# 我把龙女仆 Galgame 的制作过程整理成了一套可复查工作流

这次没有上传游戏本体，而是先把制作过程中最容易丢的部分整理出来：提示词是怎么编号的、工作流到底引用了哪个底模和 LoRA、批量任务怎样避免角色串位、TTS 如何保存生成记录、剧本分支和 UX 为什么会改成现在这样。

最大的教训是：个人项目最怕“结果还在，过程没了”。一张图看起来不错，但不知道 seed、LoRA 权重和工作流；一段语音能播放，但不知道是 Qwen、GPT-SoVITS 还是 RVC；某个分支能走通，但下次修改后没有检查点可回。

所以这个分享包把流程拆成了可检查的文件：

- 当前版批量提示词 GUI + 12 个测试；

- ComfyUI 批量节点 + 7 个测试；

- 13 个代表性工作流模板与参数表；

- Qwen3-TTS/GPT-SoVITS/RVC 的职责说明；

- 模型文件名、触发词、来源链接和 SHA-256；

- 自动分支存档、CG 回想与响应式 UX 的实现记录。

我没有附带大模型、LoRA、角色卡、参考音频和游戏 CG。分享工作方法，不等于有权重新打包别人的素材。

早期部分提示词和资料索引由 Grok 协助起草，之后经过人工改写和本机验证；CG 与部分声音属于生成式 AI 辅助内容。自动测试能证明文件格式和逻辑，不代表审美、听感和授权已经自动通过。

下一步我会继续把“从剧本节点到 CG/声音资产 ID”的绑定做得更清楚，让一次修改能追到具体的提示词、工作流、音频和界面状态。

# 一个人怎么做游戏王龙女仆 Galgame：我的 ComfyUI、批量提示词、TTS 与 UX 工作流

这不是一套“点一下就自动做完游戏”的万能模板，而是我在制作《游戏王》龙女仆同人 Galgame 时，真正搭起来并反复修改的一条个人工作流。

我最开始卡在三件事上：角色模型去哪里找、几十张 CG 怎么批量管理、同一角色的画面和声音怎么尽量保持一致。最后我把流程拆成了几块：

```text

素材/模型来源记录

  -> Grok 辅助整理资料与 SD 提示词草稿

  -> Python GUI 批量读取编号 Markdown

  -> ComfyUI/SDXL/Illustrious 生成与局部返修

  -> 剧本、分支和 CG 清单绑定

  -> Qwen3-TTS / GPT-SoVITS / RVC 语音实验

  -> 程序化音效与网页端接线

  -> 桌面/手机 UX 反复试玩调整

```

## 我分享了什么

- 我自己使用的 Windows 批量提示词 GUI 源码；

- 同一个工具的 ComfyUI 自定义节点版；

- 编号 Markdown、单人/多人提示词对齐示例；

- 6 个通用模板与 7 个角色代表 API 工作流；

- 70 条事件 CG 提示词与参数表；

- Qwen3-TTS 批量 GUI、服务适配和音频技术验收脚本；

- 12 个不依赖外部采样的程序化 UI/剧情音效生成脚本；

- 我整理过的模型文件名、触发词、SHA-256、作者页和许可状态；

- 剧本分支、自动分支存档、CG 回想、三语和响应式 UX 的迭代记录。

大模型、LoRA、第三方角色卡、参考音频和游戏 CG 没有放进下载包。原因很简单：我可以分享自己的流程和代码，但不能替模型作者、素材作者和原作权利方授予再分发权限。

## CG 管线：先解决“事件”，再堆画质词

我后来最明显的改动，是不再把 CG 写成“角色站在背景前”。每张图先写一句事件：谁做了什么、谁在反应、环境里有什么被碰到或改变。然后再确定镜头、手脚和道具接触、主光/补光/轮廓光，最后才补画质词。

事件 CG 的提示词顺序固定为：

```text

质量 -> 事件/动作 -> 镜头 -> 人物调度 -> 身份 -> 环境接触 -> 灯光 -> 渲染收尾

```

单人图通常只加载一个角色 LoRA。双人图不把两个强 LoRA 全局硬叠，而是用区域提示、蒙版或分角色重绘，最后低强度统一光影。角色角、尾巴、服装和手部接触仍然需要局部检查。

## 为什么做批量提示词 GUI

我有很多按编号写好的 Markdown：每条是一张 CG 的动作、表情或分镜。逐条复制到 ComfyUI 很快就会贴错角色、漏编号或覆盖掉共同镜头词，所以做了一个 Tkinter GUI：

