[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-billwuhao--ComfyUI_IndexTTS":3,"tool-billwuhao--ComfyUI_IndexTTS":64},[4,23,32,40,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85092,2,"2026-04-10T11:13:16",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},4128,"GPT-SoVITS","RVC-Boss\u002FGPT-SoVITS","GPT-SoVITS 是一款强大的开源语音合成与声音克隆工具，旨在让用户仅需极少量的音频数据即可训练出高质量的个性化语音模型。它核心解决了传统语音合成技术依赖海量录音数据、门槛高且成本大的痛点，实现了“零样本”和“少样本”的快速建模：用户只需提供 5 秒参考音频即可即时生成语音，或使用 1 分钟数据进行微调，从而获得高度逼真且相似度极佳的声音效果。\n\n该工具特别适合内容创作者、独立开发者、研究人员以及希望为角色配音的普通用户使用。其内置的友好 WebUI 界面集成了人声伴奏分离、自动数据集切片、中文语音识别及文本标注等辅助功能，极大地降低了数据准备和模型训练的技术门槛，让非专业人士也能轻松上手。\n\n在技术亮点方面，GPT-SoVITS 不仅支持中、英、日、韩、粤语等多语言跨语种合成，还具备卓越的推理速度，在主流显卡上可实现实时甚至超实时的生成效率。无论是需要快速制作视频配音，还是进行多语言语音交互研究，GPT-SoVITS 都能以极低的数据成本提供专业级的语音合成体验。",56375,3,"2026-04-05T22:15:46",[21],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":29,"last_commit_at":38,"category_tags":39,"status":22},2863,"TTS","coqui-ai\u002FTTS","🐸TTS 是一款功能强大的深度学习文本转语音（Text-to-Speech）开源库，旨在将文字自然流畅地转化为逼真的人声。它解决了传统语音合成技术中声音机械生硬、多语言支持不足以及定制门槛高等痛点，让高质量的语音生成变得触手可及。\n\n无论是希望快速集成语音功能的开发者，还是致力于探索前沿算法的研究人员，亦或是需要定制专属声音的数据科学家，🐸TTS 都能提供得力支持。它不仅预置了覆盖全球 1100 多种语言的训练模型，让用户能够即刻上手，还提供了完善的工具链，支持用户利用自有数据训练新模型或对现有模型进行微调，轻松实现特定风格的声音克隆。\n\n在技术亮点方面，🐸TTS 表现卓越。其最新的 ⓍTTSv2 模型支持 16 种语言，并在整体性能上大幅提升，实现了低于 200 毫秒的超低延迟流式输出，极大提升了实时交互体验。此外，它还无缝集成了 🐶Bark、🐢Tortoise 等社区热门模型，并支持调用上千个 Fairseq 模型，展现了极强的兼容性与扩展性。配合丰富的数据集分析与整理工具，🐸TTS 已成为科研与生产环境中备受信赖的语音合成解决方案。",44971,"2026-04-03T14:47:02",[21,20,13],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":29,"last_commit_at":46,"category_tags":47,"status":22},2375,"LocalAI","mudler\u002FLocalAI","LocalAI 是一款开源的本地人工智能引擎，旨在让用户在任意硬件上轻松运行各类 AI 模型，包括大语言模型、图像生成、语音识别及视频处理等。它的核心优势在于彻底打破了高性能计算的门槛，无需昂贵的专用 GPU，仅凭普通 CPU 或常见的消费级显卡（如 NVIDIA、AMD、Intel 及 Apple Silicon）即可部署和运行复杂的 AI 任务。\n\n对于担心数据隐私的用户而言，LocalAI 提供了“隐私优先”的解决方案，确保所有数据处理均在本地基础设施内完成，无需上传至云端。同时，它完美兼容 OpenAI、Anthropic 等主流 API 接口，这意味着开发者可以无缝迁移现有应用，直接利用本地资源替代云服务，既降低了成本又提升了可控性。\n\nLocalAI 内置了超过 35 种后端支持（如 llama.cpp、vLLM、Whisper 等），并集成了自主 AI 代理、工具调用及检索增强生成（RAG）等高级功能，且具备多用户管理与权限控制能力。无论是希望保护敏感数据的企业开发者、进行算法实验的研究人员，还是想要在个人电脑上体验最新 AI 技术的极客玩家，都能通过 LocalAI 获",44782,"2026-04-02T22:14:26",[13,21,19,17,20,14,16],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":29,"last_commit_at":54,"category_tags":55,"status":22},3108,"bark","suno-ai\u002Fbark","Bark 是由 Suno 推出的开源生成式音频模型，能够根据文本提示创造出高度逼真的多语言语音、音乐、背景噪音及简单音效。与传统仅能朗读文字的语音合成工具不同，Bark 基于 Transformer 架构，不仅能模拟说话，还能生成笑声、叹息、哭泣等非语言声音，甚至能处理带有情感色彩和语气停顿的复杂文本，极大地丰富了音频表达的可能性。\n\n它主要解决了传统语音合成声音机械、缺乏情感以及无法生成非语音类音效的痛点，让创作者能通过简单的文字描述获得生动自然的音频素材。无论是需要为视频配音的内容创作者、探索多模态生成的研究人员，还是希望快速原型设计的开发者，都能从中受益。普通用户也可通过集成的演示页面轻松体验其神奇效果。\n\n技术亮点方面，Bark 支持商业使用（MIT 许可），并在近期更新中实现了显著的推理速度提升，同时提供了适配低显存 GPU 的版本，降低了使用门槛。此外，社区还建立了丰富的提示词库，帮助用户更好地驾驭模型生成特定风格的声音。只需几行 Python 代码，即可将创意文本转化为高质量音频，是连接文字与声音世界的强大桥梁。",39067,"2026-04-04T03:33:35",[21],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":29,"last_commit_at":62,"category_tags":63,"status":22},5908,"ChatTTS","2noise\u002FChatTTS","ChatTTS 是一款专为日常对话场景打造的生成式语音模型，特别适用于大语言模型助手等交互式应用。它主要解决了传统文本转语音（TTS）技术在对话中缺乏自然感、情感表达单一以及难以处理停顿、笑声等细微语气的问题，让机器生成的语音听起来更像真人在聊天。\n\n这款工具非常适合开发者、研究人员以及希望为应用增添自然语音交互功能的设计师使用。普通用户也可以通过社区开发的衍生产品体验其能力。