DemonGatanjieu-Anomalous_Model_Browser/docs/guides/audio-studio.md

音频工作台使用说明

插件里也能看简版：进入音频页后，点右上角的 !。

---

0. 需要什么

音频页用 GPT-SoVITS 给角色配音，需要节点包 Anomalous_TTS。

• 没装时，音频页中间会写它能做什么、怎么装。页面不会弹窗打扰你。
• 装好后，重启 ComfyUI，再点“刷新音色”就能看到角色。
• 没装也不影响插件的其他功能。

左边的侧栏

• 分组：角色按语言分组（中文、日语、英语、未标语言）。点组名可以收起，下次打开还是收着的。只有一组时不分组。
• 展开角色：点角色名左边的小箭头，下面会列出它的每条声音（主声音、{开心} 这样的情绪）。点一条就在右边播放，再点一下停。
• 拖到节点上：侧栏里的角色可以直接拖到节点上，和拖右边卡片的标题栏一样。
• 小红点：角色名后面有小红点，说明这个角色有问题（读取失败，或者没有能当主声音的音频）。鼠标停在点上能看到原因。
• 搜索：角色有 6 个以上时，顶上会出现搜索框，可以搜角色名、别名或情绪名。
• 拖文件：把音频、模型文件拖到侧栏里的某个角色上，会打开“添加文件”；拖到空白处就是导入新角色。

还没有角色的话，先看第 4 节“导入角色”。

---

1. 角色卡片怎么用

每个角色一张卡片：

┌───────────────────────────────────────────────┐
│ ⠿ 🎙 Arona      参考音频  读音  添加文件  3 角色音色预设 │  ← 标题栏：代表“整个角色”
├───────────────────────────────────────────────┤
│ ▶ MAIN   “それぞれの学園…”    [{main}]             │  ← 每一行：一条参考音频
│ ▶ ANGRY  “相手の雰囲気が…”    [{angry}]            │
│ ▶ HAPPY  “うん、よし！…”      [{happy}]            │
└───────────────────────────────────────────────┘

操作	结果
点 ▶	试听这一条
点右边的 复制 {标签} 按钮（角色设了情绪才有）	复制标签，粘贴到台词里
拖标题栏 → 放到 角色语音 (GPT-SoVITS) 节点	节点的“角色”设为这个角色
参考音频与情绪 / 读音 / 添加文件	见第 2、4 节

情绪靠台词里的 {happy} 这种标签来切换，所以拖的是整个角色，不是某一条音频。

拖动时看提示

拖动时，鼠标旁边有一个提示框：

• 白色：松手：GPT-SoVITS 节点的角色设为 Arona。可以松手。
• 黄色：拖到了不合适的节点，提示会写原因和正确做法。这时候松手什么也不会改。

目前只接收 角色语音 (GPT-SoVITS) 节点，其他节点一律不接收。这是故意的：插件不靠猜，避免写错地方。

2. 配音：一段话多种情绪

1. 在 角色语音 页顶部从 角色 切到 配音。先在左边列表里点一个角色，贴进来的台词就由 TA 念。
2. 把整段台词粘贴进去，点 分成句子。每句话会变成一张卡片。
3. 每张卡片点一下情绪（主声音 / happy / angry……），旁边的小喇叭能听这个情绪原本的参考声音。角色只有主声音时不显示情绪按钮。也可以直接改字；鼠标移到卡片上会出现 ✂（在光标处拆开）、↧（和下一句合并）、×（删除）。

直接生成，不用画布

页面够宽时分成两栏：左边是台词卡片，右边是 生成语音 和设置面板。窗口窄或者浏览器停靠在侧边时，这些放在台词下面。两种情况都只有台词这一块会滚动，句子再多，按钮也一直看得见。

左边选，右边改；设置分三层。 右边的面板跟着你选了什么变，最上面一条路径告诉你现在改的是哪一层，比如 整份剧本 › Aris › 第 2 句，点前面的就回到上一层（Esc 也行）：

• 整份剧本（什么都没选）：所有人默认按这个念。下面列出剧本里的每个角色，点一个就只改 TA。
• 角色（在左边列表里点角色）：这个角色在这份剧本里怎么念，只影响 TA 的句子。点 以后都这样念，把 TA 的快慢和语言存成平时的，以后的剧本也这样。
• 句子（点句子，Ctrl / Shift 多选）：谁念 点名字就换人；只影响选中的这几句，卡片上会出现一个小黄标签写着改了什么。

