最近网上突然火起来一种非常有意思的 AI 玩法——桌面 AI 女友。和传统的 AI 聊天机器人不同，这类 AI 女友并不是简单地出现在一个聊天窗口里，而是直接“住”进了我们的电脑桌面。

打开电脑后，一个真实感十足的 AI 女孩就会出现在桌面上。她可以坐在沙发上、整理头发、起身离开，甚至换一套衣服再回来，还可以配合语音和字幕与用户进行互动。

乍一看，这种效果很容易让人以为背后使用了 Live2D、Unity、VRM 或实时 3D 数字人技术。

但实际上，如果仔细观察这类视频就会发现，它们中的一部分并不需要复杂的实时 3D 建模。AI 视频生成模型，才是实现这种效果的关键之一。

接下来我们就跟大家说下，如果进行本地部署生成，使用的模型都是完全免费开源的！

部署教程：

1、准备2个图片素材

因为这个AI桌面女友，所用的视频素材其实就2个：一个是沙发背景桌面，另外一个就是背景透明的人物图片，我在下方提供2个当作备用，当然你可以用自己的都可以;

A.黑色沙发背景图：

B.背景透明的人物图片:

下载以后，将黑色的沙发背景图当作你的电脑背景桌面，如下图所示：

修改后将其全屏截图以备后面使用！

二、下载模型

需要下载的开源模型总共有4类，请通过下方的链接进行下载备用

1、diffusion_models：【点击下载】

2、text_encoders：【点击下载】

3、loras：8步【点击下载】 、4步【点击下载】

4、vae：【第1个】、【第2个】

三、下载最新版ComfyUI

官方下载：【点击前往】或 【备用下载】

务必安装最新版的ComfyUI客户端，因为旧版的是不支持当前我们需要使用的MinimaxH3 开源模型的

四、下载工作流

工作流下载：【点击前往】或 【备用下载】

下载以后在 ComfyUI客户端创建一个空白的工作流，让将下载好的工作流文件直接拖入进去即可！接下来我们需要将之前准备好的2个图片合成为一个，如下图所示：

最后使用我下方提供的提示词就可以生成AI桌面女友视频了，视频时长建议设置为30秒，视频比例为 16:9 ，下方我提供了中文和英文的提示词，都可以生成效果，但是经过我的测试，感觉英文提示词生成以后的效果要好点，当然你可以自由设置提示词，想生成什么换成什么服装、动作等，你可以完全自定义！

注意：在生成的时候，视频的分辨率建议别设置的太高，否则如果你的显存不够的话，生成过程会非常长，所以建议生成时将分辨率稍微设置小一点，等生成完成后再通过下方的视频高清发大神器，将其进行4K高清处理即可！

视频高清发大神器：

• 视频高清放大：模糊画面秒变高清。
• 图片高清优化：提升图片细节，效果肉眼可见。
• 视频插帧：拯救丢帧严重的旧视频，让播放更加流畅。
• 视频防抖：轻松处理抖动视频，效果堪比稳定器拍摄。

无论是老旧视频修复还是日常剪辑优化，这款工具都能满足需求。现在，人人都可以免费获取，快来试试吧！

 推荐使用免安装版： 【网盘下载 】或【高速下载】

中文提示词：

人物要求：

成年女性角色。

参考图为一张合成参考图，其中：
左侧区域是最终视频的电脑桌面和场景参考；
右侧区域是女主人物参考。

请严格按照参考图进行生成。

左侧区域仅用于锁定最终场景：
Windows电脑桌面、左上角桌面图标、底部Windows任务栏、黑色皮质沙发、深色背景、冷色柔光、沙发位置、空间透视、画面构图和固定摄像机位置。

右侧区域仅用于锁定女主：
五官、脸型、肤色、发型、人物身份、身体比例和整体外貌。

重要：
最终生成的视频绝对不是左右分屏。
不要保留右侧人物参考区域。
不要把右侧区域当成背景。
最终视频应该恢复成完整的Windows电脑桌面场景，女主自然出现在左侧场景中的黑色沙发附近。

