音声モデル

ComfyUI パートナーノードでは、ByteDance、Mirelo、Sonilo、VEED などのプロバイダーがホストするオーディオ生成モデルを利用でき、ローカル GPU なしで音楽、音声、効果音を生成できます。このページでは、テキストから音声、音楽、効果音、ビデオから音楽に合うモデルの選び方を紹介します。

​

オーディオモデルをブラウズする

​

オーディオモデルでできること

• テキストから音声生成: テキストの説明から音楽や効果音を生成
• ビデオから音楽生成: ビデオのコンテンツとテンポに合わせたサウンドトラックを作成
• ボイスとスピーチ: テキストと参照オーディオから音声や歌を生成

​

タスク別のモデルの選択

​

音楽とサウンドトラック

• Seed Audio 1.0 (ByteDance): テキストから音声生成とテキストから音楽生成に対応。インストゥルメンタルトラックとボーカルトラックを含む
• Sonilo (Sonilo): ビデオからサウンドトラック全体を生成します。ビデオのリズムとコンテンツを分析し、マッチするスコアを生成します

​

効果音とオーディオのクリーンアップ

• Mirelo SFX 2.0 (Mirelo): テキストの説明から効果音を生成、または映像の動きに合わせたフォーリーを生成し、セリフは別トラックで返します
• VEED Clean Audio (VEED): 録音またはビデオのサウンドトラックから、ノイズ、音楽、効果音を除去します
• Seed Audio 1.0 (ByteDance): 効果音とオーディオスタイル変換にも対応

​

すべてのオーディオパートナー

モデルごとの料金は料金、利用上限は同時実行制限を参照してください。