ComfyUI-VoxCPM

在 ComfyUI 里拖拽节点，即可生成高表现力语音并克隆任意声音。

ComfyUI-VoxCPM 是一个为 ComfyUI 设计的音频生成节点，专注于高表现力的语音合成和零样本声音克隆。它解决了在 ComfyUI 工作流中集成先进 TTS 能力的问题，让用户无需编写代码即可通过可视化节点实现文本到语音的转换，并能克隆任意参考声音。核心能力包括：基于 VoxCPM 模型的语音生成、支持零样本声音克隆、提供高表现力的语音输出，并可与 ComfyUI 的其他节点（如图像、视频）组合，构建多模态生成流程。该项目处于早期阶段，但为音频创作者和 ComfyUI 用户提供了便捷的语音生成入口。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 509

维护状态维护中

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队wildminder

所属国家

官网地址

GitHubhttps://github.com/wildminder/ComfyUI-VoxCPM

定价模式free

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai-voice,audio,comfyui-node,t2s,text-to-speech,tts,voice-cloning,voice-generation

GitHub 星标★ 509

30天Star增速

HF 下载量

上线时间2025-09-17 00:00:00

最近更新2026-09-23 00:00:00

维护状态维护中

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

零样本声音克隆：无需训练，仅凭几秒参考音频即可克隆音色，实用性强。
无缝集成 ComfyUI：作为原生节点，可与其他图像/视频节点组合，构建多模态工作流。
高表现力语音：基于 VoxCPM 模型，语音自然度和情感表达优于传统 TTS。

不足之处

早期项目，文档和示例可能不完善，社区支持待观察。
依赖 VoxCPM 模型，模型体积和推理速度可能影响部署效率。

适用场景

在 ComfyUI 中为视频生成配音或旁白，实现音画同步生成。
快速克隆特定人声，用于个性化语音助手或内容创作。
作为多模态 AI 工作流的一部分，结合图像生成和语音合成制作完整多媒体内容。

替代项目

ComfyUI-ChatTTS、ComfyUI-F5-TTS、ComfyUI-GTTS

项目介绍

ComfyUI-VoxCPM 是音频音乐领域的开源项目，由 wildminder 开发，2025 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 509。

项目仍在小幅维护中，最近一次代码更新于 2026-09-23。Apache-2.0许可证，可免费使用和部署。

它主要面向的使用场景是：在ComfyUI中为视频生成配音或旁白，实现音画同步生成。同类可对比的替代方案包括 ComfyUI-ChatTTS、ComfyUI-F5-TTS、ComfyUI-GTTS。

上一篇：e2-tts-pytorch

下一篇：aspeak