- 读取编号 Markdown 或 TXT；

- 给整批统一加前缀/后缀；

- 查找、替换、删除；

- 单人或 2～6 人按编号对齐；

- 自动种子、重复次数和输出前缀；

- 可导出 API 任务，也可直接写入 ComfyUI 队列；

- 小蓝相关提示词保留 SFW 检查。

后来又把核心解析做成了 ComfyUI 节点，这样提示词可以直接保存在工作流里。

## 声音：Qwen 和 GPT-SoVITS 不是同一个底模

我一开始也把它们说混过。现在实际是两条独立路线：

- `Qwen3-TTS-12Hz-1.7B-CustomVoice`：官方 CustomVoice 模型，适合用预设音色和指令生成中/日/英底声；本机服务端口是 9881。

- `GPT-SoVITS v2Pro`：通过参考音频做 zero/few-shot TTS 的另一套系统；本机旧工作台端口是 9880。

- `RVC`：可选的音色转换后处理，不是文本到语音模型，也不应默认套在所有批次上。

我的批处理会保留语言、角色、情绪、种子、文件名和生成记录。技术验收会检查采样率、声道、位深、时长、近静音、映射和 ZIP，但最终听感仍要人工审核。

## 剧本与 UX

剧本主体、分支想法和功能需求由我提出和设计，再通过代码工具落地。现在比较有代表性的机制是：每次出现分支选项时，独立保存“选择之前”的检查点；看完战败支线后，可以一键回到刚才的抉择，不占用手动存档槽。

UX 不是一次画完的。我按自己的试玩体感改过多个版本，包括：

- 标题页、对话推进、内嵌分支选项和结算页；

- 6 个手动存档 + 1 个独立分支自动存档；

- CG 回想与主线/战败路线标识；

- 中文/英文/日语界面与剧情包；

- 配音/纯音效切换；

- 桌面 1440 px 和手机 390 px 的响应式调整。

## 下载包适合谁

适合已经装好 ComfyUI、愿意读 JSON 和 Python、正在做个人视觉小说/同人游戏的人。它不是新手一键整合包，也不附带模型权重。

建议先跑最小预览节点和 2 条提示词；确认解析、模型路径、LoRA 和保存位置后，再扩展批次。

## 使用与权利说明

这是非官方、非商业粉丝制作研究。《游戏王》、Dragonmaid 及相关角色权利归原权利方所有。项目与 KONAMI 无隶属或授权关系。

包内不会重新分发第三方模型、LoRA、角色卡、参考音频或权重。请回到原作者页面下载并逐项核对当前许可。生成式 AI 参与了封面、CG、部分提示词草稿和部分语音制作；请在 itch.io 页面启用对应 AI 披露/标签。

代码目前未单独指定开源许可证；可阅读和研究不等于自动获得商用、再许可或二次打包权。

如果你也在做个人 Galgame，希望这份东西至少能帮你少走几次“模型路径错了、两份 Markdown 编号串了、技术检查通过但听起来不对”的弯路。

# 工作流全景

## 1. 先定义最小可玩的内容

剧本主体、角色出场顺序、分支方向和需要的功能由作者先定。不要从“我要收集七个人所有模型”开始，而是从一段能走完的故事开始：场景、出场角色、普通路线、可选支线、结算和回读。

当前 H5 版本的代表机制是：角色普通路线结束后，玩家可以继续挑战下一位，或进入当前角色的“玩家战败”支线。分支出现时保存独立检查点，支线结束后能一键回到选择前。

## 2. 把剧本拆成资产合同

每个节点至少记录：

- 节点 ID 与角色 ID；

- 场景事件句；

- 台词与语言版本；

- CG 文件名/生成状态；

- 语音 ID、情绪与目标文件名；

- 分支类型、目标节点和解锁项；

- 需要的 SFX/BGM；

- 验收状态与已知问题。

这样提示词、图片、声音和代码不会只靠文件名猜关系。

## 3. 模型/素材来源先入账

从 Civitai、Tensor.Art、PixAI、Hugging Face 或其他来源发现模型时，先记作者页、版本、触发词、底模、推荐权重、许可、访问日期和本地文件名。模型可以放本机归档，但公开分享包只提供链接和清单。

早期部分检索与 SD 提示词草稿按作者自述由 Grok 协助。最终使用的文件仍需人工核对来源、版本和可复现参数；“AI 搜到了”不算许可证据。

## 4. 提示词与 CG

编号 Markdown 存每张图变化的动作/神态/分镜；工作流存底模、LoRA、负面词、采样器、分辨率和输出规则。GUI 或 ComfyUI 节点把两者结合，先生成小样，再批量入队。

