FishAudioTextToSpeech - ComfyUI Built-in Node Documentation - ComfyUI

此节点使用 Fish Audio 文本转语音模型将书面文字转换为语音音频。它支持文本中嵌入的情感提示（s2.1-pro 上为 [happy]、[whispering]；s1 上为 (happy)），并支持在连接多个音色时使用 @Voice1/@Voice2 标签进行多说话人对话。提供两种模型：s2.1-pro 支持最多五个音色和多说话人对话；s1 使用单个可选音色。

输入

通用输入

参数	描述	数据类型	是否必填	范围
`文本`	要转换为语音的文本。当连接两个或更多音色时，使用 @Voice1、@Voice2 等标记说话人切换。不能为空。（默认：空）	STRING	是	任意非空文本
`模型`	用于文本转语音的模型。	DYNAMIC_COMBO	是	”s2.1-pro" "s1”
`种子`	种子控制节点是否应重新运行；无论种子如何，结果都是非确定性的。（默认：42）	INT	是	0 到 2147483647

s2.1-pro 输入

这些输入在选择了 s2.1-pro 模型时出现。

参数	描述	数据类型	是否必填	范围
`voices`	可增长的插槽：连接 1 到 5 个音色项（`voice_1`、`voice_2`、……）。用于合成的音色。留空则使用默认音色。当连接两个或更多音色时，请在文本中使用 @Voice1、@Voice2 等标记说话人切换。	FISHAUDIO_VOICE	否	0 到 5 个音色
`temperature`	表现力。数值越高变化越多，数值越低一致性越强。（默认：0.7）	FLOAT	是	0.0 到 1.0
`top_p`	通过核采样（nucleus sampling）实现的多样性。（默认：0.7）	FLOAT	是	0.01 到 1.0
`speed`	语速。1.0 为正常，<1.0 较慢，>1.0 较快。（默认：1.0）	FLOAT	是	0.5 到 2.0
`volume`	以分贝为单位的音量调整。0 表示不变。（默认：0.0）	FLOAT	是	-10.0 到 10.0
`normalize`	对英语和中文的数字及文本进行归一化，提高数字和日期的稳定性。（默认：true）	BOOLEAN	是	true / false

s1 输入

这些输入在选择了 s1 模型时出现。

参数	描述	数据类型	是否必填	范围
`voice`	用于合成的音色。保持未连接以使用默认音色。	FISHAUDIO_VOICE	否	可选的单个音色
`temperature`	表现力。数值越高变化越多，数值越低一致性越强。（默认：0.7）	FLOAT	是	0.0 到 1.0
`top_p`	通过核采样（nucleus sampling）实现的多样性。（默认：0.7）	FLOAT	是	0.01 到 1.0
`speed`	语速。1.0 为正常，<1.0 较慢，>1.0 较快。（默认：1.0）	FLOAT	是	0.5 到 2.0
`volume`	以分贝为单位的音量调整。0 表示不变。（默认：0.0）	FLOAT	是	-10.0 到 10.0
`normalize`	对英语和中文的数字及文本进行归一化，提高数字和日期的稳定性。（默认：true）	BOOLEAN	是	true / false

注意： text 输入不能为空。说话人标签（@Voice1、@Voice2 等）不区分大小写，且必须指向已连接的音色；标记未连接的音色会引发错误。当连接两个或更多音色时，文本必须至少引用每个已连接音色一次，否则节点会报告缺失的标签。在 s2.1-pro 上，连接 0 个音色将使用默认音色，连接 1 个音色则单独使用该音色，连接 2 个或更多音色可启用多说话人对话。在 s1 上，使用单个可选音色，保持未连接则使用默认音色。情感提示可以放在文本中：在 s2.1-pro 上使用 [happy] 和 [whispering]，在 s1 上使用 (happy)。

输出

输出名称	描述	数据类型
`audio`	生成的语音音频文件。	AUDIO

本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！在 GitHub 上编辑

Source fingerprint (SHA-256): 6cc005ae76fc7b60d9399b1b0a3c5de40a6eff47cd6f0f0b73b4212c0270ae29