havvk-ComfyUI_AIIA/TODO.md

ComfyUI_AIIA TODO

Podcast / TTS 增强

• LLM 驱动的情感标注：🎭 AIIA Emotion Annotator 节点，通过 Groq/Ollama/vLLM（OpenAI 兼容 API）自动为每句台词标注情感。支持 GROQ_API_KEY 环境变量、自定义 base URL、skip_existing/overwrite_all 模式。

Stitch / 切分精度

• Silero VAD 集成：用极轻量 VAD 模型（~2MB ONNX）替代纯能量检测，作为切分边界的最终裁决者。ASR 负责粗定位，VAD 精确修正语音起止点，彻底解决尾音误切、清辅音误判等问题。pip install silero-vad 或 torch.hub.load('snakers4/silero-vad', 'silero_vad')。
• Forced Alignment（强制对齐）：用 MMS_FA 模型（torchaudio）实现字级强制对齐。混合策略：FA 精确起点 + 能量检测自然收尾，中文文本自动转拼音。支持 FA/VAD/Energy 三方法交叉验证（IoU），带重叠防护和尾音保护。