ComfyUI-FL-Qwen3TTS

在ComfyUI里一键把文字变语音，还能克隆音色

ComfyUI-FL-Qwen3TTS 是把阿里 Qwen3-TTS 语音合成能力接入 ComfyUI 的节点插件，让用户在 ComfyUI 的可视化工作流里直接完成文字转语音。它解决的是传统 TTS 工具与图像/音频生成工作流割裂的问题：以往做视频配音、角色语音需要单独跑脚本或第三方服务，现在可以在同一张节点图里串联文本、语音克隆、语音设计和微调。核心能力包括：文本转语音节点、参考音频驱动的音色克隆、通过描述词设计新音色，以及配套的微调界面，方便针对特定说话人做定制。项目用 Python 编写，定位偏早期，适合已经在用 ComfyUI 做多模态创作、希望把配音环节也纳入统一流程的用户。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 150

维护状态活跃

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队filliptm

所属国家

官网地址

GitHubhttps://github.com/filliptm/ComfyUI-FL-Qwen3TTS

定价模式free

价格说明开源免费，需自行部署ComfyUI节点

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型

GitHub 星标★ 150

30天Star增速

HF 下载量

上线时间2026-01-26 00:00:00

最近更新2026-09-14 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-16

浏览次数1

使用教程

核心亮点

直接以 ComfyUI 节点形式提供，能和现有图像/视频工作流串联，无需切换工具
同时覆盖语音克隆、音色设计和微调三种用法，功能面比单一 TTS 节点更全
基于 Qwen3-TTS，中文语音合成效果有基础保障，适合中文内容创作

不足之处

项目处于早期，星标仅150，节点稳定性和边界情况处理待验证
依赖 Qwen3-TTS 模型权重与运行环境，显存和部署门槛不低

适用场景

为 AI 生成的短视频或动画角色批量配音
用少量参考音频克隆特定音色，制作有声内容
在 ComfyUI 工作流中做多角色对话语音的快速原型

替代项目

ComfyUI-F5-TTS、ComfyUI-GPT-SoVITS、ComfyUI-CosyVoice

项目介绍

ComfyUI-FL-Qwen3TTS 是一个音频音乐领域的开源项目，官方简介：Qwen3-TTS text-to-speech nodes for ComfyUI with voice cloning, voice design, and fine-tuning UI。项目使用 Python 开发，在 GitHub 上获得 150 星标。

上一篇：awesome-controllable-speech-synthesis

下一篇：nightingale