ComfyUI 自定义节点，集成 Qwen3-TTS（通义千问语音合成）模型，支持声音设计、声音克隆和自定义声音生成。
- 微信号：HAIGC1994
https://github.com/QwenLM/Qwen3-TTS
- 🎤 声音设计 (Voice Design): 基于文本提示词生成自定义声音
- 🎭 声音克隆 (Voice Clone): 基于参考音频克隆声音，并输出角色预设
- 📦 批量语音克隆 (Batch Voice Clone): 支持多段音频与文本的一一对应克隆
- 🎨 自定义声音 (Custom Voice): 使用预设说话人或自定义提示词生成语音
- 🧩 角色预设管理: 保存、选择与批量输入角色预设
- 🗣️ 多角色对话合成: 支持角色映射与自动加载 .pt 预设
- 🧰 多提示词分发: 六路提示词输入与输出
- 🌍 多语言支持: 支持中文、英文、日文、韩文、德文、法文、俄文、葡萄牙文、西班牙文、意大利文
- ⚡ GPU/CPU 支持: 支持 CUDA 加速和 CPU 运行
- 🎯 精度控制: 支持 FP16 和 FP32 精度
安装 Qwen3-TTS 所需的核心依赖：
pip install torch torchaudio transformers librosa soundfile accelerate注意: 如果您的环境中已安装这些依赖，可以跳过此步骤。本插件的 requirements.txt 可能包含其他可选依赖。
将 Qwen3-TTS 模型下载到以下目录：
模型下载地址：https://huggingface.co/collections/Qwen/qwen3-tts
本地存放模型路径：ComfyUI\models\qwen-tts
ComfyUI/models/qwen-tts/{model_folder_name}/
支持的模型：
Qwen3-TTS-12Hz-1.7B-VoiceDesign- 支持声音设计Qwen3-TTS-12Hz-1.7B-CustomVoice- 支持自定义声音Qwen3-TTS-12Hz-1.7B-Base- 支持声音克隆Qwen3-TTS-12Hz-0.6B-CustomVoice- 轻量版自定义声音Qwen3-TTS-12Hz-0.6B-Base- 轻量版基础模型Qwen3-TTS-Tokenizer-12Hz- 分词器模型
模型文件夹命名规则：
- 从
Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign提取为Qwen3-TTS-12Hz-1.7B-VoiceDesign - 确保文件夹名称与模型名称的后缀部分一致
示例目录结构：
ComfyUI/
└── models/
└── qwen-tts/
├── Qwen3-TTS-12Hz-1.7B-VoiceDesign/
├── Qwen3-TTS-12Hz-1.7B-CustomVoice/
└── Qwen3-TTS-12Hz-1.7B-Base/
加载 Qwen3-TTS 模型到内存。
输入参数：
模型名称: 选择要加载的模型运行设备: cuda / cpu / auto（自动选择）精度: fp16 / fp32
输出：
模型: 加载的模型对象，用于后续的语音生成节点
注意：
- 模型必须已存在于
ComfyUI/models/qwen-tts/目录中，本插件不提供自动下载功能 - 模型路径固定为
ComfyUI/models/qwen-tts/，不支持自定义路径 - 模型加载时会自动检查本地文件，不会尝试从网络下载
基于文本提示词生成自定义声音的语音。
输入参数：
