%20(1).png)
ComfyUI-MARS5-TTS 插件保姆级使用教程
1. 插件简介
ComfyUI-MARS5-TTS 是一个超厉害的文字转语音插件，它能把你打的文字变成真人说话的声音！这个插件基于强大的 MARS5-TTS 模型，最神奇的地方是它可以学习别人的说话方式，然后用那个人的声音来说你写的文字。
插件地址： https://github.com/AIFSH/ComfyUI-MARS5-TTS
能带来什么效果： - 把任何文字变成真人语音 - 可以模仿特定人物的说话声音和语调 - 支持多种语言，主要是英文 - 生成的语音听起来很自然，不像机器人说话
想象一下，你可以让电脑用特朗普的声音说任何话，或者用你喜欢的主播声音来读你写的文章！
2. 如何安装
方法一：ComfyUI 管理器安装（推荐）
- 在 ComfyUI 界面右下角找到"Manager"按钮，点击它
- 在弹出的窗口中点击"Install Custom Nodes"
- 搜索框里输入"MARS5-TTS"
- 找到 "ComfyUI-MARS5-TTS" 点击安装
- 安装完成后重启 ComfyUI
方法二：手动安装
- 打开命令行工具
- 进入你的 ComfyUI 安装目录，找到 custom_nodes 文件夹
- 输入以下命令：
git clone https://github.com/AIFSH/ComfyUI-MARS5-TTS.git
cd ComfyUI-MARS5-TTS
pip install -r requirements.txt
- 重启 ComfyUI
注意： 插件会自动从网上下载需要的模型文件，可能需要等待一会儿。
3. 节点详细解析
3.1 MARS5-TTS 节点 - 核心语音生成器
这是整个插件的心脏，就像一个超级智能的配音演员。你给它文字和参考语音，它就能用参考语音的声音来说你写的话。
3.2 参数详解
| 参数名 (界面显示) | 参数名 (代码) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用示例 |
|---|---|---|---|---|---|---|
| 文字输入 | text | 文本框 | 任意文字 | 你想让电脑说的话，就像给演员的台词本 | 用于语音合成的文本输入 | "Hello, how are you today?" |
| 参考音频 | reference_audio | 音频文件 | 清晰的语音样本 | 你想模仿的声音样本，就像给演员听原声 | 用于语音克隆的参考音频输入 | 上传一段5-10秒的清晰语音 |
| 参考文本 | reference_text | 文本框 | 参考音频的文字内容 | 参考音频里说的具体内容，帮助电脑理解 | 参考音频对应的文本转录 | "We are going to make America great again" |
| 语音速度 | speed | 滑块 | 1.0 | 控制说话快慢，就像调节播放速度 | 语音合成的速度倍率 | 0.8（慢一点）到1.2（快一点） |
| 温度设置 | temperature | 滑块 | 0.7 | 控制语音的随机性，像调节创意程度 | 控制生成语音的随机性和多样性 | 0.3（更稳定）到1.0（更有变化） |
| 重复惩罚 | repetition_penalty | 滑块 | 1.1 | 避免重复说同样的话，像提醒演员别重复 | 减少生成语音中的重复内容 | 1.0到1.5之间 |
3.3 TTSTextEncode 节点 - 文字预处理器
这个节点就像一个文字整理员，它把你的文字整理成电脑更容易理解的格式。
3.4 参数详解
| 参数名 (界面显示) | 参数名 (代码) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用示例 |
|---|---|---|---|---|---|---|
| 输入文本 | text | 多行文本框 | 任意文字 | 你要转换成语音的文字，可以写很多行 | 用于TTS编码的文本输入 | 可以写整段文章或对话 |
| 语言设置 | language | 下拉菜单 | en（英文） | 选择文字的语言，就像选择字典 | 指定文本的语言类型 | en（英文）、zh（中文）等 |
| 编码方式 | encoding_method | 下拉菜单 | auto | 文字编码方式，通常自动就好 | 文本编码的处理方法 | auto（自动）、manual（手动） |
3.5 LoadAudioPath 节点 - 音频加载器
这个节点就像一个音频管家，帮你找到并加载电脑里的音频文件。
3.6 参数详解
| 参数名 (界面显示) | 参数名 (代码) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用示例 |
|---|---|---|---|---|---|---|
| 文件路径 | path | 文件选择器 | 音频文件地址 | 你要加载的音频文件在电脑里的位置 | 音频文件的完整路径 | C:\Music\voice_sample.wav |
| 音频格式 | format | 下拉菜单 | auto | 音频文件的格式，就像文件的"方言" | 指定音频文件的格式类型 | WAV、MP3、FLAC、M4A |
| 采样率 | sample_rate | 数字输入 | 22050 | 音频质量设置，数字越大音质越好 | 音频的采样频率 | 16000（普通）、22050（好）、44100（很好） |
| 音量调整 | volume | 滑块 | 1.0 | 调节音频音量大小，就像音量键 | 音频播放的音量倍率 | 0.5（小声）到2.0（大声） |
3.7 PreViewAudio 节点 - 音频预览器
这个节点就像一个音频播放器，让你可以听听生成的语音效果怎么样。