ChatTTS 的核心亮点在于其对对话任务的深度优化：它不仅支持中英文双语，还能精准控制韵律细节，自动生成自然的 laughter（笑声）、pauses（停顿）和 interjections（插入语），从而实现多说话人的互动对话效果。在韵律表现上，ChatTTS 超越了大多数开源 TTS 模型。目前开源版本基于 4 万小时数据预训练而成，虽主要用于学术研究与教育目的，但已展现出强大的潜力，并支持流式音频生成与零样本推理，为后续的多情绪控制等进阶功能奠定了基础。",39042,"2026-04-09T11:54:03",[19,17,20,21],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":81,"languages":82,"stars":99,"forks":100,"last_commit_at":101,"license":102,"difficulty_score":103,"env_os":104,"env_gpu":105,"env_ram":106,"env_deps":107,"category_tags":115,"github_topics":79,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":22,"created_at":116,"updated_at":117,"faqs":118,"releases":154},8107,"billwuhao\u002FComfyUI_IndexTTS","ComfyUI_IndexTTS","IndexTTS Voice Cloning: Supports two-person dialogue","ComfyUI_IndexTTS 是一款集成在 ComfyUI 中的高性能声音克隆节点，基于 IndexTTS 模型打造。它不仅能实现高质量的中英文语音合成与音色复刻，更突破了传统工具的限制，原生支持双人对话模式及“无限情绪表达”。\n\n该工具主要解决了现有 TTS 方案情感单一、难以处理多角色互动以及长文本推理效率低的问题。用户只需提供简短的参考音频，即可克隆出逼真的声音；通过输入简单的情绪提示词（如“哭哭”、“大笑”）或调整情绪向量，能精准控制语音的喜怒哀乐，甚至模拟复杂的对话场景。此外，它还支持 DeepSpeed 加速和自定义 CUDA 内核，显著提升了生成速度与长文本处理能力。\n\nComfyUI_IndexTTS 非常适合 AI 内容创作者、视频博主、游戏开发者以及需要制作有声读物或广播剧的设计师使用。对于熟悉 ComfyUI 工作流的进阶用户，它能极大丰富音频创作的维度；而其对安装环境的优化（如 Windows 下的依赖修复），也让普通技术爱好者能更轻松地部署体验。无论是制作生动的短视频配音，还是构建多角色互动的音频剧情，它都能提供专业且灵活的解决方案。","[中文](README.md) | [English](README-EN.md) \r\n\r\n# ComfyUI 的 IndexTTS 声音克隆节点\r\n\r\n声音克隆质量非常高, 速度非常快, 支持中英文, 支持自定义音色，**支持无限情绪表达**！\r\n\r\n## 📣 更新\r\n\r\n[2025-09-09]⚒️: 发布 v2.0.0. **支持IndexTTS2！声音生成，克隆王者登基！**\r\n\r\n```\r\n[S1] 2024年02月14日 Valentine’s Day，你居然忘了？！\r\n[S2] Babe 对不起！我特意订了 dinner at 7:30 PM，还买了你最爱的 rose，99朵，每朵¥13.14，total ¥1300.86！\r\n[S1] 哼…那520.13元的红包呢？去年你说“我爱你一生”都发了，今年呢？\r\n[S2] Already sent！Alipay 提示音你没听到？\r\n[S1] …那周末去三亚的机票？你上个月说“March 15日出发，住海景房¥2888.88\u002F晚”？\r\n[S2] Confirmed！Flight MU5378，3月15日08:45起飞。房费我pay，你负责…smile like sunshine！\r\n[S1] 这还差不多～但下次纪念日别用“Babe”糊弄我！\r\n[S2] Yes, my Queen！下次发红包¥1314.52。\r\n```\r\n\r\n- 提示词：  \r\n男：大笑笑笑笑。。。女：哭哭哭。。。\r\n\r\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F6de33c3a-439b-4921-8f94-796c8852508b\r\n\r\n[2025-05-30]⚒️: 发布 v1.2.0. **支持双人对话, 支持预览说话者, Windows 正常安装 pynini, 不再是阉割版 TTS!**\r\n\r\n`IndexTTS 正式发布1.5 版本了，效果666,晕XUAN4是一种GAN3觉,我爱你！,I love you!,“我爱你”的英语是“I love you”,2.5平方电线,共465篇，约315万字,2002年的第一场雪，下在了2003年.`\r\n\r\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fb67891f2-0982-4540-8c3b-1a870305466f\r\n\r\n[2025-05-14]⚒️: 支持 v1.5 版本. 模型下载并更名放到 `ComfyUI\\models\\TTS\\Index-TTS` 路径下:\r\n- https:\u002F\u002Fhuggingface.co\u002FIndexTeam\u002FIndexTTS-1.5\u002Fblob\u002Fmain\u002Fbigvgan_generator.pth  → `bigvgan_generator_v1_5.pth`\r\n- https:\u002F\u002Fhuggingface.co\u002FIndexTeam\u002FIndexTTS-1.5\u002Fblob\u002Fmain\u002Fbpe.model → `bpe_v1_5.model`\r\n- https:\u002F\u002Fhuggingface.co\u002FIndexTeam\u002FIndexTTS-1.5\u002Fblob\u002Fmain\u002Fgpt.pth → `gpt_v1_5.pth`\r\n\r\n[2025-05-02]⚒️: 可用 DeepSpeed 加速, 需要安装 DeepSpeed, Windows 详见 [DeepSpeed 安装](https:\u002F\u002Fgithub.com\u002Fdeepspeedai\u002FDeepSpeed\u002Fblob\u002Fmaster\u002Fblogs\u002Fwindows\u002F08-2024\u002Fchinese\u002FREADME.md). 加速不明显.\r\n\r\n[2025-04-30]⚒️: 发布 v1.0.0.\r\n\r\n## 使用\r\n\r\n**V2重要参数说明（全是可选的）**：\r\n- `deepspeed`: 是否开启 deepspeed 加速（需要先安装deepspeed）。\r\n- `emo_audio_prompt`: 第一个说话人，情绪音频参考。\r\n- `emo_alpha`: 第一个说话人，情绪强度。