# DJZ-KokoroTTS ComfyUI 插件保姆级教程 ## 1. 插件简介 DJZ-KokoroTTS 是一个为 ComfyUI 设计的文字转语音插件，它使用了 KokoroTTS 技术来把文字变成语音。简单来说，就像是给你的 ComfyUI 添加了一个"朗读员"，你输入文字，它就能给你读出来。 **插件地址：** https://github.com/MushroomFleet/DJZ-KokoroTTS **能带来什么效果：** - 把你写的文字变成真人一样的语音 - 可以调整语音的速度、音调等 - 支持多种声音类型 - 可以混合不同的声音创造独特效果 ## 2. 如何安装 ### 方法一：手动安装 1. 打开你的 ComfyUI 安装文件夹 2. 找到 `custom_nodes` 文件夹 3. 把整个 DJZ-KokoroTTS 文件夹复制到 custom_nodes 文件夹里 ### 方法二：Windows 便携版自动安装 1. 双击运行 install-portable.bat 文件 2. 等待安装完成 3. 重启 ComfyUI ### 必需文件下载 你需要下载模型文件并放到 /comfyui/models/kokoro/ 文件夹中。这就像给朗读员准备"嗓子"一样： - 下载地址：https://github.com/taylorchu/kokoro-onnx/releases/download/v0.2.0/kokoro.onnx - 放置位置：`ComfyUI/models/kokoro/kokoro.onnx` ## 3. 节点逐一解析 ### 3.1 KokoroTTS_v2 节点（基础版朗读员） 这个节点就像是一个基础版的朗读员，它使用加权求和的方式来混合不同的声音。 #### 3.2 参数详解 | 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 文本输入 | text | 文本字符串 | 任意文本 | 这是你想要朗读的文字，就像给朗读员看的稿子 | 待转换的文本内容 | 输入"你好世界"，朗读员就会读出"你好世界" | | 语音类型 | voice | 声音选项 | 默认声音 | 选择朗读员的声音类型，就像选择男声女声一样 | 声音模型配置 | 选择"女声"会用女性声音朗读 | | 语速 | speed | 数值 | 1.0 | 控制朗读的快慢，就像调节播放速度 | 语音合成速度倍率 | 设置0.5读得慢，设置2.0读得快 | | 音调 | pitch | 数值 | 1.0 | 控制声音的高低，就像调节音调高低 | 基础频率调节 | 设置1.5声音更尖，设置0.5声音更低沉 | | 输出方式 | output_method | 选择项 | 直接播放 | 选择是直接播放还是保存成文件 | 音频输出处理方式 | 选择"保存文件"会在指定位置生成音频文件 | ### 3.3 KokoroTTS_v3 节点（高级版朗读员） 这个节点是升级版的朗读员，它使用球面插值的方式来混合声音，效果更好。 #### 3.4 参数详解 | 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 文本输入 | text | 文本字符串 | 任意文本 | 这是你想要朗读的文字，和v2一样 | 待转换的文本内容 | 输入"今天天气真好"，朗读员会读出来 | | 主要声音 | primary_voice | 声音选项 | 默认声音 | 选择主要的声音类型，就像选择主唱 | 主要声音模型 | 选择"成熟女声"作为主要声音 | | 次要声音 | secondary_voice | 声音选项 | 无 | 选择次要的声音类型，就像选择和音 | 辅助声音模型 | 选择"温柔男声"作为混合声音 | | 混合比例 | blend_ratio | 0.0-1.0 | 0.5 | 控制两种声音的混合比例，就像调节音量平衡 | 声音混合权重 | 设置0.3主要声音占70%，次要声音占30% | | 混合方式 | blend_method | 选择项 | 球面插值 | 选择声音混合的方法，球面插值效果更自然 | 声音融合算法 | 选择"球面插值"让声音混合更自然 | | 语速 | speed | 数值 | 1.0 | 控制朗读的快慢，和v2一样 | 语音合成速度倍率 | 设置0.8读得稍慢一些 | | 音调 | pitch | 数值 | 1.0 | 控制声音的高低，和v2一样 | 基础频率调节 | 设置1.2让声音稍微高一点 | | 输出格式 | output_format | 选择项 | WAV | 选择输出的音频格式，就像选择照片格式 | 音频文件格式 | 选择"MP3"生成更小的文件 | | 采样率 | sample_rate | 数值 | 22050 | 控制音频质量，就像调节图片清晰度 | 音频采样频率 | 设置44100获得更高质量 | | 输出路径 | output_path | 路径 | 默认路径 | 设置音频文件保存的位置 | 文件保存目录 | 设置"D:/语音文件/"保存到D盘 | ## 4. 使用技巧和建议 ### 4.1 声音混合技巧 - 如果想要温柔的声音：主要声音选女声，次要声音选温柔男声，混合比例设置0.3 - 如果想要有力的声音：主要声音选男声，次要声音选女声，混合比例设置0.7 - 新手建议先用 v2 版本，熟练后再试 v3 版本 ### 4.2 参数调节建议 - 语速建议范围：0.5-2.0，超出这个范围可能听起来很奇怪 - 音调建议范围：0.7-1.3，调节太大会失真 - 如果生成的语音有杂音，试试降低采样率 ### 4.3 文本处理建议 - 长文本建议分段处理，每段不超过200字 - 标点符号会影响语音的停顿，合理使用 - 英文和中文混合时，建议分开处理 ## 5. 常见问题解答 ### Q1：为什么我的节点不显示？ **A1：** 检查以下几点： - 是否正确安装了插件 - 是否下载了必需的模型文件 - 是否重启了 ComfyUI ### Q2：为什么生成的语音没有声音？ **A2：** 可能的原因： - 模型文件路径不正确 - 输出路径没有权限 - 文本内容为空或包含特殊字符 ### Q3：语音听起来很机械怎么办？ **A3：** 尝试以下方法： - 使用 v3 版本的球面插值混合 - 适当调节语速和音调 - 混合不同的声音类型 ### Q4：如何提高语音质量？ **A4：** 建议： - 提高采样率到 44100 - 使用 WAV 格式输出 - 确保文本语法正确 ## 6. 高级用法示例 ### 6.1 制作有感情的朗读 1. 使用 v3 版本 2. 主要声音选择"温柔女声" 3. 次要声音选择"磁性男声" 4. 混合比例设置 0.6 5. 语速设置 0.9 6. 音调设置 1.1 ### 6.2 制作播客风格的语音 1. 使用 v3 版本 2. 主要声音选择"成熟男声" 3. 语速设置 1.1 4. 音调设置 0.9 5. 输出格式选择 MP3 ### 6.3 批量制作语音内容 1. 准备多个文本节点 2. 连接到多个 KokoroTTS 节点 3. 设置不同的输出路径 4. 一次性生成多个语音文件 ## 7. 结语 DJZ-KokoroTTS 插件是一个功能强大的文字转语音工具，通过合理的参数设置和声音混合，可以创造出非常自然的语音效果。建议新手从基础功能开始，逐步探索高级特性。 记住：多试多练，每个人的喜好不同，找到最适合自己需求的参数组合是关键！
ComfyUI图像合并插件comfyui-merge使用教程 2025-07-03 22:44 ComfyUI 图像合并插件教程 (comfyui-merge) 1. 插件简介 这是一个专门用来合并图片的 ComfyUI 插件，就像用 PS 把多张图片叠在一起那样。它的特别之处在于你精确控制每张图片的混合方式。 GitHub 地址：https://github.com/LingSss9/com
%20(1).png)