3.8 参数详解
| 参数名 (界面显示) | 参数名 (代码) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用示例 |
|---|---|---|---|---|---|---|
| 音频输入 | audio | 音频连接 | 来自其他节点 | 接收其他节点传来的音频，就像接音响线 | 音频数据的输入接口 | 连接MARS5-TTS节点的输出 |
| 播放模式 | play_mode | 下拉菜单 | auto | 控制如何播放音频，自动还是手动 | 音频播放的控制方式 | auto（自动）、manual（手动） |
| 循环播放 | loop | 复选框 | false | 是否重复播放，就像单曲循环 | 控制音频是否循环播放 | true（循环）、false（不循环） |
| 音量控制 | volume_control | 滑块 | 0.8 | 预览时的音量大小 | 预览播放的音量设置 | 0.1（很小声）到1.0（最大声） |
3.9 SaveAudio 节点 - 音频保存器
这个节点就像一个音频录音机，把生成的语音保存到你的电脑里。
3.10 参数详解
| 参数名 (界面显示) | 参数名 (代码) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用示例 |
|---|---|---|---|---|---|---|
| 音频输入 | audio | 音频连接 | 来自其他节点 | 要保存的音频数据 | 音频数据的输入接口 | 连接MARS5-TTS节点的输出 |
| 保存路径 | save_path | 文件路径 | 输出文件夹 | 音频文件要保存到哪个文件夹 | 音频文件的保存目录 | C:\MyVoices\ |
| 文件名 | filename | 文本输入 | 自定义名称 | 保存的文件叫什么名字 | 输出音频文件的名称 | "my_voice_output" |
| 保存格式 | save_format | 下拉菜单 | wav | 保存成什么格式的音频文件 | 输出音频的文件格式 | wav（最好）、mp3（常用）、flac（高质量） |
| 音质设置 | quality | 滑块 | 0.9 | 音频质量，数字越大文件越大但音质越好 | 音频压缩的质量参数 | 0.7（普通）到1.0（最高质量） |
4. 使用技巧和建议
4.1 选择好的参考音频
- 长度： 5-15秒最佳，太短学不好声音特征，太长浪费时间
- 质量： 要清晰，没有背景音乐或杂音
- 内容： 最好是自然说话，不要唱歌或大喊大叫
- 语言： 参考音频的语言要和你要生成的文字语言一致
4.2 文字输入小贴士
- 标点符号： 该用逗号用逗号，该用句号用句号，这样语音的停顿更自然
- 特殊符号： 避免使用太多表情符号或特殊字符
- 长度控制： 一次不要输入太长的文字，分段处理效果更好
4.3 参数调节建议
- 新手推荐： 所有参数都用默认值，先熟悉基本操作
- 想要更稳定的声音： 把temperature调低到0.3-0.5
- 想要更有感情的声音： 把temperature调高到0.8-1.0
- 声音太快： 把speed调低到0.8-0.9
- 声音太慢： 把speed调高到1.1-1.2
4.4 工作流程建议
- 先准备材料： 找好参考音频，写好要转换的文字
- 测试小段： 先用一两句话测试效果
- 调节参数： 根据测试结果调节各种参数
- 批量处理： 满意后再处理完整的文本
5. 常见问题解答
5.1 为什么生成的声音不像参考音频？
原因： 参考音频质量不好，或者参考文本不准确 解决方法： - 换一个更清晰的参考音频 - 确保参考文本和参考音频内容完全一致 - 参考音频长度在5-15秒之间
5.2 为什么生成速度很慢？
原因： 电脑配置不够，或者文本太长 解决方法： - 把长文本分成几个短段落分别处理 - 确保电脑有足够的显存（建议8G以上） - 关闭其他占用显存的程序
5.3 为什么声音听起来很机械？
原因： 参数设置不当，或者参考音频不够自然 解决方法： - 增加temperature值到0.7-0.8 - 选择更自然的参考音频 - 确保参考文本的标点符号正确
5.4 支持中文吗？
原因： MARS5-TTS主要针对英文优化 解决方法： - 英文效果最好，中文效果可能不理想 - 可以尝试用英文参考音频生成中文，但效果不保证 - 建议使用英文文本获得最佳效果
5.5 生成的音频文件在哪里？
原因： 没有连接SaveAudio节点或路径设置错误 解决方法： - 确保工作流程中包含SaveAudio节点 - 检查保存路径是否正确 - 查看ComfyUI的输出文件夹
6. 进阶玩法
6.1 制作多角色对话
你可以用不同的参考音频创建多个MARS5-TTS节点，让不同角色说不同的话，最后合成一段对话。
6.2 批量处理
准备一个文本文件，里面写好很多句话，然后用插件批量转换成语音，可以制作有声读物。
6.3 语音变声
用一个人的声音作为参考，让电脑说完全不同的内容，实现语音变声效果。
6.4 配音制作
为视频或动画制作配音，只需要找到合适的参考声音，就能制作出专业级的配音效果。
7. 注意事项
7.1 版权问题
- 不要使用受版权保护的音频作为参考
- 生成的语音仅供个人学习使用
- 商业用途需要获得相应授权
7.2 伦理使用
- 不要冒充他人身份制作语音
- 不要制作误导性或有害内容
- 尊重他人的声音和形象权
7.3 技术限制
- 生成效果受参考音频质量影响很大
- 某些口音或语言可能效果不佳
- 需要较好的电脑配置才能流畅运行
这个插件真的很强大，掌握了基本用法后，你就可以制作出非常逼真的语音效果了！记住多练习，多尝试不同的参数组合，你会发现更多有趣的玩法。如果遇到问题，可以到ComfyUI社区或者插件的GitHub页面寻求帮助。