ComfyUI-audio

在 ComfyUI 里拖拽节点，轻松生成音乐和语音

ComfyUI-audio 是一个为 ComfyUI 平台开发的音频生成工具集，旨在将音乐生成、文本转语音等音频能力集成到 ComfyUI 的可视化节点工作流中。它解决了 ComfyUI 用户难以在统一界面中处理音频生成任务的问题，使得用户可以通过拖拽节点的方式，组合音乐生成、语音合成等模型，构建复杂的音频生成流水线。项目目前主要集成了 MusicGen（文本生成音乐）和 Tortoise-TTS（文本转语音）等模型，支持通过自然语言描述生成音乐片段，或从文本合成逼真的人声。其核心能力在于利用 ComfyUI 的节点式架构，降低音频生成工具的使用门槛，提高实验和创作效率，适合需要将音频生成与图像、视频等其他生成任务结合的多模态创作者。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 106

维护状态低维护

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队eigenpunk

所属国家

官网地址

GitHubhttps://github.com/eigenpunk/ComfyUI-audio

定价模式free

价格说明开源项目，GPL-3.0许可，可自行部署使用，无付费版本。

访问状态

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型audio-processing,comfyui,musicgen,text-to-music,text-to-speech,tortoise-tts

GitHub 星标★ 106

30天Star增速

HF 下载量

上线时间2023-12-06 00:00:00

最近更新2026-09-10 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

原生集成 ComfyUI，节点化操作直观，便于与图像/视频工作流结合
支持 MusicGen 和 Tortoise-TTS 两大主流模型，覆盖音乐生成与语音合成
早期项目，代码结构简单，易于二次开发和定制

不足之处

项目处于早期阶段，功能覆盖有限，可能缺少高级音频处理节点
文档和社区支持尚不完善，依赖 ComfyUI 主项目生态
对硬件要求较高（如 GPU），且模型加载耗时

适用场景

在 ComfyUI 中为生成的视频添加背景音乐或旁白
快速实验文本到音乐生成，调整提示词和参数
将音频生成与其他生成任务（如图像）组合成多模态工作流

替代项目

Audiocraft、Bark、Tortoise-TTS

项目介绍

ComfyUI-audio 是音频音乐领域的开源项目，由 eigenpunk 开发，2023 年首次发布。

它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 106。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-10。GPL-3.0许可，可自行部署使用，无付费版本。

它主要面向的使用场景是：在ComfyUI中为生成的视频添加背景音乐或旁白。同类可对比的替代方案包括 Audiocraft、Bark、Tortoise-TTS。

上一篇：voicehub

下一篇：discord-tts-bot