synthetai-ComfyUI-JM-MiniMax-API/README_CN.md

ComfyUI-JM-MiniMax-API

一个集成 MiniMax API 服务的 ComfyUI 自定义节点集合。

English Document

功能

语音节点 (JM-MiniMax-API/Speech)

• 文本转语音: 使用 MiniMax 的高级文本转语音 API 将文本转换为自然的语音
• 声音克隆: 从音频样本中克隆声音
• 加载音频: 加载和预览用于声音克隆的音频文件

安装

1. 克隆此仓库到你的 ComfyUI custom_nodes 文件夹:

cd ComfyUI/custom_nodes
git clone https://github.com/yourusername/ComfyUI-JM-MiniMax-API.git

2. 安装依赖:

pip install -r requirements.txt

3. 重启 ComfyUI

使用方法

LoadAudio 节点

此节点允许您加载和预览用于声音克隆的音频文件。

输入参数:

• audio_path: 从输入目录中选择现有的音频文件
• 上传按钮: 点击上传新的音频文件（支持 .mp3、.wav、.m4a）

输出:

• audio_file: 所选音频文件的绝对路径

VoiceCloning 节点

此节点使用 MiniMax 的声音克隆 API 从音频样本中克隆声音。

输入参数:

• api_key: MiniMax API 密钥
• group_id: MiniMax 组 ID
• audio_file: 要克隆的音频文件路径（连接自 LoadAudio 节点）
• voice_id: 克隆声音的 ID（至少 8 个字符，以字母开头，包含数字）
• need_noise_reduction: 是否应用噪声降低（true/false）
• need_volume_normalization: 是否规范化音量（true/false）
• preview_text: 可选的预览克隆声音的文本（最多 300 个字符）
• model: 用于预览的 TTS 模型
• accuracy: 克隆准确度阈值（0.0-1.0）

输出:

• voice_id: 克隆声音的 ID（可以连接到 TextToSpeech 节点）

TextToSpeech 节点

此节点使用 MiniMax 的 API 将文本转换为语音。

输入参数:

• api_key: MiniMax API 密钥
• group_id: MiniMax 组 ID
• text: 要转换的文本（最多 5000 个字符）
• model: TTS 模型选择（speech-02-hd、speech-02-turbo 等）
• voice_id: 声音选择（有多种选项可用）
• custom_voice_id（可选）: 来自声音克隆的自定义声音 ID（如果提供，将覆盖 voice_id）
• speed: 语速（0.5 到 2.0）
• volume: 音量（0.1 到 10.0）
• pitch: 音调调整（-12 到 12）
• emotion: 情感选择（happy、sad 等）
• subtitle_enable: 是否生成字幕文件（true/false）
• filename_prefix: 输出文件名前缀
• language_boost（可选）: 语言增强

输出:

• audio_path: 生成的音频文件的绝对路径
• subtitle_path: 生成的字幕文件的绝对路径（如果启用了字幕）

输出文件说明:

1. 音频文件 (audio_path):

   • 格式: MP3
   • 文件名格式: prefix_YYYYMMDD-HHMMSS.mp3

2. 字幕文件 (subtitle_path):

   • 格式: JSON
   • 文件名格式: prefix_subtitle_YYYYMMDD-HHMMSS.json
   • 包含精确到毫秒的句子级别时间戳

工作流示例

1. 使用 LoadAudio 节点上传或选择音频文件
2. 将输出连接到 VoiceCloning 节点以克隆声音
3. 将 voice_id 输出连接到 TextToSpeech 节点的 custom_voice_id 输入
4. 在 TextToSpeech 节点中输入文本并配置其他参数
5. 运行工作流以使用克隆的声音生成语音

许可证

MIT License