全程必须是同一个女主。
不换脸、不改变年龄、不改变脸型、不改变身材比例、不改变人物身份。
发型保持一致。

==================================================

整体画面风格：

超真实、电影级真人AI动态桌面视频。

模拟Windows电脑全屏桌面录屏。

画面看起来像一张真实的动态电脑桌面壁纸。

Windows桌面本身保持稳定。
底部保留真实Windows任务栏。
左上角保留参考图中的少量桌面图标。

黑色皮质沙发。
深灰黑色墙面。
冷色柔光。
真实室内光影。
真实皮肤质感。
真实头发。
真实衣料。
真实人体运动。

固定机位。

全程一镜到底。
单一连续镜头。
不切镜。
不推镜。
不拉镜。
不摇镜。
不变焦。
不改变摄像机高度。
不改变摄像机位置。
不改变透视。

女主主要活动在画面右侧。

画面左侧保持相对干净，用于显示语音字幕。

==================================================

人物运动：

女主只能从画面最右侧进入和离开。

第一次进入：
女主从画面最右边自然走入。

第一次离开：
女主从画面最右边自然走出。

第一次换装后：
女主再次从画面最右边走回来。

第二次离开：
女主再次从画面最右边走出。

第二套服装后：
女主再次从画面最右边走回来。

绝对不能从左侧进入。
绝对不能从左侧离开。

人物不能突然出现。
不能瞬移。
不能淡入淡出。
不能身体变形。

所有进入和离开都必须通过真实的行走完成。

==================================================

字幕UI：

字幕显示在画面左侧中部。

绝对不要放在画面底部。

使用纤细、现代、简洁的中文无衬线字体。

中等字号。

无底框。

轻微柔光和阴影。

女主说话时：
显示淡紫色中文文字。
左侧显示简洁白色扬声器图标。

男声说话时：
显示白色中文文字。
左侧显示简洁白色麦克风图标。

字幕下方始终显示一条细小的白色音频波形。

波形必须随着当前说话者的声音实时跳动。

女主说话时，波形跟随女声变化。

男声说话时，波形跟随男声变化。

没有人说话时，波形保持非常微弱。

字幕必须跟随实际发音逐字出现。

不能整句话突然出现。

不能提前出现后面的文字。

当前一句对白结束后，字幕停留约0.3至0.5秒，然后自然淡出。

不要出现英文字幕。

不要出现乱码。

不要出现额外字幕。

==================================================

服装：

初始造型：

黑白横条纹修身七分袖上衣。
黑色低腰抽绳休闲长裤。
银色细项链。

第一套服装：

蓝黑格纹百褶短裙。
白色过膝袜。
白色十字装饰袜带。
整体清爽、俏皮、学院风。

第二套服装：

黑色修身西装外套。
白色衬衫。
酒红色格纹领带。
酒红黑色格纹百褶短裙。
浅肤色薄丝袜。
黑色乐福鞋。
整体精致、成熟、学院风。

人物换装必须发生在女主完全离开画面之后。

女主离开画面以后才允许改变服装。

服装不能在画面中逐渐变化。

不能出现服装融化。

不能出现服装闪烁。

不能出现服装局部变化。

每次重新进入画面时，服装必须已经完整改变。

==================================================

时间轴：

00:00 - 00:03

女主穿着初始造型，已经坐在黑色皮质沙发的右侧。

她自然坐在沙发上。

她轻轻整理一下自己的长发。

然后看向电脑屏幕，也就是镜头方向。

露出亲切、自然、略带俏皮的微笑。

她自然开口说：

“说吧……今天想看什么？”

女声年轻、自然、温柔。

嘴型必须与中文对白准确同步。

女主说话时左侧出现淡紫色字幕：

“说吧……今天想看什么？”

字幕逐字出现。

声音波形跟随女声跳动。

==================================================

00:03 - 00:04.5

女主安静看着屏幕。

画外传来成年男性中文声音。

男：

“想看JK。”

男主始终不露脸。

男声必须来自画外。

女主保持自然微笑并认真聆听。

女主不能说话。

左侧出现白色男声字幕：

“想看JK”

显示麦克风图标。

波形跟随男声跳动。

==================================================

00:04.5 - 00:06.5

女主听完后轻轻一笑。

她轻轻点头。

自然回答：

“好，等我一下。”