每一层都是同样三行：快慢、语气、语言。每行右边的小标签写着这个值是哪一层定的：黄色“这一句”、紫色角色名、灰色“整份剧本”或“默认”，还有“TA 平时”（存过的默认）。点标签就跳到那一层；点 ↺ 让这一层不再单独设，跟上一层走。越具体的越优先：这一句 > 角色 > 整份剧本 > 角色平时的设置。

语气下面有 ▶ 试听这句 和 看数字（和平时比差在哪、具体数字，top_k、temperature 这些可以直接改）。面板最下面一行是 永久设置（语气档位、角色的专属设置），它们不只管这份剧本，所以单独放着。

草稿箱：每份剧本都会自动存成一份草稿（改动后半秒就存，存在 ComfyUI 的 user 文件夹里，清浏览器缓存、换浏览器都不会丢）。配音页最上面一条写着这份剧本的名字（点一下改名；没起名就用第一句台词），旁边是 新建（开一份空白的，这份留着）、草稿箱 和 关闭剧本。草稿箱里每份剧本一张卡片，写着谁念、几句、什么时候改的，可以打开、改名、复制一份、删除；删掉的放在 最近删除 里 30 天，随时找回。刷新或重启 ComfyUI 后，打开的还是刚才那份；从音频库“重新配音”会另开一份，不会盖掉手上的。按角色、按句分开设置需要 Anomalous_TTS 接口版本 17（1.1.0）；旧版本时整段按第一句的角色念，面板上会提示。

1. 点 生成语音。插件直接交给 ComfyUI 生成，画布上的工作流一个不动；ComfyUI 正在出图时会先排队。
2. 生成完自动播放，写着“生成好了，用时几秒”。文件存在 output/audio/角色名/；点 已存进音频库 › 直接去音频库。
3. 不满意：
   • 某一句不好，点那张卡片上的 ↻，只把这一句换一版，其他句子不变（直接用缓存，很快）。
   • 整段都不好，点 整段换一版，换一个种子全部重新生成。

需要 Anomalous_TTS 接口版本 11 以上；旧版本时这里会提示更新，仍然可以推送到节点、在画布上运行。

放进自己的工作流

生成按钮下面的 放进自己的工作流 一栏，把剧本写进画布上的 角色语音 (GPT-SoVITS) 节点：

• 点 推送到节点：写进选中的节点。画布上只有一个这种节点时，不用选。
• 按住 拖到节点，把整段剧本拖到某个节点上。
• 点 复制剧本：复制带标签的台词，例如

  {main} 老师，早上好！
  {happy} 今天也要加油哦！
  

推送和拖动都会同时设置“角色”和“台词”，写错了可以按 Ctrl+Z 撤回。节点里原来有台词时，会先问要不要覆盖。

某个词总是读错

角色卡片上的 读音 打开这个角色的读音表：左边写剧本里的字，右边写让它实际读的字，例如 C站 → 西站、粘进 → 沾进。剧本和字幕照常写，只影响念出来的声音。

• 每一行的 现在 听这个角色现在怎么读左边的字，改后 听右边的字，对比着改。试听不会存进音频库。
• 日语模型说中文时特别有用：它发不好的音（选、全这类 ü，模型、行这类后鼻音）换成好读的同音字，或在前面加个字；英文字母写成读音相近的汉字。
• 长的先匹配，只替换一遍。只对这个角色生效。

3. 找回结果

• 生成的音频在图标栏的 音频库：
  • 每条会显示台词、声音和种子，可以试听、按台词搜索、删除。
  • 只在预览里出现、还没保存的临时结果，列在“未保存的预览”里，点 保存 就能存到 output/audio/。

4. 导入角色和设置

设置

工具栏上有 导入角色。还没有角色时，中间是一块空的导入区，直接把文件拖进去或点 + 导入角色。

存放位置、基础文件这些设置在左边侧栏的最下面：GPT-SoVITS 设置，点开是一个窗口。基础文件（GPT-SoVITS 生成时要用的几个公用模型）缺了不会挡路（第一次生成时会自动下载），所以只在这个入口上放一个小黄点：已有角色用到的基础文件还没下载时才出现。窗口里第一行写着缺几个、多大，可以 现在下载，也可以点 不再提醒；都齐了时写着“一切就绪”。以后导入了要用新基础文件的角色（比如第一个中文角色），小黄点会再出现。缺 Python 包时是小红点，不能关掉。下载的进度也写在这个入口下面。

