四引擎生图：按镜选择最优的画面来源
逐日 AI 支持四类画面引擎——云端文生图 API、本地 ComfyUI、图生视频、数字人——每个切片可独立选择引擎。本文讲清各引擎的能力边界、成本结构与选型逻辑。
为什么是多引擎而不是单引擎
单一画面引擎是"不可能三角"的产物：质量、成本、速度最多取两样。云端 API 质量/速度好但按张计费；本地 ComfyUI 成本趋零但吃显卡；图生视频动态好但最贵；数字人解决口播但没有场景感。唯一的出路是让每个切片自己选引擎——叙事镜不需要动态，口播镜不需要场景，把贵的引擎只用在刀刃上。
四引擎的能力与成本
云端文生图 API（阿里云 wanx 等）：质量稳定、速度秒级、按张计费（条均成本元级）。适合绝大多数叙事镜。配置自己的 Key 即用。
本地 ComfyUI：边际成本趋零、完全自定义（工作流/LoRA/参考图/模型任换）。适合产量大、有显卡、对画风有强需求的工作室。接入方法见ComfyUI 指南。
图生视频：让静态画面"动起来"——运镜、氛围、产品旋转。单价最高（是生图的 10 倍级），用量控制在每条 1~2 个关键镜（见成本明细的配比分析）。
数字人引擎：照片/录像驱动 + MuseTalk 口型同步，口播镜的人形方案。走本地 GPU，数据不出门（见数字人引擎）。
引擎选择的决策流
生成一个切片时问三个问题：这镜需要动态吗（是→图生视频）？这镜是人在说话吗（是→数字人）？这镜是主角的脸吗（是→本地引擎带参考图）？都不是→云端文生图。三问下来，80% 的切片都会落在云端文生图——这是成本结构的健康状态。
混排的一致性保障
多引擎混排的最大风险是"画风跳戏"。逐日 AI 的保障机制：项目级风格基底（统一的风格词与色调参数）、每镜提示词四要素结构（见提示词结构）、模板预置的引擎配比——三条一起把"混排"做成"混而不乱"。
常见问题
四个引擎怎么选？
按镜型选：大部分叙事镜走云端文生图（快、便宜、质量稳）；需要动态的关键镜走图生视频；口播镜走数字人；对画风/角色有强需求的工作室走本地 ComfyUI（自由挂 LoRA 与参考图）。
引擎可以混用吗？
可以，而且推荐混用——同一条视频里不同切片用不同引擎是常态（叙事镜 API 生图、开场镜图生视频、口播镜数字人）。切片制让混排的工程成本为零。
用自己的 ComfyUI 有什么额外好处？
生图边际成本趋零（只有电费）、可挂自己的 LoRA/参考图/工作流、素材不经过第三方。代价是需要一张显卡（8GB 起步）与环境维护。