模型: 从模型加载节点获取文本: 要合成的文本内容提示词: 声音描述提示词（如："A young female voice, energetic and bright."）角色预设模式: 设计角色预设 / 本地角色预设 / 自动角色预设本地预设文件(可选): 下拉选择本地 .pt 预设文件（需放在 output/qwen_tts_presets 目录下）语言(可选): 自动 / 中文 / 英文 / 日文 / 韩文等自动卸载模型(可选): 生成后是否卸载模型以释放显存最大生成Token数(可选): 限制生成的最大长度，默认 2048随机种子(可选): 生成随机性控制生成后控制(可选): 固定 / 增加 / 减少 / 随机
输出：
音频: 生成的音频对象（AUDIO 类型）
模型要求： 需要加载带有 "VoiceDesign" 的模型。
基于参考音频克隆声音并生成语音。
输入参数：
模型: 从模型加载节点获取参考音频: 参考音频对象（AUDIO 类型）文本: 要合成的文本内容参考文本(可选): 参考音频对应的文本内容语言(可选): 自动 / 中文 / 英文 / 日文 / 韩文等自动卸载模型(可选): 生成后是否卸载模型以释放显存最大生成Token数(可选): 限制生成的最大长度，默认 2048随机种子(可选): 生成随机性控制生成后控制(可选): 随机 / 固定 / 增加 / 减少
输出：
音频: 生成的音频对象（AUDIO 类型）角色预设: 可复用的角色预设（包含角色名信息）
模型要求： 需要加载带有 "Base" 的模型。
使用预设说话人或自定义提示词生成语音。
输入参数：
模型: 从模型加载节点获取文本: 要合成的文本内容预设说话人: 选择预设说话人（Vivian, Serena, Uncle_Fu, Dylan, Eric, Ryan, Aiden, Ono_Anna, Sohee）语言(可选): 自动 / 中文 / 英文 / 日文 / 韩文等提示词(可选): 自定义声音描述，会覆盖预设说话人的默认提示词自动卸载模型(可选): 生成后是否卸载模型以释放显存最大生成Token数(可选): 限制生成的最大长度，默认 2048随机种子(可选): 生成随机性控制
预设说话人：
Vivian: 明亮、略带锋芒的年轻女声Serena: 温暖、温柔的年轻女声Uncle_Fu: 成熟、低沉的男声Dylan: 年轻、清晰的北京男声Eric: 活泼、略带沙哑的成都男声Ryan: 充满活力的男声，节奏感强Aiden: 阳光、清晰的美国男声Ono_Anna: 活泼、轻快的日本女声Sohee: 温暖、情感丰富的韩国女声
输出：
音频: 生成的音频对象（AUDIO 类型）
模型要求： 需要加载带有 "CustomVoice" 的模型。
将角色预设保存为本地 .pt 文件，文件名使用角色名。
输入参数：
角色预设: 角色预设对象角色名: 角色名（将作为保存文件名）保存目录(可选): 自定义保存目录
输出：
文件路径: 保存后的 .pt 路径角色预设: 携带角色名信息的角色预设
从本地 .pt 文件加载角色预设，自动提取角色名（优先文件内容，否则使用文件名）。
输入参数：
预设文件: 下拉选择已有 .pt 文件手动输入文件名(可选): 直接输入文件名或路径
输出：
角色预设: 携带角色名信息的角色预设
一次输入 6 个角色预设，可串联多个节点扩展数量。
输入参数：
已有角色预设(可选): 上一个节点的输出角色预设1-6: 多路角色预设输入
输出：
角色预设: 合并后的角色预设集合
合成多角色对话音频。
输入参数：
模型: 从模型加载节点获取对白文本: 多行文本，每行格式为角色名:对白内容语言(可选): 自动 / 中文 / 英文 / 日文 / 韩文等角色映射(可选): 手动指定角色名对应的 .pt 文件（格式：角色名=文件名）角色预设(可选): 从“角色预设输入”节点输入的预设字典启用停顿控制(可选): 开启/关闭对白中的静音停顿处理（默认开启）自动卸载模型(可选): 生成后是否卸载模型以释放显存最大生成Token数(可选): 限制生成的最大长度，默认 2048随机种子(可选): 生成随机性控制
停顿控制说明：
- 在对白文本中使用
=Ns格式添加静音停顿（N为秒数）。 - 示例：