她将身边的黑色靠枕放到沙发旁边。

然后用手轻轻撑住沙发，自然起身。

字幕显示：

“好，等我一下。”

==================================================

00:06.5 - 00:10

女主完全站起来。

她转身向画面右侧走去。

她自然地从画面最右侧离开。

她必须完整离开画面。

不能瞬移。

不能突然消失。

产生自然的女性脚步声。

头发随着行走自然摆动。

衣服产生轻微真实摩擦声。

沙发暂时空置。

==================================================

00:10 - 00:14

沙发保持空置约1秒。

随后女主从画面最右侧重新走回来。

她已经换成第一套蓝黑学院风服装。

这是完全相同的女主。

脸、五官、肤色、发型、身体比例和人物身份必须保持一致。

她自然走到沙发前方。

她不要坐下。

她站在画面右侧偏中央的位置。

她轻轻整理一下裙摆。

然后自然地左右轻微转动身体，展示第一套服装。

裙摆随着身体运动自然摆动。

不要夸张转圈。

不要夸张动作。

==================================================

00:14 - 00:17

女主看向电脑屏幕。

露出俏皮的笑容。

她说：

“噔噔～我回来了，老公，怎么样？”

语气轻松、俏皮、带一点展示新衣服的得意感。

嘴型必须与中文声音准确同步。

字幕显示：

“噔噔～我回来了，老公，怎么样？”

==================================================

00:17 - 00:18.5

男声画外音：

“嗯～不错。”

男主始终不露脸。

女主闭嘴并自然聆听。

听到男声以后，女主轻轻笑一下。

字幕显示：

“嗯～不错。”

波形跟随男声跳动。

==================================================

00:18.5 - 00:21

女主突然想到还有另一套衣服。

她露出一点调皮的表情。

然后说：

“等等～还有一套。”

字幕逐字出现：

“等等～还有一套。”

说完立即转身。

裙摆自然摆动。

她向画面右侧走去。

从画面最右侧完整离开。

产生自然脚步声。

==================================================

00:21 - 00:23

沙发再次空置。

女主完全不出现在画面中。

不要显示实际换装过程。

不要让衣服在画面中突然改变。

保持桌面、沙发和背景完全稳定。

==================================================

00:23 - 00:25

女主从画面最右侧重新走回来。

她已经换成第二套学院风服装。

黑色修身西装外套。
白色衬衫。
酒红色格纹领带。
酒红黑色格纹百褶短裙。
浅肤色薄丝袜。
黑色乐福鞋。

人物身份必须保持完全一致。

脸、五官、发型、肤色和身体比例不能改变。

她站在沙发前方。

不要坐下。

她自然调整一下西装下摆和裙摆。

然后看向电脑屏幕。

表情更加自信、精致。

==================================================

00:25 - 00:26.5

女主微笑看向镜头。

她说：

“这套呢？”

语气自然，带一点期待。

字幕显示：

“这套呢？”

==================================================

00:26.5 - 00:27.5

男声画外音：

“这套也好看。”

女主闭嘴。

自然聆听。

听到男声后露出满意的微笑。

字幕显示：

“这套也好看。”

==================================================

00:27.5 - 00:30

女主缓缓走回黑色皮质沙发。

她自然坐下。

她轻轻整理一下西装领口和衣服。

然后整理一下自己的长发。

她看向电脑屏幕。

嘴角露出温柔、亲近、略带捉弄感的微笑。

她轻轻偏一下头。

然后说：

“机会用完啦。老公想留哪套呢？”

