Skip to content

README-CN.md

Latest commit

 

History

History
81 lines (56 loc) · 4.49 KB

README-CN.md

File metadata and controls

81 lines (56 loc) · 4.49 KB

中文 | English

Step-Audio-TTS 的 ComfyUI 节点, 文本转语音, 可说话, 唱歌, RAP, 或者克隆声音.

更新

[2025-03-21]⚒️: 完全重构代码, 增加更多可调参数, 可根据文本长短调节 max_length. 可选 unload_model, 是否卸载模型, 加快推理速度.

[2025-03-07]⚒️: 自定义说话者直接在 ComfyUI\models\TTS\Step-Audio-speakers\speakers_info.json 中定义, 无需节点中输入.

请将本仓库中 Step-Audio-speakers 文件夹移动到 ComfyUI\models\TTS 文件夹中, 结构如下:

ComfyUI\models\TTS
├── Step-Audio-Tokenizer
├── Step-Audio-speakers
├── Step-Audio-TTS-3B

然后就可在 ComfyUI\models\TTS\Step-Audio-speakers 文件夹下随意自定义说话者即可使用. 注意说话者名称配置一定要一致:

[2025-03-06]⚒️: 新增录音节点 MW Audio Recorder 可用麦克风录制音频, 进度条显示录制进度:

参数名/Parameter 作用描述/Description 范围/Range 注意事項/Notes
trigger 录音触发开关 - 设为True开始录音
Recording trigger - Set to True to start recording		 Boolean (True/False) 需要从False切到True才能触发
Requires changing from False to True to activate
record_sec 主录音时长（秒）
Main recording duration (seconds)		 1-60 (整数/integer) 实际时长
Actual duration
n_fft FFT窗口大小（影响频率分辨率）
FFT window size (affects frequency resolution)		 512,1024,...,4096 (512倍数/multiplies) 值越大频率分辨率越高
Higher values give better frequency resolution
sensitivity 降噪灵敏度（值越高越激进）
Noise reduction sensitivity (higher=more aggressive)		 0.5-3.0 (步长0.1/step 0.1) 1.2=标准办公室环境
1.2=standard office environment
smooth 时频平滑系数（值越高越自然）
Time-frequency smoothing (higher=more natural)		 1,3,5,7,9,11 (奇数/odd numbers) 建议语音：5，音乐：7
Recommended: 5 for speech, 7 for music
sample_rate 采样率（影响音质与文件大小）
Sampling rate (affects quality & size)		 16000/44100/48000 Hz 44100=CD音质
44100=CD quality

[2025-03-02]⚒️: 增加实验性的 custom_mark, 用 "()" 包围例如 (温柔)(东北话), 它可能会有效.

[2025-02-25]⚒️: 支持自定义说话者 custom_speaker.

安装

cd ComfyUI/custom_nodes
git clone https://github.com/billwuhao/ComfyUI_StepAudioTTS.git
cd ComfyUI_StepAudioTTS
pip install -r requirements.txt

# python_embeded
./python_embeded/python.exe -m pip install -r requirements.txt

模型下载

下载到 ComfyUI\models\TTS 文件夹中.

Huggingface

模型 链接
Step-Audio-Tokenizer 🤗huggingface
Step-Audio-TTS-3B 🤗huggingface

Modelscope

模型 链接
Step-Audio-Tokenizer modelscope
Step-Audio-TTS-3B modelscope

支持 中文, 英文, 韩语, 日语, 四川话, 粤语等

致谢

本项目的部分代码来自：

感谢以上所有开源项目对本项目开源做出的贡献！