# F5-TTS-ComfyUI 插件超详细新手教程 ## 1. 插件简介 F5-TTS-ComfyUI 是一个神奇的语音合成插件，原项目地址：https://github.com/AIFSH/F5-TTS-ComfyUI **这个插件能做什么？** 简单来说，它就像一个声音变音器，你只需要给它一段参考音频（比如你朋友的声音）和一些文字，它就能用你朋友的声音把那些文字"说"出来。就像是给AI装上了你想要的任何人的嗓子！ **能带来什么效果？** - 制作有声小说：用你喜欢的声音朗读故事 - 语音教学：让枯燥的文字变成生动的语音 - 创作视频配音：不用真人录音也能有专业配音效果 - 语言学习：模仿标准发音练习口语 ## 2. 如何安装 ### 方法一：通过 ComfyUI 管理器安装（推荐） 1. 打开 ComfyUI 2. 点击右边的"管理器"按钮 3. 在搜索框里输入"F5-TTS" 4. 找到 AIFSH/F5-TTS-ComfyUI，点击"安装" 5. 重启 ComfyUI ### 方法二：手动安装 1. 找到你的 ComfyUI 安装目录 2. 进入 `custom_nodes` 文件夹 3. 在这里打开命令行，输入： ``` git clone https://github.com/AIFSH/F5-TTS-ComfyUI ``` 4. 进入插件文件夹，安装依赖： ``` pip install -r requirements.txt ``` 5. 重启 ComfyUI **国内用户特别提醒：** 如果下载模型很慢，可以手动下载解压后把 F5-TTS 文件夹放到 `ComfyUI/models/AIFSH` 目录下面。 ## 3. 节点逐一解析 ### 3.1 F5TTSNode 节点 - 主要的声音合成器 这个节点就像一个声音工厂，你给它原材料（文字和参考声音），它就给你生产出新的语音。 #### 参数详解： | 参数名 (界面显示) | 参数名 (代码内部) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用举例 | |:---|:---|:---|:---|:---|:---|:---| | 生成文本 | gen_text | 文本框 | 你想说的话 | 就像给演员台词本，写上你想让AI说的话 | 待合成的目标文本内容 | "你好，欢迎来到我的频道" | | 参考音频 | ref_audio | 音频文件 | 清晰的人声录音 | 就像给AI一个声音样本，让它学会怎么说话 | 用于声音克隆的参考音频文件 | 上传一段10-30秒的清晰人声 | | 参考文本 | ref_text | 文本框 | 参考音频对应的文字 | 告诉AI这段参考音频里说的是什么，帮助它更好地学习 | 与参考音频内容对应的文本转录 | "大家好，我是小明" | | 模型选择 | model_type | 下拉选择 | F5-TTS | 就像选择不同的声音引擎，不同引擎效果不同 | 选择使用的TTS模型类型 | 一般选择 F5-TTS | | 移除静音 | remove_silence | 开关 | 开启 | 就像给录音做剪辑，去掉开头结尾的静音部分 | 自动检测并移除音频首尾的静音段 | 开启后声音更紧凑 | | 音频长度 | audio_length | 数字 | 15 | 就像设置录音时间，决定最终声音有多长 | 生成音频的时长限制（秒） | 15秒适合大多数情况 | | 语言设置 | language | 下拉选择 | 中文/英文 | 告诉AI你说的是什么语言，这样它发音更准确 | 指定合成语音的语言类型 | 中文内容选中文 | ### 3.2 F5TTSLoadAudio 节点 - 音频加载器 这个节点就像一个音频播放器，专门用来加载和处理音频文件。 #### 参数详解： | 参数名 (界面显示) | 参数名 (代码内部) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用举例 | |:---|:---|:---|:---|:---|:---|:---| | 音频文件 | audio_file | 文件选择 | 音频文件路径 | 就像选择一首歌，从文件夹里挑选你要用的音频 | 指定要加载的音频文件路径 | 选择wav、mp3等格式的音频 | | 开始时间 | start_time | 数字 | 0 | 就像快进到某个时间点，从音频的第几秒开始截取 | 音频截取的起始时间点（秒） | 0表示从头开始 | | 结束时间 | end_time | 数字 | -1 | 就像设置结束时间，到第几秒停止截取 | 音频截取的结束时间点（秒） | -1表示到音频末尾 | | 音量调节 | volume | 数字 | 1.0 | 就像调节音响音量，控制声音大小 | 音频输出的音量倍数 | 1.0是原音量，2.0是双倍 | ### 3.3 F5TTSPreview 节点 - 音频预览器 这个节点就像一个音频监视器，让你可以听到和看到生成的音频效果。 #### 参数详解： | 参数名 (界面显示) | 参数名 (代码内部) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用举例 | |:---|:---|:---|:---|:---|:---|:---| | 音频输入 | audio_input | 音频数据 | 来自其他节点 | 就像音响的输入线，接收要播放的音频信号 | 接收音频数据流用于预览 | 连接F5TTSNode的输出 | | 显示波形 | show_waveform | 开关 | 开启 | 就像看心电图一样，显示声音的波浪线图案 | 是否显示音频的波形图 | 开启后可以看到声音的形状 | | 播放控制 | play_control | 开关 | 开启 | 就像音乐播放器的播放按钮，控制是否自动播放 | 是否启用音频播放功能 | 开启后可以直接听到效果 | ### 3.4 F5TTSSaveAudio 节点 - 音频保存器 这个节点就像一个录音机的保存功能，把生成的音频保存成文件。 #### 参数详解： | 参数名 (界面显示) | 参数名 (代码内部) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用举例 | |:---|:---|:---|:---|:---|:---|:---| | 音频输入 | audio_input | 音频数据 | 来自其他节点 | 就像录音机的输入，接收要保存的声音 | 接收需要保存的音频数据 | 连接F5TTSNode的输出 | | 文件名 | filename | 文本 | output_audio | 就像给文件起名字，决定保存的文件叫什么 | 保存音频文件的名称 | "我的配音_001" | | 保存格式 | save_format | 下拉选择 | wav | 就像选择保存照片是jpg还是png，选择音频格式 | 指定保存的音频文件格式 | wav格式质量最好 | | 保存路径 | save_path | 文本 | 默认路径 | 就像选择把文件放在哪个文件夹里 | 指定文件保存的目录路径 | 默认在output文件夹 | | 采样率 | sample_rate | 数字 | 44100 | 就像设置照片清晰度，数字越大音质越好 | 音频的采样频率（Hz） | 44100是CD音质 | ### 3.5 F5TTSTextPreprocess 节点 - 文本预处理器 这个节点就像一个文字编辑器，专门用来整理和优化要合成的文本。 #### 参数详解： | 参数名 (界面显示) | 参数名 (代码内部) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用举例 | |:---|:---|:---|:---|:---|:---|:---| | 输入文本 | input_text | 文本框 | 原始文本 | 就像给作文纸，写上你想要处理的文字 | 需要进行预处理的原始文本 | "Hello，世界！123" | | 清理标点 | clean_punctuation | 开关 | 开启 | 就像给文章校对，去掉不必要的标点符号 | 是否清理和标准化标点符号 | 开启后语音更自然 | | 数字转文字 | number_to_text | 开关 | 开启 | 就像把"123"变成"一二三"，让AI读得更自然 | 将数字转换为对应的文字形式 | "2024年"变成"二零二四年" | | 英文处理 | english_processing | 开关 | 开启 | 就像给英文单词加拼音，帮助AI读准英文 | 对英文内容进行语音优化处理 | 让中文AI也能读好英文 | | 语言检测 | language_detection | 开关 | 开启 | 就像智能识别，自动判断文字是中文还是英文 | 自动检测文本的语言类型 | 混合语言自动识别 | ## 4. 使用技巧和建议 ### 4.1 音频质量优化技巧 - **参考音频选择**：选择清晰、无背景噪音的录音，10-30秒最佳 - **文本匹配**：确保参考文本与参考音频内容完全对应 - **语言一致性**：参考音频和生成文本最好是同一种语言 ### 4.2 生成效果提升方法 - **标点符号使用**：适当使用逗号、句号来控制语音节奏 - **文本长度控制**：单次生成不要超过50个字，太长效果会变差 - **多次尝试**：同样的文本可以多生成几次，选择最好的结果 ### 4.3 工作流程建议 1. 先用 F5TTSLoadAudio 加载参考音频 2. 用 F5TTSTextPreprocess 预处理文本 3. 用 F5TTSNode 生成音频 4. 用 F5TTSPreview 预览效果 5. 满意后用 F5TTSSaveAudio 保存 ## 5. 常见问题解答 ### 5.1 生成的声音不像参考音频怎么办？ - 检查参考音频是否清晰无噪音 - 确认参考文本与音频内容完全一致 - 尝试更换不同的参考音频段落 ### 5.2 生成速度很慢怎么办？ - 检查电脑显卡是否支持CUDA加速 - 减少生成文本的长度 - 关闭其他占用显卡的程序 ### 5.3 出现错误提示怎么办？ - 检查模型文件是否下载完整 - 确认音频文件格式是否支持 - 重启ComfyUI试试 ### 5.4 中英文混合文本怎么处理？ - 开启 F5TTSTextPreprocess 节点的所有预处理功能 - 分别处理中文和英文部分 - 选择支持多语言的参考音频 ## 6. 进阶玩法 ### 6.1 批量生成 可以通过循环节点实现批量文本转语音，适合制作长篇有声读物。 ### 6.2 情感控制 虽然节点本身没有情感参数，但可以通过选择不同情感的参考音频来影响生成效果。 ### 6.3 多角色配音 为不同角色准备不同的参考音频，可以制作多人对话的音频内容。 ## 7. 注意事项 ### 7.1 版权声明 - 请注意使用他人声音的法律风险 - 仅用于个人学习和创作，不要用于商业用途 - 尊重原声音主人的权益 ### 7.2 技术限制 - 生成质量取决于参考音频质量 - 长文本生成可能出现不稳定情况 - 某些特殊发音可能不够准确 这个插件就像给你的电脑装上了一个万能配音演员，只要你给它足够好的"剧本"和"声音样本"，它就能为你创造出各种各样的语音内容。记住，熟练使用需要多多练习，不要怕出错，每次尝试都是在积累经验！
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)
