人工智能AI 应用语音音频媒体生成【免费下载链接】TTS-Audio-SuiteA ComfyUI custom node integration for local multi-engine multi-language Text-to-Speech and Voice Conversion. Supports: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (classic and multilingual), F5-TTS, Higgs Audio 2, 3, and VibeVoice with unlimited text length, SRT timing, Character support, and many audio tools项目地址https://gitcode.com/gh_mirrors/tts/TTS-Audio-Suite点击查看免费下载TTS-Audio-Suite 是一款 ComfyUI 本地多引擎语音合成TTS扩展内置的Voice Designer 语音设计师节点让你无需任何参考音频只用一句话描述——比如温暖自信的女声语速自然——就能用 Qwen3-TTS、MOSS-TTS 或 OmniVoice 引擎生成一个可复用的自定义声音并保存为角色随时调用。本指南带你从零上手这套文本造音工作流。什么是 Voice Designer 文本造音传统 TTS 克隆需要一段参考音频而 TTS-Audio-Suite 的语音设计师走的是另一条路线reference-free无参考音频声音设计。你提供两样东西voice_instruction声音指令一句话描述声音特质——年龄、性别、音高、音色、口音、语速、情绪和说话风格reference_text朗读文本由新生成的声音朗读的一段纯文本用于试听和后续复用运行后节点会输出三段结果opt_narrator标准角色声音数据、preview_audio试听音频和voice_info生成信息。这套机制的核心实现在 utils/voice/designers.py节点定义见 nodes/shared/unified_voice_designer_node.py。三大造音引擎怎么选TTS-Audio-Suite 目前由三个引擎支持 Voice Design 能力一个节点通吃引擎需选择的模型特点模型规模Qwen3-TTSVoice Design - 1.7B VoiceDesign支持 10 种语言中、英、日、韩、德、法、俄、葡、西、意风格指令可与声音描述叠加约 12GBMOSS-TTSVoice Design 1.7B (MOSS-VoiceGenerator)轻量造音模型官方 prompt 结构支持整段 instruction 条件约 6GB 模型 8.5GB TokenizerOmniVoice引擎模式设为Voice Design覆盖 600 语言支持结构化标签指令与行内非语音标签约 3.7GB 选择建议中文/多语言内容首选 Qwen3-TTS想要小模型快速实验选 MOSS语种覆盖广、需要结构化标签选 OmniVoice。三个引擎的分工很清晰节点负责声音描述引擎负责模型、语言和生成参数。当你在引擎里选好 VoiceDesign 模型后引擎自身原本的声音指令栏会自动禁用因为它会生效不到避免混淆。准备工作获取模型TTS-Audio-Suite 的引擎节点内置了按需下载能力——第一次运行到某个模型时会提示自动下载无需手动搬运文件。模型的完整来源清单见 docs/MODEL_DOWNLOAD_SOURCES.md存放目录规范见 docs/MODEL_LAYOUTS.md。如果下载受阻可以直接把官方权重放入models/TTS/对应目录节点模型下拉框会以local:前缀列出已安装的本地检查点。快速上手语音设计师 4 步工作流项目自带一条开箱即用的示例工作流同时串联了 Qwen3-TTS、MOSS-TTS、OmniVoice 三个引擎工作流文件example_workflows/Unified Voice Designer.json封面图example_workflows/Unified Voice Designer.jpg在 ComfyUI 中加载后只需 4 步配置引擎节点三选一——Qwen3-TTS Engine 选Voice Design - 1.7B VoiceDesignMOSS-TTS Engine 选Voice Design 1.7BOmniVoice Engine 将模式切到Voice Design填写声音指令在 Voice Designer 节点的voice_instruction里写下你对理想声音的描述设置朗读文本reference_text建议 10 秒以上、带有起伏和问句的文本至少 10 个字符这样新声音的性格更容易被评估和复用运行并试听preview_audio连到 PreviewAudio 节点即可试听满意后把opt_narrator接给 Save Character Voice 保存选错模式不会静默失败——引擎会直接报出修正提示例如请在 Qwen3-TTS Engine 中选择 Voice Design - 1.7B VoiceDesign 后重新运行。如何写好一句话声音描述voice_instruction是造音质量的关键。它不是咒语而是结构化的声音画像。