ComfyUI-BS_Kokoro-onnx 超详细安装使用教程

1. 插件简介

GitHub地址： https://github.com/Burgstall-labs/ComfyUI-BS_Kokoro-onnx

ComfyUI-BS_Kokoro-onnx 是一个专门用来把文字变成语音的插件，它就像一个会说话的机器人助手。想象一下，你在手机上用语音助手的感觉，这个插件就是把你写的文字"念"出来，而且还能选择不同的声音！

这个插件能给我们带来什么？ - 把任何文字转换成真人般的语音 - 可以选择不同的声音角色（男声、女声、不同口音） - 生成高品质的音频文件 - 特别适合制作视频配音、有声读物、语音提示等

2. 如何安装

方法一：手动安装（推荐）

1. 打开文件夹
2. 找到你的ComfyUI安装文件夹

3. 进入 custom_nodes 文件夹（就像进入一个专门放工具的工具箱）

4. 下载插件 bash git clone https://github.com/Burgstall-labs/ComfyUI-BS_Kokoro-onnx

5. 安装依赖 bash cd ComfyUI-BS_Kokoro-onnx pip install -r requirements.txt

6. 下载模型文件

7. 需要下载两个重要文件（就像下载字典一样，让软件知道怎么发音）
8. 把这两个文件放到 /custom_nodes/ComfyUI-BS-Kokoro-onnx/ 文件夹里

方法二：通过ComfyUI管理器

目前这个插件还没有加入到ComfyUI管理器中，所以请用方法一安装。

3. 节点详细解析

3.1 Kokoro TTS 节点 - 文字转语音器

这是插件的核心节点，就像一个"会说话的打字机"。你输入文字，它就能用选定的声音把文字读出来。

3.2 参数详解

可选择的声音角色：

• af_sarah - 女声，温和亲切
• am_adam - 男声，磁性稳重
• bf_emma - 女声，年轻活泼
• 还有其他多种声音选择

3.3 输出参数

输出的音频包含： - 音频波形 - 就像录音机录下的声音信号 - 采样率 - 决定音质好坏的数字，数值越高音质越好

4. 使用技巧和建议

文本输入技巧

1. 标点符号很重要：句号会产生停顿，问号会有疑问语调
2. 分段输入：长文本可以分成多段，每段单独处理
3. 避免特殊字符：尽量使用常见的中英文字符

声音选择建议

1. 内容匹配：正式内容选择成熟声音，轻松内容选择年轻声音
2. 测试对比：同一段文字用不同声音生成，选择最合适的
3. 保持一致：同一项目建议使用相同的声音角色

质量优化

1. 文本长度：建议单次输入不超过500字，避免内存占用过大
2. 语速控制：通过标点符号控制语速和停顿
3. 后期处理：可以配合音频处理节点进行降噪、音量调整等

5. 常见问题解答

Q1：安装后找不到节点？

A1： 重启ComfyUI，并检查是否正确安装了所有依赖文件。

Q2：生成的音频没有声音？

A2： 检查是否下载了模型文件，并确保文件放在正确的位置。

Q3：某些文字发音不准确？

A3： 可以尝试： - 调整文本的写法（比如数字写成中文） - 添加标点符号帮助断句 - 选择不同的声音角色

Q4：生成速度很慢？

A4： - 检查电脑配置，确保有足够的内存 - 减少单次输入的文本长度 - 关闭其他占用内存的程序

Q5：支持中文吗？

A5： 根据模型支持情况，主要支持英文，中文支持可能有限。

6. 工作流程示例

基础语音生成流程

1. 添加"Kokoro TTS"节点
2. 在"文本内容"框输入要转换的文字
3. 选择合适的"说话人"
4. 连接到音频预览或保存节点
5. 运行工作流程

高级应用场景

1. 视频配音：配合视频节点制作有声视频
2. 多语言内容：使用不同声音角色制作多语言版本
3. 互动应用：结合文本生成节点制作动态语音内容

7. 注意事项

1. 模型文件：确保下载完整的模型文件，文件较大需要耐心等待
2. 版权问题：生成的语音仅供个人学习使用，商业用途需注意版权
3. 资源占用：语音生成需要较多内存，建议在性能较好的设备上使用
4. 更新维护：这是作者的第一个开源项目，欢迎反馈和贡献

8. 扩展应用

配合其他节点使用

• 音频处理节点：对生成的语音进行后期处理
• 视频合成节点：制作有声视频内容
• 文本生成节点：自动生成文本并转换为语音

创意应用场景

• 制作播客节目
• 生成语音教程
• 创建有声小说
• 制作多媒体演示

这个插件虽然功能专一，但在文字转语音的应用场景中非常实用。配合ComfyUI的其他节点，可以创造出许多有趣的应用！