\r\n- `emo_vector`: 第一个说话人，情绪控制向量，英文格式输入类似这样的列表 `[0, 0, 0, 0, 0, 0, 0.45, 0]`（每一个强度范围0-1，表示惊喜强度 0.45），数字分别对应 : [Happy, Angery, Sad, Fear, Hate, Low, Surprise, Neutral]， 几乎无限组合。\r\n- `use_emo_text`: 第一个说话人，是否开启提示词控制情绪。如果使用提示词控制，情绪参考音频失效。\r\n- `emo_text`: 第一个说话人，情绪控制提示词。随便写，例如 `哭哭。。。苦苦。。。`\r\n- `use_random`: 第一个说话人，是否开启随机性。\r\n\r\n- `emo_audio_prompt_s2`: 第二个说话人，同上。\r\n- `emo_alpha_s2`: 第二个说话人，同上。\r\n- `emo_vector_s2`: 第二个说话人，同上。\r\n- `use_emo_text_s2`: 第二个说话人，同上。\r\n- `emo_text_s2`: 第二个说话人，同上。\r\n- `use_random_s2`: 第二个说话人，同上。\r\n\r\n**如果不提供任何情绪控制，自动使用克隆音频作为情绪参考**。\r\n\r\n---\r\n\r\n重要参数说明(其他参数不是很重要的就不一一介绍了):\r\n- `max_mel_tokens`: 控制生成的语音长度, 长文本需要增加这个参数.\r\n- `max_text_tokens_per_sentence`: 分句的最大token数，越小，推理速度越快，占用内存更多，可能影响质量\r\n- `sentences_bucket_max_size`: 分句分桶的最大容量，越大，推理速度越快，占用内存更多，可能影响质量\r\n- `fast_inference`: 开启快速推理\r\n- `custom_cuda_kernel`: 开启自定义 CUDA 内核, 第一次运行将自动构建 CUDA 内核扩展\r\n- `dialogue_audio_s2`: 双人会话时的第二个音频, 如果输入这个音频, 自动启动会话模式. 会话模式下, 输入文本必须如下([S1] 表示第一个说话者, [S2] 表示第二个说话者):\r\n```\r\n[S1] 轻喘像风掠过耳畔，\r\n[S2] 你靠近时，连呼吸都慢了半拍。\r\n[S1] 指尖在我锁骨上游移，\r\n[S2] 仿佛试探一扇未曾开启的门。\r\n```\r\n\r\n- 情绪控制：\r\n\r\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbillwuhao_ComfyUI_IndexTTS_readme_d2e4272198f9.png)\r\n\r\n- 加载音频:\r\n\r\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbillwuhao_ComfyUI_IndexTTS_readme_a94315a2a4b4.png)\r\n\r\n- 预览说话者:\r\n\r\n我将会把所有 TTS 节点的说话者音频全部统一放到 `ComfyUI\\models\\TTS\\speakers` 路径下, 这些节点包括 `IndexTTS, CSM, Dia, MegaTTS, QuteTTS, SparkTTS, StepAudioTTS` 等.\r\n\r\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbillwuhao_ComfyUI_IndexTTS_readme_d8bc295ac59f.png)\r\n\r\n- 双人对话:\r\n\r\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbillwuhao_ComfyUI_IndexTTS_readme_f16546f0cf8c.png)\r\n\r\n## 安装\r\n\r\n- **Windows** 先安装以下依赖:\r\n\r\n[pynini-windows-wheels](https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002Fpynini-windows-wheels\u002Freleases\u002Ftag\u002Fv2.1.6.post1) 下载相应 python 版本的 pynini 轮子.\r\n\r\n示例:\r\n```\r\nD:\\AIGC\\python\\py310\\python.exe -m pip install pynini-2.1.6.post1-cp3xx-cp3xx-win_amd64.whl\r\nD:\\AIGC\\python\\py310\\python.exe -m pip install importlib_resources\r\nD:\\AIGC\\python\\py310\\python.exe -m pip install WeTextProcessing>=1.0.4 --no-deps\r\n```\r\n\r\n- **Linux**, **Mac**, **Windows**:\r\n```\r\ncd ComfyUI\u002Fcustom_nodes\r\ngit clone https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002FComfyUI_IndexTTS.git\r\ncd ComfyUI_IndexTTS\r\npip install -r requirements.txt\r\n\r\n# python_embeded\r\n.\u002Fpython_embeded\u002Fpython.exe -m pip install -r requirements.txt\r\n```\r\n\r\n## 模型下载\r\n\r\n**V2模型下载**：\r\n\r\n模型手动下载到 `ComfyUI\\models\\TTS` 下的指定文件夹：\r\n\r\n- https:\u002F\u002Fhf-mirror.com\u002Fnvidia\u002Fbigvgan_v2_22khz_80band_256x\u002Ftree\u002Fmain\r\n\r\n- https:\u002F\u002Fhf-mirror.com\u002Ffunasr\u002Fcampplus\u002Ftree\u002Fmain\r\n\r\n- https:\u002F\u002Fhf-mirror.com\u002FIndexTeam\u002FIndexTTS-2\u002Ftree\u002Fmain\r\n\r\n- https:\u002F\u002Fhf-mirror.com\u002Famphion\u002FMaskGCT\u002Ftree\u002Fmain\u002Fsemantic_codec\r\n\r\n- https:\u002F\u002Fhf-mirror.com\u002Ffacebook\u002Fw2v-bert-2.0\u002Ftree\u002Fmain\r\n\r\n```\r\n- bigvgan_v2_22khz_80band_256x\r\n   