（8407期）ComfyUI TTS – 本地 AI 语音合成，音色情感可调

本地 AI 语音合成，音色情感可调 通过 ComfyUI 调用 Qwen-TTS 模型实现文本转语音，支持多角色音色、情感风格与模型规模调节，适合本地 AI 语音生成场景。 使用说明 核心用法 comfyui-tts 是一款将文本转换为语音的 ComfyUI 扩展技能，底层集成阿里通义千问 Qwen-TTS 语音合成模型。用户通过命令行脚本 tts.sh 即可发起语音生成请求，无需直接接触复杂的 ComfyUI 节点操作。 基础调用：scripts/tts.sh "你好，世界" 使用默认参数生成音频。 高级定制：支持 --character（角色性别/年龄）、--style（情感/中性风格）、--model（0.5B/1.7B/3B 模型规模）、--temperature/top-p/top-k（采样策略）等多维度调节，满足从快速原型到高品质生成的不同需求。输出路径可自定义，默认自动命名保存。 显著优点 本地私有化部署：依托 ComfyUI 架构，所有推理在本地完成，敏感文本无需上传云端，保障数据隐私。 模型规模可选：提供 0.5B（轻量快速）、1.7B（均衡）、3B（高保真）三档模型，适配不同硬件配置与质量要求。 丰富的音色表达：支持多角色设定与情感风格切换，生成音频具备自然语调和情绪层次。 工作流透明：生成过程拆解为构造 Workflow、提交任务、轮询状态、获取结果四步，便于调试与二次开发。 潜在缺点与局限性 依赖 ComfyUI 生态：必须预先部署并运行 ComfyUI 服务，对纯命令行用户或轻量环境不够友好。 硬件门槛：大模型（3B）对 GPU 显存与算力要求较高，低配环境易触发超时或 OOM。 语言支持未明确：文档未列出支持语种，Qwen-TTS 虽以中文为主，但多语言、方言、代码切换能力需实测验证。 输出格式单一：仅提及 .wav 格式，未支持 MP3、AAC 等压缩格式直接输出。 适合人群 需要本地离线 TTS 的开发者与内容创作者 已搭建 ComfyUI 工作流、希望扩展语音能力的 AI 艺术用户 对语音角色化、情感化有定制需求的播客、有声书制作人 注重数据隐私的企业内训、文档朗读场景 常规风险 服务可用性：依赖本地 ComfyUI 进程，若服务未启动或端口冲突将导致调用失败。 超时风险：大模型生成耗时较长，需合理设置轮询阈值或降级到小模型。 路径与权限：自定义输出目录时需确保 ComfyUI 进程具有写入权限，否则出现"Output Not Found"。 采样参数误设：temperature/top-p 过高可能导致音频口齿不清或异常停顿，建议保持默认值 0.9 附近。 原始说明 Convert text to speech audio via ComfyUI's Qwen-TTS API, supporting customizable voice, style, model, and output options.