小明:你好，=1s 我是小明。=2.5s 很高兴见到你。 - 注意：停顿标记必须在英文等号
=后紧跟数字和s，如=2s。
输出：
音频: 生成的音频对象（AUDIO 类型）
提供六路提示词输入与输出，便于多路分发。
输入参数：
提示词1-6: 六路提示词
输出：
提示词1-6: 对应输出
构建语音音色描述提示词，支持无限串联组合，方便生成丰富的角色声音描述。
输入参数：
基础音色: 选择年龄与性别（如：萝莉、正太、御姐、大叔等）质感细节1-3: 选择声音质感（如：甜美、沙哑、磁性、慵懒等）上一个提示词(可选): 连接上一个音色描述节点的输出，实现无限串联自定义描述(可选): 手动输入补充描述
输出：
提示词: 组合后的完整提示词字符串
输入6组参考音频-内容对，支持串联扩展。输出批量音频和格式化文本，连接到Master节点的参考音频和文本端口。
输入参数：
音频1-6: 参考音频输入内容1-6: 对应的文本内容已有批量音频(可选): 上一个节点的批量音频输出，用于串联已有批量文本(可选): 上一个节点的批量文本输出，用于串联
输出：
批量音频: 堆叠后的批量音频张量格式化文本: 处理后的文本内容（自动去除前缀，保持一一对应）
集成声音设计、克隆、自定义声音及智能对话功能的统一入口。支持内置模型自动加载。
输入参数：
文本: 输入文本（支持多行、对话格式）工作模式: 智能对话 / 声音设计 / 声音克隆 / 自定义声音内置模型(可选): 自动选择或指定模型参考音频(可选): 连接批量音频或单音频本地预设文件(可选): 声音设计模式下选择本地预设角色映射(可选): 对话模式下指定角色声音启用高级采样配置(可选): 开启后，top_p, top_k 等高级参数才会生效批量保存角色预设(可选): 对话模式下，自动保存所有参与角色的预设文件(.pt)top_p(可选): 核采样阈值 (需开启高级采样配置)top_k(可选): Top-K 采样 (需开启高级采样配置)temperature(可选): 温度系数 (需开启高级采样配置)repetition_penalty(可选): 重复惩罚 (需开启高级采样配置)- 其他参数与各独立节点一致
输出：
音频: 生成的音频角色预设: 生成的角色预设（如适用，对话模式下输出批量预设字典）
1. Qwen3 TTS 模型加载
- 模型名称: Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign
- 运行设备: cuda
- 精度: fp16
2. Qwen3 TTS 声音设计
- 模型: [连接模型加载节点]
- 文本: "Hello, this is a test of voice design."
- 提示词: "A young female voice, energetic and bright."
- 语言: 自动
1. Qwen3 TTS 模型加载
- 模型名称: Qwen/Qwen3-TTS-12Hz-1.7B-Base
- 运行设备: cuda
- 精度: fp16
2. Qwen3 TTS 声音克隆
- 模型: [连接模型加载节点]
- 文本: "Hello, I am cloning this voice."
- 参考音频: [连接音频输入节点]
- 参考文本: "This is the reference audio text."
- 语言: 自动
3. Qwen3 TTS 角色预设保存
- 角色预设: [连接声音克隆输出]
- 角色名: "小米"
1. Qwen3 TTS 模型加载
- 模型名称: Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice
- 运行设备: cuda
- 精度: fp16
2. Qwen3 TTS 自定义声音
- 模型: [连接模型加载节点]
- 文本: "Hello, this is a custom voice."