bigvgan_generator.pt\r\n   config.json\r\n- campplus\r\n   campplus_cn_common.bin\r\n- IndexTTS-2\r\n│  .gitattributes\r\n│  bpe.model\r\n│  config.yaml\r\n│  feat1.pt\r\n│  feat2.pt\r\n│  gpt.pth\r\n│  README.md\r\n│  s2mel.pth\r\n│  wav2vec2bert_stats.pt\r\n│\r\n└─ qwen0.6bemo4-merge\r\n        added_tokens.json\r\n        chat_template.jinja\r\n        config.json\r\n        generation_config.json\r\n        merges.txt\r\n        model.safetensors\r\n        Modelfile\r\n        special_tokens_map.json\r\n        tokenizer.json\r\n        tokenizer_config.json\r\n        vocab.json\r\n- MaskGCT\r\n   semantic_codec\r\n        model.safetensors\r\n- w2v-bert-2.0\r\n    .gitattributes\r\n    config.json\r\n    conformer_shaw.pt\r\n    model.safetensors\r\n    preprocessor_config.json\r\n    README.md\r\n```\r\n\r\n---\r\n\r\n- 模型需要手动下载放到 `ComfyUI\\models\\TTS\\Index-TTS` 路径下:\r\n\r\n[Index-TTS](https:\u002F\u002Fhuggingface.co\u002FIndexTeam\u002FIndex-TTS\u002Ftree\u002Fmain) 结构如下:\r\n\r\n```\r\nbigvgan_generator.pth\r\nbpe.model\r\ngpt.pth\r\n```\r\n\r\n## 鸣谢\r\n\r\n\r\n- [index-tts](https:\u002F\u002Fgithub.com\u002Findex-tts\u002Findex-tts)\r\n","[中文](README.md) | [English](README-EN.md) \n\n# ComfyUI 的 IndexTTS 声音克隆节点\n\n声音克隆质量非常高, 速度非常快, 支持中英文, 支持自定义音色，**支持无限情绪表达**！\n\n## 📣 更新\n\n[2025-09-09]⚒️: 发布 v2.0.0. **支持IndexTTS2！声音生成，克隆王者登基！**\n\n```\n[S1] 2024年02月14日 Valentine’s Day，你居然忘了？！\n[S2] Babe 对不起！我特意订了 dinner at 7:30 PM，还买了你最爱的 rose，99朵，每朵¥13.14，total ¥1300.86！\n[S1] 哼…那520.13元的红包呢？去年你说“我爱你一生”都发了，今年呢？\n[S2] Already sent！Alipay 提示音你没听到？\n[S1] …那周末去三亚的机票？你上个月说“March 15日出发，住海景房¥2888.88\u002F晚”？\n[S2] Confirmed！Flight MU5378，3月15日08:45起飞。房费我pay，你负责…smile like sunshine！\n[S1] 这还差不多～但下次纪念日别用“Babe”糊弄我！\n[S2] Yes, my Queen！下次发红包¥1314.52。\n```\n\n- 提示词：  \n男：大笑笑笑笑。。。女：哭哭哭。。。\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F6de33c3a-439b-4921-8f94-796c8852508b\n\n[2025-05-30]⚒️: 发布 v1.2.0. **支持双人对话, 支持预览说话者, Windows 正常安装 pynini, 不再是阉割版 TTS!**\n\n`IndexTTS 正式发布1.5 版本了，效果666,晕XUAN4是一种GAN3觉,我爱你！,I love you!,“我爱你”的英语是“I love you”,2.5平方电线,共465篇，约315万字,2002年的第一场雪，下在了2003年.`\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fb67891f2-0982-4540-8c3b-1a870305466f\n\n[2025-05-14]⚒️: 支持 v1.5 版本. 模型下载并更名放到 `ComfyUI\\models\\TTS\\Index-TTS` 路径下:\n- https:\u002F\u002Fhuggingface.co\u002FIndexTeam\u002FIndexTTS-1.5\u002Fblob\u002Fmain\u002Fbigvgan_generator.pth  → `bigvgan_generator_v1_5.pth`\n- https:\u002F\u002Fhuggingface.co\u002FIndexTeam\u002FIndexTTS-1.5\u002Fblob\u002Fmain\u002Fbpe.model → `bpe_v1_5.model`\n- https:\u002F\u002Fhuggingface.co\u002FIndexTeam\u002FIndexTTS-1.5\u002Fblob\u002Fmain\u002Fgpt.pth → `gpt_v1_5.pth`\n\n[2025-05-02]⚒️: 可用 DeepSpeed 加速, 需要安装 DeepSpeed, Windows 详见 [DeepSpeed 安装](https:\u002F\u002Fgithub.com\u002Fdeepspeedai\u002FDeepSpeed\u002Fblob\u002Fmaster\u002Fblogs\u002Fwindows\u002F08-2024\u002Fchinese\u002FREADME.md). 加速不明显.\n\n[2025-04-30]⚒️: 发布 v1.0.0.\n\n## 使用\n\n**V2重要参数说明（全是可选的）**：\n- `deepspeed`: 是否开启 deepspeed 加速（需要先安装deepspeed）。\n- `emo_audio_prompt`: 第一个说话人，情绪音频参考。\n- `emo_alpha`: 第一个说话人，情绪强度。\n- `emo_vector`: 第一个说话人，情绪控制向量，英文格式输入类似这样的列表 `[0, 0, 0, 0, 0, 0, 0.45, 0]`（每一个强度范围0-1，表示惊喜强度 0.45），数字分别对应 : [Happy, Angery, Sad, Fear, Hate, Low, Surprise, Neutral]， 几乎无限组合。