ComfyUI-Whisper

在 ComfyUI 里拖个节点，自动给视频加字幕

ComfyUI-Whisper 是一个将 OpenAI Whisper 语音识别能力集成到 ComfyUI 工作流中的开源节点插件。它解决了在 ComfyUI 中直接为视频添加字幕和转写音频的需求，让用户无需离开熟悉的节点式界面即可完成语音到文本的转换。核心能力包括：加载 Whisper 模型（支持多种规模和语言）、将音频文件或视频中的音轨转写为带时间戳的文本、生成并嵌入字幕（如 SRT 格式），以及将字幕作为条件输入用于后续的图像或视频生成流程。通过 ComfyUI 的可视化节点编排，用户可以灵活组合音频处理、字幕生成和视频生成节点，实现自动化多媒体创作。项目基于 Python，依赖 ComfyUI 和 Whisper，目前处于早期阶段，功能聚焦但扩展潜力大。