ComfyUI-Qwen-TTS

在 ComfyUI 里拖节点,就能用 Qwen3-TTS 生成和克隆语音

开源 free 音频音乐
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1946
维护状态 较活跃
是否开源 是
定价模式 free

项目预览

项目数据

分类音频音乐
开发团队flybirdxx
所属国家
官网地址
定价模式free
价格说明开源免费,需自行部署 ComfyUI 使用
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★ 1946
30天Star增速
HF 下载量
上线时间2026-01-22 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-16
浏览次数0

项目介绍

ComfyUI-Qwen-TTS 是把阿里 Qwen3-TTS 语音合成能力接入 ComfyUI 的节点实现。它解决的是在 ComfyUI 工作流里直接做文本转语音、音色克隆和语音编辑的问题,让习惯用节点式界面的人不用写代码就能调用 Qwen3-TTS。核心能力包括:加载 Qwen3-TTS 模型并生成语音,支持参考音频做音色克隆,可调节语速、音调等参数,输出音频节点能直接接后续处理或保存。项目用 Python 编写,安装后作为自定义节点出现在 ComfyUI 中,适合把 TTS 和音频处理、视频生成等节点串成完整流水线。星标约 1.9k,属于成长中的实用工具,对想低成本做中文语音合成和克隆的用户比较友好。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度:入门 约 10 分钟 部署方式:本地安装 4 步

环境要求

  • 已有一个可正常运行的 ComfyUI 环境
  • Python 环境可执行 pip 安装依赖
  • 注意 transformers 版本:4.57.3 或 >=5.0

安装与启动步骤

  1. 1放入自定义节点目录

    README 未给出 clone 命令,请按你平时安装 ComfyUI 自定义节点的方式,把本项目放到 ComfyUI 的 custom_nodes 目录下。

  2. 2安装基础依赖

    在 ComfyUI 使用的同一个 Python 环境中执行,否则节点加载时找不到模块。

    pip install torch torchaudio transformers librosa accelerate
  3. 3固定transformers版本

    二选一:v4 路径装 4.57.3(shim 不生效),v5 路径装 >=5.0(导入时自动应用 tools/transformers5_shim.py)。

    pip install transformers==4.57.3
  4. 4重启ComfyUI

    重启后自定义节点才会被扫描加载,确认启动过程没有 transformers 相关报错。

关键配置

配置项必填说明示例
transformers是版本必须为 4.57.3 或 >=5.0,否则 Qwen3-TTS 无法正常工作4.57.3
extra_model_paths.yaml否项目已支持该文件,用于指定自定义模型搜索路径extra_model_paths.yaml(按 ComfyUI 规范填写)

如何确认成功

重启 ComfyUI 后节点列表中出现 ComfyUI-Qwen-TTS 相关节点(如 LoadSpeaker),且启动日志无 transformers 报错。

常见问题

Q:transformers 版本装错了会怎样?

A:Qwen3-TTS 仅在 transformers 4.57.3 和 >=5 上工作。低于 5 时 shim 不生效,请按需重装 4.57.3 或 >=5.0。

Q:v5 需要手动改代码吗?

A:不需要。v5 兼容由 tools/transformers5_shim.py 在导入时自动应用。

Q:节点里找不到 QwenTTSConfigNode?

A:该节点已在 v1.0.7 因音色不一致问题被移除,属正常现象。

Q:可以用自己微调的模型吗?

A:v1.0.29 起支持加载自定义微调模型与说话人,但微调目前是实验性功能,推荐用零样本克隆。

注意事项

  • 命令需在 ComfyUI 所使用的同一个 Python 环境中执行
  • transformers 版本是硬性要求,装错会导致节点无法运行
  • 微调模型功能为实验性,效果与稳定性不如零样本音色克隆
  • README 未提供 git clone 命令与端口/路径说明,请按自身 ComfyUI 安装方式操作

核心亮点

  • 把 Qwen3-TTS 封装成 ComfyUI 节点,无需写代码即可在可视化工作流中做语音合成
  • 支持参考音频克隆音色,能复刻目标说话人声音
  • 可与 ComfyUI 现有音频、视频节点串联,形成端到端生成流水线

不足之处

  • 依赖 Qwen3-TTS 模型权重和运行环境,首次配置门槛不低
  • 节点参数和文档相对简单,复杂语音编辑能力有限

适用场景

  • 为短视频或口播内容批量生成中文配音
  • 用参考音频克隆特定音色,制作有声书或角色对白
  • 在 ComfyUI 工作流中把 TTS 与音频后期、视频生成节点串联使用

替代项目

ComfyUI-F5-TTS、ComfyUI-CosyVoice

上一篇:Qwen3-TTS-GGUF

下一篇:没有了!

同类项目推荐

AuK 开源

一个模型搞定语音生成、编辑与分离

AuK: An Open-Source Foundational Model for Speech Generation and Editing

★ 1520 2026-09-13
VoiceStudio 开源

开源语音全能工作站,克隆、配音、转录一站式搞定

VoiceStudio is the open-source, fully-local ElevenLabs alternative — voice cloning,···

★ 67197 2026-08-09
tango 开源

输入一句话,自动生成匹配的音频内容

A family of diffusion models for text-to-audio generation.

★ 1241 2026-08-09
swift-tts 开源

Swift 项目三行代码接入系统 TTS,兼容 TCA 和 Combine

A straightforward package containing version for Swift modern concurrency, Point-Fre···

★ 52 2026-08-09