标题旁边的小标签写着状态（一切就绪 / 缺几个基础文件 / 缺 Python 包）。下面分成几类，一次看一类；哪一类需要你处理，名字旁边有个小黄点，打开窗口时直接停在那一类：

• 语气：平时用哪种语气（平稳 / 自然 / 生动 / 自建的），可以试听、设为默认；右上角 简单 / 看数字 切换要不要显示具体数字。

• 说别的语言：角色说的不是参考音频的语言（比如日语角色说中文）时用哪种语气。

• 基础文件：每一项是已就绪、缺少还是下载中，可以单个 下载 或 全部下载。只说日语的角色不需要中文那几项；标“可选”的缺了也能用。缺 Python 包时这里给出安装命令，复制到命令行运行后重启 ComfyUI。

• 存放位置：

  • 角色存放位置：导入的角色都放在这里，默认 ComfyUI/models/gpt_sovits/。
  • 其他位置：设置文件里写的其他角色文件夹，以及 extra_model_paths.yaml 里的文件夹。

• 设置文件：Anomalous_TTS 的设置文件 ComfyUI/user/anomalous_tts.json 的位置，可以复制路径。存放位置、其他角色文件夹和已有的 GPT-SoVITS 整合包（用包里的底模，不用再下一遍）都在这个文件里改，窗口里改不了：节点不接受网页指定的本机路径，这样网页就决定不了它在哪里建、删文件夹或读哪些文件。路径写完整，改完不用重启：

  {
    "format": 1,
    "storage": "D:/voices",
    "libraries": ["E:/old voices"],
    "pretrained": ["D:/GPT-SoVITS/GPT_SoVITS"]
  }
  

  要换存放位置，先把角色文件夹自己移过去，再改 storage。

导入表单里选了语言后，下面会用小字写出生成时还要用到哪些底模。

这些操作会读写运行 ComfyUI 那台电脑上的文件，所以只能在那台电脑上用；从别的设备打开时按钮是灰的。

导入角色（新用户从这里开始）

点 导入角色。第一次打开时会有一段遮罩引导，一步步指给你看；之后随时点窗口右上角的 ? 再看一遍。窗口顶上写着现在在哪一步：① 选方式 → ② 放入文件 → ③ 导入。

① 选方式：窗口先问“你手上有什么？”

• 一个角色：这个角色的 GPT 模型、SoVITS 模型和几段参考音频。会一步步带你放好。
• 很多角色 / 整合包：一次导入好几个角色，或者选一个 GPT-SoVITS 整合包文件夹，会按名字自动分好。
• 给已有角色加声音：选一个已经导入的角色，往里面加参考音频、台词文件或新模型。

直接把文件拖到音频页或这个窗口上，会跳过这一步，按“很多角色”处理（一个角色的文件也能正确认出来）。选错了可以点 ‹ 换一种方式（还没放文件时才有）。

② 放入文件：每个角色一张卡片，卡片最上面是一份待办清单，永远高亮下一步，按钮就在那一行：

1. 放 GPT 模型（.ckpt，在整合包的 GPT_weights 文件夹里）
2. 放 SoVITS 模型（.pth，在 SoVITS_weights 文件夹里）
3. 放几段参考音频（3~10 秒、说得清楚的）
4. 选一段当主声音：在音频列表里点 ☆，变成 ★ 就是主声音（一般会自动选好）
5. 给角色起个名字（一般会从模型文件名自动填好；卡片标题就是名字，可以直接改）