“机会用完啦”语气像是在宣布游戏规则。

“老公想留哪套呢？”语气稍微放慢，尾音自然上扬。

嘴型准确匹配中文声音。

说完后保持眼神交流。

保持俏皮微笑。

最后0.5秒画面自然结束。

==================================================

音频：

生成真实自然的中文女声。

生成真实自然的中文男声。

女声年轻、自然、温柔、略带俏皮。

男声成熟、自然、简短。

女主说话时必须准确同步口型。

男声始终为画外音。

男主绝对不能露脸。

女主进入和离开场景时产生真实脚步声。

脚步声必须与脚步动作同步。

坐下时产生非常轻微的皮质沙发声音。

起身时产生轻微衣料摩擦声。

行走时产生自然脚步声和轻微衣料摩擦声。

不要背景音乐。

不要夸张音效。

整体声音以人物对白为主体。

==================================================

表演：

女主是现实中的成年女性。

不是二次元角色。

不是动漫角色。

不是虚拟3D人物。

不是夸张卖萌。

所有动作必须自然、克制、真实。

开场：
亲切、自然。

第一次换装：
俏皮、开心、带一点展示感。

第二次换装：
自信、精致。

结尾：
温柔、亲近、略带捉弄感。

微笑自然。

眨眼自然。

呼吸自然。

头发运动自然。

手部动作自然。

男声出现的时候，女主必须闭嘴并自然聆听。

不能出现两个声音同时说话。

==================================================

画面一致性：

整个视频必须保持同一个Windows桌面。

桌面图标不能变化。

Windows任务栏不能变化。

任务栏位置不能变化。

黑色皮质沙发不能移动。

背景不能变化。

灯光不能变化。

摄像机不能移动。

透视不能变化。

镜头不能切换。

整个视频始终保持同一个固定机位。

==================================================

NEGATIVE：

换脸，人物身份变化，人物年龄变化，脸型漂移，五官变化，发型变化，肤色变化，身体比例变化，身材变化，人物复制，额外人物，男主露脸，第三个人物，动漫人物，二次元，3D人物，塑料皮肤，假人，机械动作，僵硬动作，身体扭曲，多余手臂，多余手指，手指粘连，手部畸形，腿部畸形，脚部畸形，瞬移，突然出现，突然消失，淡入，淡出，从左侧进入，从左侧离开，错误入画方向，换装过程中变形，衣服融化，衣服闪烁，服装串套，服装逐渐变化，服装错误，服装缺失，身体和衣服融合，背景变化，沙发移动，任务栏变化，桌面图标变化，Windows界面变化，摄像机移动，镜头切换，推镜，拉镜，变焦，镜头漂移，画面抖动，夸张表情，夸张卖萌，机械微笑，错误说话者，女主说男声台词，男声说女主台词，两个声音同时说话，口型错位，中文发音错误，说错台词，漏掉台词，重复台词，提前说台词，字幕乱码，错别字，英文字幕，底部字幕，字幕遮挡人物，字幕遮挡脸部，字幕整句突然出现，字幕提前出现，错误波形，波形静止，UI变形，额外UI，额外文字，水印，平台Logo

英文提示词：

REFERENCE IMAGE

The uploaded image contains TWO reference regions.

LEFT SIDE = FINAL SCENE REFERENCE
Use the LEFT side ONLY to lock the final video scene:
Windows desktop, desktop icons, black leather sofa, dark wall, lighting, perspective, camera position, taskbar and overall composition.

RIGHT SIDE = CHARACTER REFERENCE
Use the RIGHT side ONLY to lock the female character’s identity:
face, hairstyle, skin tone, body proportions, facial features and overall appearance.

IMPORTANT:
The final video is NOT split-screen.
Do NOT keep the right reference panel.
Generate the final video using ONLY the left desktop scene, with the woman naturally appearing inside that desktop environment.

--------------------------------------------------

STYLE

Ultra-photorealistic cinematic AI desktop wallpaper.
Looks like a real Windows desktop screen recording.
A realistic young Asian woman naturally interacts inside the desktop wallpaper.

Static camera.
Single continuous shot.
No cuts.
No zoom.
No pan.
No camera shake.
Keep the exact desktop composition unchanged.

The woman mainly stays on the RIGHT side.
Leave the LEFT side for subtitles.

--------------------------------------------------

SUBTITLE UI

Subtitles always appear in the LEFT CENTER of the screen.

Modern thin Chinese sans-serif font.
Medium size.
Soft glow.
No background box.

Female speech:
Light purple subtitle.
White speaker icon.

Male speech:
White subtitle.
White microphone icon.

Below the subtitle:
A thin white audio waveform that reacts in real time.

Characters appear one by one following speech.
Never show the whole sentence instantly.
Keep each subtitle for about 0.4 seconds after speaking, then fade out.