\n- `use_emo_text`: 第一个说话人，是否开启提示词控制情绪。如果使用提示词控制，情绪参考音频失效。\n- `emo_text`: 第一个说话人，情绪控制提示词。随便写，例如 `哭哭。。。苦苦。。。`\n- `use_random`: 第一个说话人，是否开启随机性。\n\n- `emo_audio_prompt_s2`: 第二个说话人，同上。\n- `emo_alpha_s2`: 第二个说话人，同上。\n- `emo_vector_s2`: 第二个说话人，同上。\n- `use_emo_text_s2`: 第二个说话人，同上。\n- `emo_text_s2`: 第二个说话人，同上。\n- `use_random_s2`: 第二个说话人，同上。\n\n**如果不提供任何情绪控制，自动使用克隆音频作为情绪参考**。\n\n---\n\n重要参数说明(其他参数不是很重要的就不一一介绍了):\n- `max_mel_tokens`: 控制生成的语音长度, 长文本需要增加这个参数.\n- `max_text_tokens_per_sentence`: 分句的最大token数，越小，推理速度越快，占用内存更多，可能影响质量\n- `sentences_bucket_max_size`: 分句分桶的最大容量，越大，推理速度越快，占用内存更多，可能影响质量\n- `fast_inference`: 开启快速推理\n- `custom_cuda_kernel`: 开启自定义 CUDA 内核, 第一次运行将自动构建 CUDA 内核扩展\n- `dialogue_audio_s2`: 双人会话时的第二个音频, 如果输入这个音频, 自动启动会话模式. 会话模式下, 输入文本必须如下([S1] 表示第一个说话者, [S2] 表示第二个说话者):\n```\n[S1] 轻喘像风掠过耳畔，\n[S2] 你靠近时，连呼吸都慢了半拍。\n[S1] 指尖在我锁骨上游移，\n[S2] 仿佛试探一扇未曾开启的门。\n```\n\n- 情绪控制：\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbillwuhao_ComfyUI_IndexTTS_readme_d2e4272198f9.png)\n\n- 加载音频:\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbillwuhao_ComfyUI_IndexTTS_readme_a94315a2a4b4.png)\n\n- 预览说话者:\n\n我将会把所有 TTS 节点的说话者音频全部统一放到 `ComfyUI\\models\\TTS\\speakers` 路径下, 这些节点包括 `IndexTTS, CSM, Dia, MegaTTS, QuteTTS, SparkTTS, StepAudioTTS` 等.\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbillwuhao_ComfyUI_IndexTTS_readme_d8bc295ac59f.png)\n\n- 双人对话:\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbillwuhao_ComfyUI_IndexTTS_readme_f16546f0cf8c.png)\n\n## 安装\n\n- **Windows** 先安装以下依赖:\n\n[pynini-windows-wheels](https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002Fpynini-windows-wheels\u002Freleases\u002Ftag\u002Fv2.1.6.post1) 下载相应 python 版本的 pynini 轮子.\n\n示例:\n```\nD:\\AIGC\\python\\py310\\python.exe -m pip install pynini-2.1.6.post1-cp3xx-cp3xx-win_amd64.whl\nD:\\AIGC\\python\\py310\\python.exe -m pip install importlib_resources\nD:\\AIGC\\python\\py310\\python.exe -m pip install WeTextProcessing>=1.0.4 --no-deps\n```\n\n- **Linux**, **Mac**, **Windows**:\n```\ncd ComfyUI\u002Fcustom_nodes\ngit clone https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002FComfyUI_IndexTTS.git\ncd ComfyUI_IndexTTS\npip install -r requirements.txt\n\n# python_embeded\n.\u002Fpython_embeded\u002Fpython.exe -m pip install -r requirements.txt\n```\n\n## 模型下载\n\n**V2模型下载**：\n\n模型手动下载到 `ComfyUI\\models\\TTS` 下的指定文件夹：\n\n- https:\u002F\u002Fhf-mirror.com\u002Fnvidia\u002Fbigvgan_v2_22khz_80band_256x\u002Ftree\u002Fmain\n\n- https:\u002F\u002Fhf-mirror.com\u002Ffunasr\u002Fcampplus\u002Ftree\u002Fmain\n\n- https:\u002F\u002Fhf-mirror.com\u002FIndexTeam\u002FIndexTTS-2\u002Ftree\u002Fmain\n\n- https:\u002F\u002Fhf-mirror.com\u002Famphion\u002FMaskGCT\u002Ftree\u002Fmain\u002Fsemantic_codec\n\n- https:\u002F\u002Fhf-mirror.com\u002Ffacebook\u002Fw2v-bert-2.0\u002Ftree\u002Fmain\n\n```\n- bigvgan_v2_22khz_80band_256x\n   bigvgan_generator.pt\n   config.json\n- campplus\n   campplus_cn_common.bin\n- IndexTTS-2\n│  .gitattributes\n│  bpe.model\n│  config.yaml\n│  feat1.pt\n│  feat2.pt\n│  gpt.pth\n│  README.md\n│  s2mel.pth\n│  wav2vec2bert_stats.pt\n│\n└─ qwen0.6bemo4-merge\n        added_tokens.json\n        chat_template.jinja\n        