做完一项就打勾；卡片标题旁写着“还差 N 步”，全部完成变成绿色的 可以导入。任何时候都可以直接把文件拖进窗口，会自动放到对的地方。

参考音频一段一行：点前面的 ▶ 试听，再点一次（■）停止；点另一段就直接换过去，方便一段段对比着挑。上传中、还没分给角色的音频都能听。填上情绪名（例如“开心”）就成了 {开心}。不在 3~10 秒的音频不会导入（节点用不了它们），连同同名的台词文件一起收进卡片底部的“不导入”，点开能看到是哪些。一个角色音频很多时先显示前 60 段，点 显示全部 看其余的。台词会自动从同名 .txt / .lab 或标注文件里找；台词框是黄框表示台词取自文件名，请确认；红色虚线框表示没找到，可以粘贴，也可以把 .txt / .lab / .list 拖到框里。卡片底部是台词文件和 角色说的语言（一般自动判断就行）。

很多角色 / 整合包时：

• 一个文件夹一个角色：一个文件夹里（包括它的子文件夹）只有一套 GPT + SoVITS 模型，还有音频或台词，它就是一个角色，用文件夹名当角色名。比如 派蒙/ 里有 model-e10.ckpt、model_e10.pth 和参考音频，角色就叫“派蒙”；两个角色的模型都叫 model 也不会混在一起。文件夹叫 v2、v4 这类版本名时，前面加上上一级的名字（“派蒙 v2”）。
• 模型放在整合包的 GPT_weights* / SoVITS_weights* 里，或者好几个角色的模型平铺在一起时，按模型文件名配成角色：ALuoNa-e15.ckpt 和 ALuoNa_e16_s224.pth 都算 ALuoNa。好几轮（e5、e10、e15）时自动用轮数最大的。
• 其他的按所在的文件夹（同一个文件夹里的模型）、文件夹名（比如 参考音频/ALuoNa/）或文件名开头分给对应的角色。同一个文件夹里有 Guang 和 Guang_v4 两套模型时，归 Guang。
• 没分给任何角色的 .list 标注文件，每个角色都放一份（节点按文件名找台词，不会找错）。
• 同一个角色里有同名的文件（比如 开心/01.wav 和 难过/01.wav），后来的会在前面加上文件夹名（难过_01.wav），同名的台词文件一起改，不会丢；鼠标停在文件名上能看到原来的文件。
• 分不出来的放在最上面一张黄色卡片里，放进角色后才上传。文件多时一个文件夹一行，可以把整个文件夹一次放到某个角色；点开这一行，也能一个一个选。分错的文件，右边也能改。
• 不会读的文件夹：runtime、pretrained_models、venv 这类 Python 环境和底模文件夹；整合包里（旁边有 runtime、GPT_weights*、webui.py 这些）的 GPT_SoVITS、logs、output、TEMP、tools，里面是程序、训练中间存档和数据集切片。你自己起名叫 output、GPT_SoVITS 的文件夹照常读；你直接选中或拖进来的那个文件夹一定会读。跳过了哪些，窗口里会写出来。
• 一次最多读 5000 个文件。
• 角色很多时先打开一批（20 个角色，或者大约 800 个文件），其余的在“打开下一批”按钮里；这一批导入完，下一批会自动打开。这样一次拖进很大的文件夹也不会卡。
• 一次要上传很多文件（超过 1500 个或 2 GB）时会先问你要不要继续。文件都是从浏览器上传给节点的，节点不会按路径去读你电脑上的文件。
• 卡片收起时只有一行，点开看详情，一次只展开一张。右上角 + 继续添加 可以再加文件，+ 新角色 手动加一个角色。

③ 导入：底部按钮写着“导入 N 个角色”，只导入“可以导入”的那些。每个角色单独导入，一个失败不影响其他的；失败的留在窗口里标红，改好再点一次。全部导入完窗口自动关闭，并滚到新角色的卡片。底部还写着会保存到哪里（想换地方，在设置里改存放位置）。

节点会建好 角色名/GPT_weights/、SoVITS_weights/、参考音频/ 和设置文件。一律复制，原文件不动；中途出错时存放位置保持原样，不会留下半个角色。

给已有角色加音频或情绪：点卡片上的 添加文件，或者把文件拖到那张卡片（或侧栏里的角色名）上。这时放进来的文件都归这个角色，模型可以不放。已有的文件不会被覆盖，主声音也不会被换掉（除非你点了“★ 主声音”）。

一条一条加也不会越加越乱：

• 角色里已经有一模一样的文件，那一行是灰色的“角色里已有，跳过”，不会再复制一份。
• 标注文件（.list 等）再放一次，只会把新的行追加进角色里已有的那份，写着“合并新台词”。
• 只加一条音频、不带标注文件时，台词会从角色里已有的标注文件里找。
• 只有“同名但内容不同”的文件会标红，不能导入。改个文件名，或者删掉那一行。