- 预设说话人: Vivian
- 语言: 自动
### 多角色对话示例
-
Qwen3 TTS 角色预设选择
- 预设文件: 小米.pt
-
Qwen3 TTS 角色预设输入
- 角色预设1: [连接角色预设选择输出]
-
Qwen3 TTS 多角色对话合成
- 角色预设: [连接角色预设输入输出]
- 对白文本: 小米:你好，我是小米 旁白:这是旁白
-
模型路径: 确保模型已下载到
ComfyUI/models/qwen-tts/目录，文件夹名称必须与模型名称的后缀部分一致。 -
模型选择:
- 声音设计功能需要 "VoiceDesign" 模型
- 声音克隆功能需要 "Base" 模型
- 自定义声音功能需要 "CustomVoice" 模型
-
显存管理: 如果显存不足，可以启用"自动卸载模型"选项，生成完成后会自动将模型卸载到 CPU。
-
语言设置: 设置为"自动"时，模型会自动检测文本语言。
-
音频输出: 所有节点输出的音频对象可以通过 ComfyUI 的标准音频保存节点进行保存。
如果出现 模型未找到 错误，请检查：
- 模型是否已下载到
ComfyUI/models/qwen-tts/目录 - 文件夹名称是否正确（应与模型名称的后缀部分一致）
- 文件夹路径是否正确
如果出现功能不支持的错误，请检查：
- 加载的模型类型是否与使用的功能匹配
- VoiceDesign 功能需要 VoiceDesign 模型
- Voice Clone 功能需要 Base 模型
- Custom Voice 功能需要 CustomVoice 模型
请参考原项目许可证。
- 全能节点升级：新增
启用高级采样配置开关，支持自定义 top_p, top_k, temperature, repetition_penalty 参数。 - 对话模式增强：全能节点新增
批量保存角色预设选项，一键保存所有角色的声音预设。 - 角色预设保存优化：保存节点支持接收批量预设输入，自动按角色名保存为多个文件。
- 进度条支持：所有生成节点增加 ComfyUI 原生进度条显示，实时反馈生成进度。
- 参数对齐：统一所有节点的采样参数默认值与控制逻辑。
- 新增 批量语音克隆 功能，支持多段音频与文本的一一对应克隆
- 新增
Qwen3 TTS 批量语音克隆输入节点，支持 6 路输入与无限串联 - 新增
Qwen3 TTS 全能节点 (Master)，集成所有功能，支持自动模型加载与模式切换 - 优化
声音设计节点，新增本地预设文件下拉选择 - 修复批量克隆时所有文本使用同一声音的问题（实现 1:1 映射）
- 修复随机种子控制逻辑，对齐 ComfyUI 标准
- 修复部分节点报错与兼容性问题
- 优化节点参数名称，统一使用中文（如：
随机种子） - 声音克隆与声音设计节点新增
生成后控制选项，支持中文选项（随机/固定/增加/减少） - 优化声音克隆节点参数排序
- 修复部分运行错误
- 多角色对话合成节点支持插入静音停顿（语法：
=2s） - 添加停顿控制开关
- 新增“Qwen3 TTS 音色描述”节点，支持可视化组合音色描述
- 包含丰富的年龄、性别、质感选项
- 新增多角色对话合成节点与角色预设输入节点
- 角色预设保存改为以角色名命名并输出角色名信息
- 声音克隆节点输出角色预设
- 新增六路提示词节点
- 新增随机种子与生成后控制选项，提升生成多样性
- 优化自定义声音提示词优先级处理
- 重命名内部包为
_qwen_tts_haigc，避免与系统安装的 qwen_tts 包冲突 - 修复 transformers 4.57.1 兼容性问题（check_model_inputs 装饰器）
- 优化导入逻辑，增强错误处理
- 禁用所有模型下载功能，强制使用本地文件
- 优化模型路径处理，使用 ComfyUI 标准路径管理
- 初始版本
- 支持声音设计、声音克隆和自定义声音功能
- 移除模型自动下载功能，固定模型读取路径
- 工作流体验地址：https://www.runninghub.cn/post/2014536001888198657/inviteCode=rh-v1127
- 推荐ComfyUI云平台，通过这个地址注册送1000点算力：https://www.runninghub.cn/user-center/1887871050510716930/webapp?inviteCode=rh-v1127
- 已注册还未绑定邀请码可绑定邀请码：rh-v1127 赠送1000点算力
- ComfyUI资源分享：https://pan.quark.cn/s/a56c5a6ec9c2