产品简介
ComfyUI-F5-TTS 是基于 ComfyUI 的文本转语音插件，能克隆用户提供的声音样本生成音频，解决传统 TTS 声音不自然的痛点，适合需要个性化语音的内容创作者和开发者。
核心功能
- 克隆用户声音进行文本转语音
- 支持多种自定义语言模型
- 支持多声音输出通过不同声音文件
- 提供示例工作流快速上手
- 跨平台支持 Windows、macOS、Linux
快速开始
- 安装 ffmpeg（Windows 使用 winget 命令，其他平台参考说明）
- 准备声音样本文件：一个 .wav 音频和同名 .txt 文本（内容为所说的话）
- 将文件放入 ComfyUI 的 input 文件夹（支持 F5-TTS、audio 子文件夹）
- 在 ComfyUI 中刷新节点并配置使用，可参考示例工作流
界面预览
与其他方案对比
| 对比项 | ComfyUI-F5-TTS | 同类方案 |
|---|---|---|
| 声音克隆能力 | 能使用用户自己的声音样本克隆生成语音 | 传统 TTS 通常使用预设声音，缺乏个性化定制 |
| 自定义模型支持 | 支持多种语言自定义模型（如法语、德语等），通过简单文件添加 | 可能只支持固定语言或自定义扩展有限 |
适合谁用
- 需要个性化语音的内容创作者（如视频制作者、播客主播）
- 开发者集成文本转语音功能到项目
- 教育工作者制作多语言教学音频
下载与版本
当前最新版本为 main，发布于 。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/niknah/ComfyUI-F5-TTS