config.json\n        generation_config.json\n        merges.txt\n        model.safetensors\n        Modelfile\n        special_tokens_map.json\n        tokenizer.json\n        tokenizer_config.json\n        vocab.json\n- MaskGCT\n   semantic_codec\n        model.safetensors\n- w2v-bert-2.0\n    .gitattributes\n    config.json\n    conformer_shaw.pt\n    model.safetensors\n    preprocessor_config.json\n    README.md\n```\n\n---\n\n- 模型需要手动下载放到 `ComfyUI\\models\\TTS\\Index-TTS` 路径下:\n\n[Index-TTS](https:\u002F\u002Fhuggingface.co\u002FIndexTeam\u002FIndex-TTS\u002Ftree\u002Fmain) 结构如下:\n\n```\nbigvgan_generator.pth\nbpe.model\ngpt.pth\n```\n\n## 鸣谢\n\n\n- [index-tts](https:\u002F\u002Fgithub.com\u002Findex-tts\u002Findex-tts)","# ComfyUI_IndexTTS 快速上手指南\n\nComfyUI_IndexTTS 是一个高质量、高速度的声音克隆节点，支持中英文双语及无限情绪表达。最新版本 (v2.0.0) 已支持 IndexTTS2，并具备双人对话功能。\n\n## 1. 环境准备\n\n### 系统要求\n- **操作系统**: Windows, Linux, macOS\n- **Python 版本**: 建议 Python 3.10+ (需与 ComfyUI 环境一致)\n- **硬件**: 推荐 NVIDIA GPU 以启用 CUDA 加速\n\n### 前置依赖 (Windows 用户必读)\nWindows 用户需先手动安装 `pynini` 及相关文本处理库，否则无法正常运行。\n\n1. 前往 [pynini-windows-wheels](https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002Fpynini-windows-wheels\u002Freleases\u002Ftag\u002Fv2.1.6.post1) 下载对应 Python 版本的 `.whl` 文件。\n2. 在终端执行以下命令（请替换 `\u003Cpython_path>` 为你的 Python 路径，`\u003Cwheel_file>` 为下载的文件名）：\n\n```bash\n\u003Cpython_path> -m pip install \u003Cwheel_file>\n\u003Cpython_path> -m pip install importlib_resources\n\u003Cpython_path> -m pip install WeTextProcessing>=1.0.4 --no-deps\n```\n\n*示例 (Python 3.10):*\n```bash\nD:\\AIGC\\python\\py310\\python.exe -m pip install pynini-2.1.6.post1-cp310-cp310-win_amd64.whl\nD:\\AIGC\\python\\py310\\python.exe -m pip install importlib_resources\nD:\\AIGC\\python\\py310\\python.exe -m pip install WeTextProcessing>=1.0.4 --no-deps\n```\n\n## 2. 安装步骤\n\n### 步骤一：克隆插件\n进入 ComfyUI 的自定义节点目录并克隆仓库：\n\n```bash\ncd ComfyUI\u002Fcustom_nodes\ngit clone https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002FComfyUI_IndexTTS.git\ncd ComfyUI_IndexTTS\n```\n\n### 步骤二：安装依赖\n根据你是否使用嵌入式 Python 环境选择以下任一命令：\n\n**标准环境:**\n```bash\npip install -r requirements.txt\n```\n\n**ComfyUI 嵌入式环境 (Windows 便携版):**\n```bash\n..\u002Fpython_embeded\u002Fpython.exe -m pip install -r requirements.txt\n```\n*(注：如果在 custom_nodes 目录下，路径可能需要调整为 `..\u002F..\u002Fpython_embeded\u002Fpython.exe`)*\n\n### 步骤三：下载模型 (关键)\n本工具支持 V1.5 和 V2.0 两种模型架构，请根据需要下载。**推荐使用国内镜像源 (hf-mirror.com) 加速下载。**\n\n#### 方案 A: IndexTTS V2.0 (推荐，效果更强)\n将以下仓库内容手动下载到 `ComfyUI\\models\\TTS` 目录下，并保持原有的文件夹结构：\n\n1. **bigvgan_v2**: [下载地址](https:\u002F\u002Fhf-mirror.com\u002Fnvidia\u002Fbigvgan_v2_22khz_80band_256x\u002Ftree\u002Fmain)\n   - 放入文件夹: `bigvgan_v2_22khz_80band_256x`\n2. **campplus**: [下载地址](https:\u002F\u002Fhf-mirror.com\u002Ffunasr\u002Fcampplus\u002Ftree\u002Fmain)\n   - 放入文件夹: `campplus`\n3. **IndexTTS-2**: [下载地址](https:\u002F\u002Fhf-mirror.com\u002FIndexTeam\u002FIndexTTS-2\u002Ftree\u002Fmain)\n   - 放入文件夹: `IndexTTS-2`\n4. **MaskGCT**: [下载地址](https:\u002F\u002Fhf-mirror.com\u002Famphion\u002FMaskGCT\u002Ftree\u002Fmain\u002Fsemantic_codec)\n   - 放入文件夹: `MaskGCT\u002Fsemantic_codec`\n5. **w2v-bert-2.0**: [下载地址](https:\u002F\u002Fhf-mirror.com\u002Ffacebook\u002Fw2v-bert-2.0\u002Ftree\u002Fmain)\n   - 放入文件夹: `w2v-bert-2.0`\n\n#### 方案 B: IndexTTS V1.5 (经典版)\n将以下文件下载并重命名，放入 `ComfyUI\\models\\TTS\\Index-TTS` 目录：\n\n- `bigvgan_generator.pth` (源文件: [bigvgan_generator.pth](https:\u002F\u002Fhf-mirror.com\u002FIndexTeam\u002FIndexTTS-1.5\u002Fblob\u002Fmain\u002Fbigvgan_generator.pth))\n- `bpe_v1_5.model` (源文件: [bpe.model](https:\u002F\u002Fhf-mirror.com\u002FIndexTeam\u002FIndexTTS-1.5\u002Fblob\u002Fmain\u002Fbpe.model))\n- `gpt_v1_5.pth` (源文件: [gpt.pth](https:\u002F\u002Fhf-mirror.com\u002FIndexTeam\u002FIndexTTS-1.5\u002Fblob\u002Fmain\u002Fgpt.pth))\n\n## 3. 基本使用\n\n重启 ComfyUI 后，在节点菜单中找到 `IndexTTS` 相关节点即可使用。\n\n### 场景一：单人语音克隆 (最简单用法)\n1. **加载音频**: 使用 `Load Audio` 节点加载参考人声（用于克隆音色）。\n2. **输入文本**: 连接 `IndexTTS` 节点，在文本框输入要合成的内容。\n3. **生成**: 连接 `Save Audio` 节点输出结果。\n   - *注：若不设置情绪参数，系统将自动使用参考音频的情绪风格。*\n\n### 场景二：双人对话模式\n1. **开启会话**: 在 `IndexTTS` 节点的 `dialogue_audio_s2` 端口连接第二个说话人的参考音频。\n2. **格式化文本**: 输入文本必须严格包含说话人标记 `[S1]` 和 `[S2]`。\n   \n   **文本示例:**\n   ```text\n   [S1] 轻喘像风掠过耳畔，\n   [S2] 你靠近时，连呼吸都慢了半拍。\n   [S1] 指尖在我锁骨上游移，\n   [S2] 仿佛试探一扇未曾开启的门。\n   ```\n3. **运行**: 节点会自动识别标记并分别使用对应的音色进行合成。\n\n### 进阶：情绪控制 (V2.0 特性)\n- **提示词控制**: 设置 `use_emo_text` 为 True，并在 `emo_text` 输入如 `哭哭。。。`, `大笑。。。` 等描述。\n- **向量控制**: 设置 `emo_vector` 列表，例如 `[0, 0, 0, 0, 0, 0, 0.45, 0]` 表示 45% 的惊喜度 (顺序对应：Happy, Angery, Sad, Fear, Hate, Low, Surprise, Neutral)。\n- **音频参考**: 通过 `emo_audio_prompt` 上传带有特定情绪的音频片段作为参考。","一位独立游戏开发者正在为一款恋爱模拟游戏制作剧情音频，需要让男女主角进行充满情感起伏的双人对话配音。\n\n### 没有 ComfyUI_IndexTTS 时\n- **多人配音成本高昂**：传统方案需分别录制两个角色的声音再后期剪辑，或聘请两名配音演员，预算和时间成本极高。\n- **情绪表达僵硬单一**：普通 TTS 工具难以精准控制“大笑”、“哭泣”或“暧昧低语”等复杂情绪，导致对话听起来像机器人念稿，缺乏感染力。\n- **中英混合识别困难**：剧本中夹杂的英文台词（如\"Babe\"、\"Alipay\"）常被误读或发音生硬，破坏沉浸感。\n- **迭代修改极其繁琐**：一旦剧本微调，必须重新录制或调整大量音频片段，工作流断裂且效率低下。\n\n### 使用 ComfyUI_IndexTTS 后\n- **一键生成双人对话**：直接在节点中输入包含 `[S1]` 和 `[S2]` 标记的剧本，ComfyUI_IndexTTS 即可自动区分角色并生成连贯的双人互动音频。\n- **无限情绪精细调控**：通过 `emo_text` 提示词（如“哭哭哭”）或 `emo_vector` 向量，精准赋予角色惊喜、愤怒或温柔等特定情绪，甚至支持“大笑”与“抽泣”的同框演绎。\n- **自然流畅的中英混读**：内置模型完美处理中英文混杂台词，确保\"¥1314.52\"或\"Flight MU5378\"等细节发音地道自然。\n- **实时预览快速迭代**：开发者可随时调整情绪参数或文本内容，秒级重新生成预览，大幅缩短从剧本到成品的创作周期。\n\nComfyUI_IndexTTS 将原本昂贵且繁琐的双人情感配音流程，转化为低成本、高表现力且可即时调整的自动化工作流。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbillwuhao_ComfyUI_IndexTTS_92d8376d.png","billwuhao","MW","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fbillwuhao_53c5f4eb.png","Think and do the most important",null,"深圳","https:\u002F\u002Fgithub.com\u002Fbillwuhao",[83,87,91,95],{"name":84,"color":85,"percentage":86},"Python","#3572A5",98.3,{"name":88,"color":89,"percentage":90},"Cuda","#3A4E3A",1,{"name":92,"color":93,"percentage":94},"C","#555555",0.6,{"name":96,"color":97,"percentage":98},"C++","#f34b7d",0.1,515,49,"2026-04-14T04:02:51","Apache-2.0",4,"Linux, macOS, Windows","需要 NVIDIA GPU (支持 CUDA)，首次运行需构建自定义 CUDA 内核扩展；可选安装 DeepSpeed 加速（Windows 需特殊配置）","未说明 (提及分句参数越小占用内存越多)",{"notes":108,"python":109,"dependencies":110},"1. Windows 用户必须手动下载并安装与 Python 版本对应的 pynini wheel 文件，否则无法正常运行。2. 首次运行若开启 custom_cuda_kernel 将自动构建 CUDA 扩展。3. 需手动下载多个模型文件（包括 IndexTTS-2, BigVGAN, CampPlus, MaskGCT, w2v-bert-2.0 等）至指定目录。4. 支持双人对话模式及通过提示词或向量进行无限情绪控制。