--------------------------------------------------

CHARACTER

Same woman throughout the entire video.
Never change face.
Never change hairstyle.
Never change age.
Never change body proportions.

Natural breathing.
Natural blinking.
Natural eye contact.
Realistic skin.
Realistic hair physics.

--------------------------------------------------

OUTFITS

Initial outfit:

Black-and-white striped fitted 3/4 sleeve top.

Black casual drawstring pants.

Thin silver necklace.

Outfit 1:

Blue-and-black plaid pleated skirt.

White over-knee socks.

Cute academy style.

Outfit 2:

Black fitted blazer.

White shirt.

Dark red plaid necktie.

Dark red plaid pleated skirt.

Sheer nude stockings.

Black loafers.

Elegant academy style.

Clothes must instantly change ONLY after she has completely exited the screen.
Never morph clothing while visible.

--------------------------------------------------

TIMELINE

00:00–00:03

The woman is already sitting on the RIGHT side of the black leather sofa, hugging a black cushion.

She gently brushes her hair back, smiles warmly and looks directly at the viewer.

She says:

“说吧……今天想看什么？”

Natural Chinese lip sync.

--------------------------------------------------

00:03–00:04

Off-screen male voice:

“想看JK。”

The woman listens quietly, smiling slightly.

--------------------------------------------------

00:04–00:06

She nods gently.

She replies:

“好，等我一下。”

She puts the cushion aside and naturally stands up.

--------------------------------------------------

00:06–00:09

She walks toward the RIGHT edge.

Natural footsteps.

Her hair moves naturally.

She completely exits through the RIGHT side.

The sofa becomes empty.

--------------------------------------------------

00:09–00:13

A short stylish whoosh sound.

The SAME woman walks back in from the RIGHT wearing Outfit 1.

She stands in front of the sofa without sitting.

She playfully turns her waist slightly, allowing the plaid skirt to sway naturally.

She smiles confidently.

She says:

“噔噔～我回来了，老公，怎么样？”

--------------------------------------------------

00:13–00:15

Male off-screen voice:

“嗯～不错。”

She laughs softly.

--------------------------------------------------

00:15–00:17

She suddenly remembers another outfit.

She says:

“等等～还有一套。”

She immediately turns and walks out through the RIGHT side.

--------------------------------------------------

00:17–00:21

The sofa stays empty briefly.

Another quick whoosh.

The SAME woman returns wearing Outfit 2.

She naturally adjusts her blazer and skirt.

She stands elegantly beside the sofa.

She says:

“这套呢？”

--------------------------------------------------

00:21–00:23

Male voice:

“这套也好看。”

She smiles proudly.

--------------------------------------------------

00:23–00:27

She slowly walks back to the sofa.

She sits down naturally.

She hugs the black cushion again.

She gently adjusts her collar and smooths her hair.

She keeps eye contact with the viewer.

--------------------------------------------------

00:27–00:30

She tilts her head slightly and smiles with a playful expression.

She says:

“机会用完啦。老公想留哪套呢？”

After finishing, she keeps smiling quietly.

The waveform gradually settles.

Fade out naturally.

--------------------------------------------------

AUDIO

Generate realistic native Mandarin female voice.

Generate realistic native Mandarin male off-screen voice.

Perfect Chinese lip synchronization.

Add natural footsteps.

Subtle clothing friction.

Soft leather sofa movement.

No background music.

Dialogue must always be clear.

--------------------------------------------------

PERFORMANCE

Natural adult woman.

Not anime.

Not exaggerated.

Opening: warm and gentle.

First outfit: playful and energetic.

Second outfit: elegant and confident.

Ending: affectionate and slightly teasing.

--------------------------------------------------

NEGATIVE

face change, identity drift, hairstyle change, age change, body proportion change, duplicate person, extra people, male visible, camera movement, zoom, cut, pan, desktop change, taskbar change, icon change, sofa moving, background change, clothing morph, instant teleport, entering from left, leaving from left, distorted hands, extra fingers, deformed legs, plastic skin, robotic motion, exaggerated expression, subtitle at bottom, English subtitles, garbled Chinese, wrong speaker, lip sync mismatch, watermark, logo