每张图保留：prompt、negative、checkpoint、LoRA/权重、sampler、scheduler、steps、CFG、seed、分辨率、denoise、控制输入和输出文件名。

## 5. 声音

台词先进入需求表/JSON，而不是直接粘进终端。Qwen3-TTS 和 GPT-SoVITS 是两套独立 TTS；RVC 是可选音色转换。批处理生成 WAV 与 JSON 记录，之后做格式、时长、近静音、响度和映射检查，再由人听。

程序化 UI/SFX 使用源码生成，不依赖外部采样；其他 CC0/第三方 SFX 必须保留单独许可证和作者来源。

## 6. 接入与 UX

在游戏副本中接线，不覆盖原始 ZIP。绑定 CG、voice、emotion voice、SFX、语言包、存档和回想室。桌面和手机分别验证：1440 px 与 390 px 是本轮已有证据的两个宽度，不代表所有设备都已覆盖。

## 7. 三类验收必须分开

- 技术验收：代码、JSON、格式、路径、哈希、浏览器错误、ZIP CRC。

- 视觉/听感验收：构图、身份一致性、手尾接触、音色、咬字、情绪、响度体感。

- 发布验收：来源、许可、AI 披露、同人声明、无权重/参考音频误分发。

任何一类通过都不能替代另外两类。

# TTS 与音效管线

## 先纠正名称

`Qwen3-TTS` 不是 GPT-2，也不是 GPT-SoVITS 的“免费底模”。本项目出现过三条不同链路：

| 链路 | 本机用途 | 本机端口/入口 | 是否必须参考音频 |

|---|---|---|---|

| Qwen3-TTS 1.7B CustomVoice | 预设音色 + 指令控制的中/日/英底声、批量短语气 | `127.0.0.1:9881` | 否 |

| GPT-SoVITS v2Pro | zero/few-shot TTS 试听与旧工作台 | `127.0.0.1:9880` | 是 |

| RVC | 把已有 WAV 转为目标音色的可选后处理 | 本地模型/推理脚本 | 需要合法训练的音色权重 |

最终 H5 v2.1 的新增情绪语音记录为 Qwen3-TTS CustomVoice；旧的日语正式配音、GPT-SoVITS/RVC 试听和 Qwen 短语气批次是不同资产层，不应合并描述为一个模型。

## Qwen 批量流程

```text

需求表/CSV/JSON

-> 角色、语言、情绪、强度、语速、目标文件名

-> 9881 /health 确认 ready + loaded

-> /synthesize 生成原始 WAV

-> 去首尾静音、响度处理、时长保护

-> 角色/语言/情绪目录 + 同名 JSON 记录

-> 技术 QA

-> 人工试听

-> 游戏 manifest 绑定

```

本机曾完成 97 条中文、97 条日语、97 条英语短语气技术批次，共 291 个 24 kHz mono PCM16 WAV；这是当次验收记录，不是公开包内的音频数量。公开包不含这些 WAV。

## 短语气保护

- 单条最多尝试有限次数，不无限换 seed；

- 限制 `max_new_tokens`；

- 对异常超长音频停止批次；

- 用 RMS/峰值检测近静音；

- TTS 连接失败允许重试和服务重启；

- `loudnorm` 测得 `-inf` 时使用降级策略；

- 每种语言只读取对应文案列，不能把中文复用给日语/英语。

## GPT-SoVITS 与 RVC

GPT-SoVITS v2Pro 适合使用有权使用的参考音频做 zero/few-shot TTS。RVC 只负责音色转换，不能把公开角色/真人音色权重当成项目可自由分发的素材。

公开分享时只保留：代码入口、参数、模型官方链接、生成记录结构和验收方法。参考音频、训练数据、`.pth/.index` 一律不打包。

## 程序化音效

`05_语音与音效脚本/game_audio_examples/generate_sfx_pack.py` 用正弦音、扫频、包络和软噪声程序生成 12 个 UI/剧情音效，不读取外部采样：

```text

ui_click, ui_confirm, dialogue_advance, gallery_open,

theme_switch, game_start, save_confirm, load_confirm,

scene_enter, branch_choice, result_complete, result_defeat

```

脚本输出 48 kHz、mono、PCM16 WAV 与 `sfx_manifest.json`。这能说明声音文件的生成方式和格式，不等于每个声音的听感已经适合最终发行。