5. macOS 和 Linux 直接通过 requirements.txt 安装依赖即可。","3.8+ (需匹配 pynini 轮子版本，示例中使用了 py310)",[111,112,113,114],"pynini (Windows 需手动安装特定 wheel)","importlib_resources","WeTextProcessing>=1.0.4","deepspeed (可选)",[21],"2026-03-27T02:49:30.150509","2026-04-16T18:27:21.526874",[119,124,129,134,139,144,149],{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},36267,"启动 ComfyUI 时遇到 ImportError: cannot import name 'QuantizedCacheConfig' from 'transformers.cache_utils' 报错怎么办？","这是 transformers 库版本不兼容导致的。请运行以下命令将 transformers 版本降级或指定为 4.51.0：\npip install transformers==4.51.0\n安装完成后重启 ComfyUI 即可解决。","https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002FComfyUI_IndexTTS\u002Fissues\u002F23",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},36268,"运行时提示 'Error caching audio tensor: TorchCodec is required for save_with_torchcodec' 错误如何解决？","该错误是因为缺少 TorchCodec 依赖。\n- NVIDIA 显卡用户：直接安装 TorchCodec 即可解决。\n- AMD 显卡 (Linux) 用户：安装 torchcodec 的 CPU 版本通常可以解决问题。\n- AMD 显卡 (Windows) 用户：目前可能存在兼容性轮子问题，需等待官方修复或尝试寻找社区提供的兼容版本。","https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002FComfyUI_IndexTTS\u002Fissues\u002F42",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},36269,"更新新版本后提示 'No module named tn' 或 pynini 相关报错怎么办？","需要手动安装特定版本的依赖包。请按顺序执行以下命令：\n1. 下载并安装对应 Python 版本的 pynini wheel 文件：pip install pynini-2.1.6.post1-cp3xx-cp3xx-win_amd64.whl (请将 cp3xx 替换为你的实际 Python 版本，如 cp310)\n2. 安装 importlib_resources：pip install importlib_resources\n3. 安装 WeTextProcessing (忽略依赖冲突)：pip install WeTextProcessing>=1.0.4 --no-deps","https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002FComfyUI_IndexTTS\u002Fissues\u002F13",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},36270,"在 Windows 上使用 DeepSpeed 时遇到版本冲突或 'No module named deepspeed' 报错如何处理？","这通常是由于 DeepSpeed 版本不匹配导致的。如果默认安装的 deepspeed 0.16.4 导致问题，或者卸载后提示找不到模块，请尝试安装兼容版本（注意：评论中提到的 '271' 可能指代特定构建或存在笔误，若标准源无此版本，建议尝试安装最新的稳定版或从源码编译）。\n确保在节点设置中正确选择是否启用 DeepSpeed。如果必须使用 DeepSpeed 但加载失败，系统会自动回退到标准推理模式。","https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002FComfyUI_IndexTTS\u002Fissues\u002F24",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},36271,"MacBook (M 系列芯片) 运行时提示 'BFloat16 is not supported on MPS' 错误怎么办？","这是因为 Apple Silicon (MPS) 后端不支持 BFloat16 数据类型。目前的解决方案是修改代码或在节点配置中将数据类型（dtype）从 bfloat16 更改为 float16 或 float32，以适配 MPS 加速器的支持范围。","https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002FComfyUI_IndexTTS\u002Fissues\u002F52",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},36272,"处理超长文本（如超过 5 万字）时任务显示执行完成但没有生成结果是什么原因？","长文本处理耗时极长且容易触发超时或内存限制。日志显示 5 万字任务虽显示 'Prompt executed' 但随后出现连接丢失异常 (Connection Lost)，导致结果未返回。建议将长文本拆分为多个较短的片段（例如每段 3 万字以内）分别进行处理，以避免任务假死或静默失败。","https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002FComfyUI_IndexTTS\u002Fissues\u002F47",{"id":150,"question_zh":151,"answer_zh":152,"source_url":153},36273,"通过 Git Clone 安装插件后，加载工作流仍提示缺失节点 (some nodes are missing) 怎么办？","如果确认已将 ComfyUI_IndexTTS 文件夹正确放入 custom_nodes 目录但仍报缺节点（如 IndexSpeakersPreview, IndexTTSRun 等），请检查：\n1. 是否安装了所有必要的 Python 依赖（参考其他安装报错议题）。\n2. ComfyUI 是否已完全重启以重新扫描节点。\n3. 插件文件夹名称是否正确，不应包含多余后缀。\n4. 查看 ComfyUI 启动控制台日志，确认该插件是否有加载报错信息阻碍了节点注册。","https:\u002F\u002Fgithub.com\u002Fbillwuhao\u002FComfyUI_IndexTTS\u002Fissues\u002F53",[]]