VibeVoice-ComfyUI

环境要求

• 已安装并可正常运行的 ComfyUI（Windows / Linux / macOS 均可）
• ComfyUI 自带 Python 环境可正常使用
• 磁盘空间足够存放 VibeVoice 模型文件（如 VibeVoice-1.5B / VibeVoice-Large）
• 可选：CUDA 显卡或 Apple Silicon（MPS）以获得更快推理，CPU 也可运行

安装与启动步骤

1. 1进入自定义节点目录

   打开终端，切换到你的 ComfyUI 安装目录下的 custom_nodes 文件夹。路径以你本机实际安装位置为准。

   cd ComfyUI/custom_nodes

   复制

2. 2克隆节点仓库

   把 VibeVoice-ComfyUI 克隆到 custom_nodes 目录中，克隆完成后该目录下会多出 VibeVoice-ComfyUI 文件夹。

   git clone https://github.com/Enemyx-net/VibeVoice-ComfyUI

   复制

3. 3重启 ComfyUI

   重启 ComfyUI 服务，节点会在首次使用时自动安装所需依赖，无需手动执行安装命令。

4. 4创建模型目录

   在 ComfyUI/models 下创建 vibevoice 文件夹（若不存在）。所有模型文件都要放在这个目录内才能被节点识别。

5. 5放置模型文件

   在 vibevoice 下按结构放好 tokenizer（Qwen 分词文件）与模型文件夹（如 VibeVoice-1.5B、VibeVoice-Large），文件夹名可自定义。

6. 6刷新浏览器

   刷新 ComfyUI 网页界面，模型会出现在节点的下拉菜单中，此时即可搭建语音合成工作流。

关键配置

如何确认成功

重启 ComfyUI 并刷新浏览器后，节点列表出现 VibeVoice 节点，且模型出现在下拉菜单中即为成功。

常见问题

注意事项

• 节点是自包含的，已内嵌 VibeVoice 代码，无需额外安装外部依赖。
• 模型文件较大，下载时建议使用 git-lfs 或 HuggingFace CLI。
• 支持最多 4 个说话人的多人对话合成，长文本会自动分块处理。
• 安装后务必重启 ComfyUI 并刷新浏览器页面，否则节点和模型不会加载。