跳转到主要内容
Pika 的音频节点无需本地 GPU 就能把文字描述变成成品音频。Pika Music 根据风格提示词和可选歌词创作歌曲，时长由你在 10 到 360 秒之间自行选择，它还能以歌曲自身的长度翻唱上传的曲目。Pika SFX 返回一段 1 到 20 秒的单一音效，适用于拟音、UI 提示音、上升音和预告片冲击音。 两个节点都不下载权重。它们都只输出一个 AUDIO，运行在你的 Comfy 账户上，并按生成音频的秒数用积分计费。 这些节点能做什么
  • 为一段视频剪辑配乐、做短标音乐或纯器乐铺底，长度与剪辑完全对齐
  • 把已经写好的歌词唱成歌，改风格时不用动一个字
  • 重新演绎你已有的曲目：换流派、换速度，底下还是同一首歌
  • 为成片制作拟音、冲击音、呼啸声、房间底噪和游戏事件音效
使用 API 节点需要保证你已经正常登录，并在受许可的网络环境下使用，请参考API 节点总览部分文档来了解使用 API 节点的具体使用要求。
请确保你的 ComfyUI 已经更新。本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。如果加载工作流时有节点缺失，可能原因有：
  1. 你用的不是最新版（每夜版）。
  2. 启动时有些节点导入失败。

​
快速开始

  1. 将 ComfyUI 更新到 0.45.0 或更高版本
  2. 打开模板库，搜索 Pika Music 或 Pika SFX
  3. 写好提示词，设置 duration，然后运行工作流

​
Pika Music：文本生成音乐

把编曲、情绪和配器写进提示词，需要人声时再添加歌词。节点返回一首完整成品，混音由模型完成。 Pika Music 文本生成音乐工作流预览

下载工作流

下载 JSON，或在模板库中搜索 “Pika Music”
  1. 在 Pika Music 节点中选择 text to music。
  2. 把创作方向写进 prompt：流派与年代、BPM 与调性、承载记忆点的乐器、人声特征，以及歌曲在各段之间如何推进。最多 4,000 个字符会送进模型。
  3. 添加带分段标签的 lyrics，标签如 [Verse]、[Chorus]；要做纯音乐就把歌词字段留空。上限 8,000 个字符。
  4. 将 duration 设为 10 到 360 秒之间（默认 30）。只有当你只写了几个词、希望模型先扩写时，才打开 rewrite_prompt。
  5. 运行工作流。Save Audio (Advanced) 会把 MP3 写入 ComfyUI/output/audio/。

​
Pika Music：翻唱一首歌

把同一个节点的模式切换为 cover，就可以重新演绎你已有的歌曲，而不是从零写一首。把音频文件连接到 source_audio，然后把你想要的编曲写进提示词：换流派、换速度、换一支乐队。 翻唱会忽略 duration。输出沿用来源长度，并限制在 5 到 360 秒之间，所以三分钟的素材回来还是三分钟。lyrics 仍然生效，也就是说你可以保留原词，也可以给同一套编曲换一版新词。 翻唱是从混音成品出发的，所以分离人声和伴奏是模型的工作。人声居中、编曲简单的素材，比厚重的母带更容易在重新演绎后站得住。

​
Pika SFX：文本生成音效

用一句话写明声音，节点返回一段音效。Pika 会照着描述生成，不会添加你没有要求的语音、音乐或背景噪声，所以音效可以直接落到时间线上，不必再剥一层底。 Pika SFX 文本生成音效工作流预览

下载工作流

下载 JSON，或在模板库中搜索 “Pika SFX”
  1. 在 Pika SFX 的提示词里写出声音，例如一扇老旧木门在生锈的合页上缓慢吱呀打开，随后一声沉重的门闩咔哒合上。
  2. 将 duration 设为 1 到 20 秒之间（默认 5），然后运行工作流。MP3 会落在 ComfyUI/output/audio/。
每次运行生成一段 44.1 kHz 立体声音效。如果需要一组连续的声音，请为每个声音各运行一次节点，并自行把它们排到时间线上。Pika SFX 不写音乐、也不唱歌，那部分交给 Pika Music。

