ComfyUI AV-FunASR 语音识别插件保姆级教程

1. 插件简介

ComfyUI-AV-FunASR 是一个帮你把语音转换成文字的小帮手。就像你平时用微信语音转文字一样，它可以帮你把音频文件中的说话内容转成文字。

GitHub 地址：https://github.com/avenstack/ComfyUI-AV-FunASR

2. 安装方法

就像在手机上安装新单，你只需要：

1. 打开你的 ComfyUI 文件夹
2. 找到 custom_nodes 文件夹
3. 在这里输入下面这行命令（就像复制粘贴一样）：

git clone https://github.com/avenstack/ComfyUI-AV-FunASR

1. 等它自己装好就行啦！

3. 节点详解

3.1 LoadAudio 节点

这就像是一个音频播放器的"打开文件"按钮，帮你把音频文件装载进来。

参数表格： | 参数名(UI显示) | 参数名(代码里) | 参数值 | 建议值 | 通俗解释 | 专业解释 | 使用例子 | |----------------|----------------|---------|---------|------------|------------|------------| | 音频文件路径 | audio_path | 字符串 | - | 你要转换的音频文件在电脑里的位置 | 音频文件的系统路径 | "C:/我的音乐/说话.mp3" |

3.2 ASRInference 节点

这就是负责听写的小助手，它会仔细"听"音频内容，然后把听到的内容写成文字。

参数表格： | 参数名(UI显示) | 参数名(代码里) | 参数值 | 建议值 | 通俗解释 | 专业解释 | 使用例子 | |----------------|----------------|---------|---------|------------|------------|------------| | 模型选择 | model_name | 字符串 | "paraformer-zh" | 选择识别引擎，就像选择翻译器一样 | ASR模型名称 | 中文就选"paraformer-zh" | | 语音分段时长 | chunk_size | 整数 | 20 | 每次听多长时间的内容，单位是秒 | 音频分块大小 | 设置为20就是每次听20秒 | | 重叠时长 | overlap_size | 整数 | 4 | 前后内容要重复听几秒，防止漏掉衔接处的话 | 音频片段重叠长度 | 一般设4秒就够了 |

4. 使用技巧和建议

• 音频最好是清晰的人声，背景噪音越少越好
• 如果识别不准，试试调大语音分段时长
• 中文识别选"paraformer-zh"效果最好
• MP3、WAV 格式的音频文件都可以用

5. 常见问题解答

Q：为什么我的音频文件打不开？ A：检查一下文件路径是不是写对了，要用正斜杠(/)而不是反斜杠()

Q：识别出来的文字很乱，怎么办？ A：可能是音频质量不好，换个清晰点的录音试试

Q：处理很长的音频要等很久？ A：是的，因为要一段一段仔细听，就像人要一句一句听完才能记下来一样

6. 实用小贴士

• 建议先用几个短音频试试效果
• 如果是长音频，可以先切成小段来处理
• 处理完的文字可以保存下来，方便以后使用

记住：这个插件就像是一个很耐心的"听写员"，你给它听什么，它就帮你写下来什么。只要音频够清晰，它就能帮你省下很多手动记录的时间！