## 游戏接线

- WAV 放进清晰的角色/用途目录；

- manifest 使用真实相对路径；

- 正式配音优先时，不在同一行再叠情绪语音；

- 提供“日语配音/纯音效”之类的明确模式切换；

- 浏览器实际点击验证音频触发与自动播放限制；

- ZIP 用 CRC/`testzip()` 检查。

## 技术 QA 与人工 QA

技术检查：文件存在、可解码、采样率、声道、位深、时长、近静音、映射、重复、ZIP。

人工检查：咬字、年龄感、情绪、换气、金属音、尾音、音量体感、与 CG/台词同步。两种结果必须分别记录。

# CG 与提示词管线

## 本机已验证基线

- ComfyUI 环境：`D:\DMT-AI-Studio`

- GPU 环境记录：PyTorch `2.12.0+cu130`，RTX 5090 D 的 `sm_120` 已通过实际 CUDA 矩阵计算

- 启动入口：`D:\DMT-AI-Studio\scripts\start-comfyui-5090.cmd`

- 常用底模：`sdxl\waiIllustriousSDXL_v150.safetensors`

- 代表性事件 CG：1216×832，28 steps，CFG 4.8，`dpmpp_2m_sde` + `karras`

- 角色 LoRA 代表权重：Model 0.78 / CLIP 0.72；具体文件需按角色和模型页调整

这些是本机某批次的可复现记录，不是所有显卡、底模和 LoRA 的通用最佳值。

## 提示词顺序

```text

quality

-> event/action

-> shot/camera

-> blocking

-> identity/costume

-> environment contact

-> lighting

-> rendering finish

```

先写事件句，例如：

```text

她单手接住滑落的碗，另一只手仍在搅拌；台面上的面粉被动作带起，主角停在门口。

```

再给视线、肩膀、双手、身体、脚、尾巴和道具不同任务。至少写清一个接触关系和三层光：主光、补光、轮廓/分离光。

## 批量提示词 GUI

`02_批量提示词GUI/batch_prompt_tool_v2.py` 能：

- 解析 `1. ...`、`2、...`、多行编号和同一行多编号；

- 统一加前缀/后缀；

- 查找、替换或删除；

- 把 UI 工作流转换为 API 结构；

- 1～6 人按编号对齐；

- 设置重复次数、种子与文件名前缀；

- 导出任务包或提交到 `127.0.0.1:8188`；

- 记录提交 manifest。

GUI 会写本地 `batch_config_v2.json` 和 `runs_v2/`。它们属于用户运行数据，不在发布包的初始内容中。

## ComfyUI 节点版

`03_ComfyUI节点` 不读任意本地路径、不访问网络，也不需要额外依赖。节点使用 `OUTPUT_IS_LIST` 输出提示词与种子列表，适合把编号文档直接保存在工作流内。

节点版只负责文本解析、切片、重复和多人编号对齐；区域蒙版、LoRA、Conditioning 合并和保存文件名仍由工作流负责。

## 单人和多人边界

- 单人：一个角色 LoRA + 身份提示词 + 事件词。

- 双人：统一底模，角色 A/B 分区域或分蒙版，各自只加载身份 LoRA。

- 三人以上：先验证布局和遮挡，再逐人修复；不要靠堆更多形容词解决身份串色。

- 角、尾巴、服装、手、脚、道具接触应作为局部返修点。

- 小蓝只使用全年龄、非恋爱、完整遮盖内容。

## 包内 JSON

- `03_ComfyUI节点/workflows/`：无模型的最小解析预览。

- `04_ComfyUI工作流/01_通用模板/`：尺寸与用途模板，不代表完整真实生图链。

- `04_ComfyUI工作流/02_七角色代表API/`：从已生成批次反查的每角色代表 API 工作流。

- `04_ComfyUI工作流/prompt_blocks_sfw.json`：重新整理的全年龄提示词块。

原目录另有 70 个逐图 API JSON。它们与包内 `提示词_七角色各10.md`、`参数清单.csv` 高度重复，因此公开包只保留 7 个代表流，避免把批量运行产物当模板堆进来。

## 接受标准

- 有可读事件，不是空背景站桩图；

- 角色和房间透视、地平线与光向一致；

- 手、脚、衣服、尾巴与环境接触可信；

- 没有重复人物、拼图、卡框、无关龙或暴露；

- 身份特征没有跨角色污染；

- 参数足够恢复工作流。

ComfyUI 显示 success、文件数量正确，只能证明任务完成，不代表视觉通过。

# 模型与来源索引

本文件只提供名称、用途和原页面入口。公开 ZIP 不含任何模型权重。下载前必须重新阅读页面当前版本、许可和生成内容限制。

## 底模与基础控制

| 本机文件名 | 用途 | 来源 |

|---|---|---|

| `sdxl/Illustrious-XL-v1.1.safetensors` | Illustrious 基础对照 | https://huggingface.co/OnomaAIResearch/Illustrious-XL-v1.1 |

| `sdxl/waiIllustriousSDXL_v150.safetensors` | 当前主要 CG checkpoint | 需要回到实际下载页核对作者、版本与许可；本包不提供下载镜像 |

| `control-lora-openposeXL2-rank256.safetensors` | SDXL 姿势控制 | 当前来源台账不完整，标为待补 |

| `PerfectHands_xiushou_SDXL.safetensors` | 某些旧 CG 流的低权重手部辅助 | 不属于 70 张七角色事件 CG 的统一必需项 |