写得好的描述通常覆盖这几个维度年龄与性别如 young adult female、中年男性音高与音色如 low pitch、warm texture、bright and energetic语速与表达如 natural pacing、clear articulation、calm口音/方言如 British accent、四川话情绪基调如 confident、subtle expressive smile、whisper节点的默认示例是A warm, confident adult voice with natural pacing, clear articulation, and a subtle expressive smile.温暖自信的声音语速自然、吐字清晰带一点会心的笑意。OmniVoice 用户用 Visual Tag Builder 拼标签如果你偏好结构化而非自由文本OmniVoice 配套的 Visual Tag Builder节点可以按性别 → 年龄 → 音高 → 风格 → 口音 → 方言的规范顺序自动拼装指令串支持中文方言选项如河南话、陕西话。节点实现见 nodes/omnivoice/omnivoice_instruction_builder_node.py。MOSS 的整段 instruction/quality/sound_event 等 prompt 字段写法则可参考 docs/MOSS_TTS_PROMPT_FIELDS_GUIDE.md。保存与复用把设计的声音变成角色试听满意后把opt_narrator连到 Save Character Voice节点填写角色名如narrator_alice即可持久化。保存逻辑在 utils/voice/character_saver.py会在models/voices/下写入三件套名字.wav— 设计出的参考音频名字.reference.txt— 精确的朗读文本名字.txt— 元数据含声音指令、引擎、模型信息之后在 Character Voices 节点选择这个角色配合任意支持克隆的引擎或同一造音引擎用[narrator_alice] Hello!这样的角色标签就能复用。另外seed设为固定非零值可以生成可复现的声音设计——同样的指令、文本和种子会安全地复用已保存的角色而不是重复写盘。常见问题 FAQQ为什么报错说cannot design voices引擎没选对模式。Qwen3 要选 VoiceDesign 检查点、MOSS 要选 VoiceGenerator、OmniVoice 要切 Voice Design 模式见上文 4 步工作流第 1 步。Q生成的声音和描述不太像提高种子重试几次把描述写得更具体加上年龄、音高、语速确认引擎语言设置与文本一致。Qreference_text 写多长建议约 10 秒以上、语气有变化包含疑问句、停顿感的文本太短会让音色特征不充分。Q造音结果能用于 SRT 字幕工作流吗可以。保存为角色后opt_narrator是标准NARRATOR_VOICE格式可接入套件内 TTS Text / SRT 等全部下游节点。小结TTS-Audio-Suite 的语音设计师把造一个声音从找素材、录参考变成了写一句话选引擎模型 → 描述理想声音 → 试听 → 存为角色。配合 Qwen3-TTS、MOSS 和 OmniVoice 三引擎无论中文播客、多语言配音还是风格化角色音都能在本地 ComfyUI 里快速完成。赞分享人工智能AI 应用语音音频媒体生成【免费下载链接】TTS-Audio-SuiteA ComfyUI custom node integration for local multi-engine multi-language Text-to-Speech and Voice Conversion. Supports: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (classic and multilingual), F5-TTS, Higgs Audio 2, 3, and VibeVoice with unlimited text length, SRT timing, Character support, and many audio tools项目地址https://gitcode.com/gh_mirrors/tts/TTS-Audio-Suite点击查看免费下载相关推荐FireRedTTS3音色设计Voice Design完全教程一句话描述生成全新声音无需参考音频FireRedTTS3音色设计Voice Design完全教程一句话描述生成全新声音无需参考音频 FireRedTTS3 是一款开源的多语言语音合成TPLV8高级函数编程标量函数、集合函数和触发器函数详解PLV8高级函数编程标量函数、集合函数和触发器函数详解 PLV8是PostgreSQL数据库的V8引擎JavaScript过程语言插件它允许开发者使用JavClaude Code 从安装到 CI 自动化7 个关键动作实用指南Claude Code 从安装到 CI 自动化7 个关键动作实用指南 Anthropic 的 Claude Code 把 AI 编程工具搬进了终端它不满足于文档教程知识库创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
解法)