​
如何写音乐提示词

按这个顺序搭建方向：流派与年代、BPM 与调性、承载记忆点的乐器、人声特征、编曲推进、混音取向。4,000 个字符模型都会读，所以细节有价值，堆砌形容词没有。 模板里的默认提示词就是这种写法：
更多起点：
  • Mainstream dance pop, four-on-the-floor beat at 124 BPM in A minor, bright female lead in an upper-mid register, sidechained warm pads, plucked synth hook, filtered verse lifting into a festival-sized chorus, glossy radio mix.
  • Sparse solo grand piano at 68 BPM, felt hammers and close mic, rubato intro resolving into a steady left-hand arpeggio, no drums, no vocals.
  • Cinematic orchestral build at 90 BPM, taiko and low-string ostinato, brass swell around twenty seconds, choir pad underneath, wide trailer mix, instrumental.
  • Lofi hip hop at 82 BPM, dusty boom-bap drums, vinyl crackle, warm electric piano loop, upright bass, no vocals, loopable.
会改变结果的几点：
  • 要写推进，不只写音色。 Filtered verse lifting into a full chorus 给曲目留下了走向；只列一长串乐器，返回的往往是静态的音色块。
  • 把不要的东西说出来。 no vocals、no ad-libs、dry close-mic lead 都会被当作方向。
  • 写清演唱方式。 音区、性别、人声在混音里的位置，比再加一件乐器更能改变整首歌。
  • 长度按用途定。 10 秒的短标和 180 秒的配乐需要不同的方向，该生成多长就生成多长，而不是先做一首长歌再剪。
  • 一次只改一个维度。 改提示词时保持同一个 seed，你听到的差别才会来自你这次的改动。

​
歌词与分段标签

lyrics 是与提示词分开的输入，所以同一套词只换提示词，就能变成抒情曲、舞曲单曲或摇滚现场。
  • lyrics 留空时，返回同一方向下的纯音乐，没有人声。
  • 标签用来定结构。它们被当作分段边界和断句依据，而不是要唱出来的文字。[Verse]、[Pre-Chorus]、[Chorus] 覆盖大部分歌曲；加上 [Verse 2]、[Bridge] 或 [Final Chorus] 可以标出重复段和结尾。
  • 一行一句歌词。模型是按换行来断句的。

​
如何写音效提示词

一行，写进四件事：材质是什么、对它做了什么、发生在什么空间里、麦克风有多近。强度放在最后。贴近、干练的描述比堆形容词更好用。
  • 一次一个事件。 只有当开门和落闩确实按这个顺序发生、并且都在你设的时长之内时，才写进同一条提示词。
  • 要压在台词下就说 no music, no voices。 这样出来的素材更干净。
  • 时长跟着事件走。 咔哒声一秒就够，上升音却要填满剪辑前的空档。
  • 多试几版。 换个 seed 重跑，然后一次只改一个维度：先材质，再空间，最后强度。

​
时长、限制与计费

两个节点都按生成音频的秒数计费，所以 10 秒的短标只花三分钟歌曲的一小部分。当前费率见 合作伙伴节点定价。 在 rewrite_prompt 关闭时，相同的提示词、歌词、时长和 seed 会复现相同的结果。打开 rewrite_prompt 后，生成前会先由模型改写提示词，这时只靠 seed 已经无法锁定输出；需要可复现的工作流就把它关掉。两个节点的 seed 默认都是 42，改提示词时先保持不动，想听同一方向的另一种演绎再换值。

​
输出与保存

两个节点都输出 AUDIO，模板用 Save Audio (Advanced) 保存：文件名前缀 audio/Pika_Music 或 audio/Pika_SFX，格式 mp3、质量 V0，落在 ComfyUI/output/audio/。需要无损母带或再剪辑时，把格式换成 flac。 输出就是普通的音频流，所以可以和流程里其他节点自由组合：
  • 连接到 Create Video，把音轨配到一组画面上
  • 每个打击声各跑一次 Pika SFX，再在剪辑软件里叠起来，因为一次只出一段音效
  • 曲目长度按剪辑长度来设，而不是在时间线上把长歌剪短

​
该用哪个 Pika 音频节点

要让音效卡着画面上的动作，走视频那条路：Pika H3 Flex 页面上的 Pika Soundtrack，它读的是片段而不是描述。

​
相关页面