## 公开 Dragonmaid Illustrious LoRA

下列原作者页来自既有调查，作者主要为 `Sqquirtle0007`。页面许可不是 SPDX 文件，上传、商用、合并和再分发权限必须逐版本复核。

| 角色/概念 | 本机常用文件 | 原页面 | 常用触发词 |

|---|---|---|---|

| House + Sheou | `01_House_dragonmaid_illuXL_v1.safetensors` | https://civitai.com/models/638636?modelVersionId=1572175 | `house dragonmaid`, `dragonmaid sheou` |

| Kitchen + Tinkhec | `02_Kitchen_dragonmaid_illuXL_v1.1.safetensors` | https://civitai.com/models/638206?modelVersionId=1582700 | `kitchen dragonmaid`, `dragonmaid tinkhec` |

| Parlor + Laundry + Lorpar | `03_Parlor_dragonmaid_illuXL_v1.1.safetensors` | https://civitai.com/models/498744?modelVersionId=1645092 | `parlor dragonmaid`, `laundry dragonmaid`, `dragonmaid lorpar` |

| Nurse + Laundry + Ernus + Nudyarl | `05_Nurse_dragonmaid_illuXL_v1.1.safetensors` | https://civitai.com/models/519282?modelVersionId=1568312 | `nurse dragonmaid`, `laundry dragonmaid`, `dragonmaid ernus`, `dragonmaid nudyarl` |

| Latys | `06_Latys_dragonmaid_illuXL_v2.safetensors` | https://civitai.com/models/1027639?modelVersionId=1361057 | `dragonmaid latys` |

| Chamber + Latys + Stern | `07_Chamber_dragonmaid_illuXL_v1.1.safetensors` | https://civitai.com/models/639374?modelVersionId=1600136 | `chamber dragonmaid`, `dragonmaid latys`, `dragonmaid stern` |

更完整的证据等级、多人能力和镜像页记录见 `06_提示词与资料索引` 下三份调查文档。

## 自训与历史推荐文件

`dragonmaid_curated_v4`、`dragonmaid_pilot20`、`dragonmaid_historical_recommended_v1` 和 `dragonmaid_joint_concat_test` 是本机实验或筛选命名，不等于公开作者发布名。公开包只记录文件名和参数，不分发权重。

联合 LoRA 需要区分：推理时硬叠、成品权重平均/拼接、从训练阶段使用独立 trigger 与 together 数据联合训练。Nurse + Laundry 的公开示例更接近第三种。一个文件能触发多个概念，不代表稳定多人同框。

## TTS

| 模型/项目 | 用途 | 官方来源 | 许可记录 |

|---|---|---|---|

| Qwen3-TTS-12Hz-1.7B-CustomVoice | 预设音色、指令控制、多语底声 | https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice | Apache-2.0，以模型页当前标注为准 |

| Qwen3-TTS-12Hz-1.7B-VoiceDesign | 描述式音色实验 | https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign | 以模型页当前标注为准 |

| GPT-SoVITS v2Pro | 参考音频 zero/few-shot TTS | https://github.com/RVC-Boss/GPT-SoVITS | 代码仓库标注 MIT；依赖和参考音频另查 |

| RVC WebUI | 可选音色转换 | https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI | 代码与每个训练权重/数据权利分开核对 |

不要把 CustomVoice 输出写成“官方角色声优”或“针对七角色分别训练的模型”。本机角色预设调整的是 speaker、指令、采样和后处理参数，不自动改变底模权重。

## 本机哈希清单

`06_提示词与资料索引/SHA256_manifest.csv` 记录的是 2026-08-06 本地归档的 7 个人形与 6 个龙形映射。多个“龙形文件”与人形文件哈希相同，说明它们是同一多概念 LoRA 的重命名/复用，并不是 13 个独立训练模型。

哈希能确认本地文件身份，不能证明来源许可。

详细可看https://github.com/HECAI200510/DragonMaid-Galagame-Workflow-Kit-v1.0-itchio-2026...

https://github.com/HECAI200510/DragonMaid-Galagame-Workflow-Kit-v1.0-itchio-2026...