角色文件夹的规则

• 一个角色就是一个文件夹，里面至少有一个 .ckpt（GPT 权重）和一个 .pth（SoVITS 权重）。
• 角色文件夹放在存放位置里（默认 ComfyUI/models/gpt_sovits/），也可以放在 extra_model_paths.yaml 里写的 gpt_sovits 目录。自己往存放位置里放整理好的角色文件夹也可以，点 刷新音色 就能看到。
• 同一个角色有日配、中配两个版本时，会显示成 阿罗娜/日配、阿罗娜/中配 两个角色。

参考音频与情绪

点角色卡片上的 参考音频与情绪，打开一个大窗口：

1. 上面一排是声音：主声音、每个情绪（后面写着“1 主 2 副”），最后是 ＋ 新情绪。点一个声音，下面的勾选就只管它。情绪可以改名、删除。
2. 下面是这个角色的全部参考音频，每条一行：▶ 试听、文件名和长度、台词、还用在哪（比如“主声音·副”）。没用上的音频就留在列表里。可以按 全部 / 这个声音用的 / 已用上 / 没台词 筛选，也能搜台词或文件名；先显示 60 条，往下点“再显示一些”。
3. 主参考：决定这个声音的语气和念法。每个声音一条，要 3~10 秒、有台词（太长太短的会标黄，不能当主参考）。主声音也可以 改回自动挑，让节点自己选。
4. 副参考：只用来融合音色，让声音更稳、更像本人。可以勾好几条，不需要台词，建议同一个人、音质干净的 2~4 条。只有 v1 / v2 / v2Pro 模型用得上，v3 / v4 的角色这一列是灰的。
5. 改台词：直接点一行的台词就能改；找不到台词的会写“没找到台词，点这里填”。改过的台词存在角色的设置里，比 .txt / 标注文件优先，原来的文件不动。清空就换回文件里的台词。
6. 删除：点一行最右边的 🗑，确认后这条音频和它同名的 .txt / .lab 一起移到系统回收站（随时能还原，从不永久删除；U 盘、网络盘上没有回收站就不删，会说明）。它用在哪些声音里，确认框里会写，删掉后自动从这些声音和设置里去掉。
7. 点 保存。设置会写进角色文件夹里的 anomalous_tts.json，由节点检查后保存。有问题（比如某个情绪还没选主参考）会提示，什么都不会改。没保存就关窗口会先问一句。

副参考、改台词、音频长度和删除需要 Anomalous_TTS 接口版本 18（1.1.0）；旧版本只能选主参考，窗口里会说明。

文件名本身带情绪的音频（例如 Arona_Talk.开心.wav）会被自动识别，不用再填一遍。只是扩展名的部分不算情绪，例如 Arona_Talk.ogg.wav、Arona_Talk.ogg (1).ogg。

角色列表会缓存一会儿，切换页面不会卡。往模型文件夹里加了角色或音频后，点 刷新音色 才会重新读取。

台词里的其他写法

• [普拉娜]：换人说。要写角色名或别名。
• [pause:1s]：停顿。

5. 常见问题

现象	原因和解决
拖到节点上提示“列表里还没有 …”	ComfyUI 还没刷新节点定义。按 R 后再拖
标题栏拖不动	这个角色没有主声音
拖到别的语音节点被拒绝	目前只支持“角色语音 (GPT-SoVITS)”节点
卡片上提示“没有找到合适的主声音”	角色文件夹里没有 3~10 秒、找得到台词的音频。点“参考音频与情绪”手动选一条
新放进去的角色或音频没出现	点 刷新音色。节点那边在 ComfyUI 里按 R 刷新下拉框
侧栏里看不到“GPT-SoVITS 设置”，工具栏上没有“导入角色”	Anomalous_TTS 版本太旧（没有接口版本 3）。更新 Anomalous_TTS 后重启 ComfyUI
同名文件导入时报“有重名的文件”	Anomalous_TTS 早于接口版本 9。更新后重启 ComfyUI
“导入角色”是灰的	页面是从别的设备打开的。导入会写文件，只能在运行 ComfyUI 的电脑上做