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
[2025-03-02]⚒️: 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. 但注意下图三个地方必须保持一致的说话者名称. 自定义时 speaker 将自动无效.
为了不影响更新, 不得不将 Step-Audio-speakers 文件夹移动到 ComfyUI\models\TTS 文件夹中, 请自行移动. 结构如下:
ComfyUI\models\TTS
├── Step-Audio-Tokenizer
├── Step-Audio-speakers
├── Step-Audio-TTS-3B
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 |
应包含以下结构：
ComfyUI\models\TTS
├── Step-Audio-Tokenizer
├── Step-Audio-TTS-3B
欢迎贡献更多声音
音频文件命名为 {说话者}_prompt.WAV, 例如 明文_prompt.WAV 我将添加它们到代码中. 从而无需克隆.
当前支持的声音在 Step-Audio-speakers 文件夹中, 欢迎提交更多声音.
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！