load_4bit"":true}" timeout /t 12 /nobreak # 2. Qwen-VL-7B-Instruct 分镜Prompt xinference run qwen-vl:7b-instruct --model-args "{""device"":""cpu"",""load_4bit"":true}" timeout /t 15 /nobreak # 3. FLUX.1-schnell 唯一绘图（核心完整参数） xinference run flux-schnell --model-args "{ ""device"":""cpu"", ""load_4bit"":true, ""enable_ip_adapter_face"":true, ""default_width"":896, ""default_height"":512, ""default_steps"":8, ""default_cfg_scale"":1.5 }" timeout /t 25 /nobreak # 4. Wan2.1-I2V-14B 图生视频 xinference run wan2.1-i2v:14b-720p --model-args "{""device"":""cpu"",""load_4bit"":true}" timeout /t 25 /nobreak # 5. Qwen2-14B-Instruct 剧本 xinference run qwen2:14b-instruct --model-args "{""device"":""cpu"",""load_4bit"":true}" xinference list

6. Dify 完整部署 + 标准访问地址

6.1 拉取代码

git clone https://github.com/langgenius/dify.git D:\AI_Script\dify cd D:\AI_Script\dify\docker copy .env.example .env

6.2 修改 .env 固定端口 8000

修改 .env 文件：

EXPOSE_NGINX_PORT=8000 EXPOSE_NGINX_SSL_PORT=8443

6.3 启动容器

docker compose up -d docker compose ps

6.4 Dify 固定访问地址

• 工作台首页：http://127.0.0.1:8000

• 首次初始化：http://127.0.0.1:8000/install

• Xinference对接API：http://127.0.0.1:9997/v1

7. Dify 绑定 Xinference 模型供应商

1. 右上角设置 → 模型供应商 → 新增 Xinference

2. API地址：http://127.0.0.1:9997/v1

3. 无API Key

4. 同步全部5个模型，全部启用

8. 全网最全：各模型 Dify 后台精细化固定参数（新增完整版）

8.1 Qwen2-14B-Instruct（剧本生成）

• 上下文窗口：32768

• 最大输出 Token：16384

• Temperature：0.6（写实） / 0.8（爽文）

• Top P：0.7

• 输出格式：严格 JSON

• 系统提示词：你是专业短剧编剧，输出严格JSON格式，字段包含shot_id、scene、shot_type、dialogue、emotion、character_desc；shot_type仅允许填写远景/中景/特写，禁止输出多余文字、注释、Markdown。

8.2 Qwen-VL-7B-Instruct（分镜Prompt生成）

• Temperature：0.4

• 最大视觉Token：1024

• 输出规范：第一段正向Prompt、第二段负面Prompt

• 强制约束：16:9短剧、电影柔光、写实人像、统一五官

8.3 FLUX.1-schnell（唯一绘图｜全镜头通用｜核心参数）

• 分辨率：896 × 512

• 采样步数：8（固定不可改）

• CFG Scale：1.5

• IP人脸权重：0.9

• IP图像输入：全局主角人脸参考图

• 正向通用Prompt：写实短剧镜头，高清人像，柔和电影柔光，完整五官，统一面部特征，细腻皮肤纹理，浅景深，16:9短视频构图，专业影视运镜

• 负面通用Prompt：畸形手部，多根手指，五官扭曲，面部变形，换脸，模糊，水印，文字，色差，低分辨率，肢体穿模，多余人物，马赛克，重影

人脸图片规范：单人、正面、无遮挡、高清、无多人合照

8.4 Wan2.1-I2V-14B-720p（图生视频）

• 输出尺寸：896×512

• 帧率：24fps

• 总帧数：84帧（3.5秒）

• motion_bucket_id：110

• 采样步数：20

• 视频负面Prompt：人脸闪烁、五官漂移、肢体畸形、画面抖动、色彩断层、背景跳变、模糊重影

8.5 CosyVoice2（情绪TTS配音）

• 采样率：24000

• 语速：0.95

• 输出格式：mp3

• 自动识别字段：emotion（开心/愤怒/悲伤/冷漠）

9. Dify 完整工作流结构（无分支极简版）

开始节点 → LLM剧本 → 循环遍历镜头 → VL生成Prompt → FLUX绘图 → Wan2.1视频 → CosyVoice配音 → Python FFmpeg合成 → 输出成片

9.1 开始节点

题材、集数、故事简介、主角人脸图（全局变量）

9.2 LLM节点

输出标准化镜头JSON数组

9.3 循环内部子节点

VL分镜Prompt → FLUX绘图锁脸 → 图生视频 → 情绪配音

9.4 Python合成节点

输出路径：C:/AI_Drama_Output/成片.mp4

9.5 输出节点

返回本地成片路径

10. Windows 专属优化 & 端口 & 路径规范

10.1 内存优化

• 全部模型强制4bit量化

• 系统虚拟内存 16G~32G

• 运行时关闭大型软件

10.2 端口放行

放行防火墙 TCP 9997、8000

端口排查：

netstat -ano | findstr "9997" netstat -ano | findstr "8000"

11. 全套故障排查清单（完整保留）

11.1 模型下载慢/卡住

检查HF镜像、重启服务、清理缓存

11.2 人脸锁失效

开启enable_ip_adapter_face、绑定人脸变量、更换标准人脸图、升级insightface

11.3 内存溢出

4bit加载、调高虚拟内存、减少并发

11.4 Dify打不开

容器正常运行、端口放行、重启docker compose

11.5 接口连不上

0.0.0.0启动服务、9997端口通畅、地址填写正确

12. 开机全套一键启动流程（最终完整版）

12.1 窗口1：启动推理服务

conda activate ai_drama xinference-local --host 0.0.0.0 --port 9997 --device cpu

12.2 窗口2：加载全部模型

执行本文5.2全部run命令

12.3 CMD启动Dify

cd D:\AI_Script\dify\docker docker compose down docker compose up -d

12.4 打开工作台

http://127.0.0.1:8000