文章内容

• ComfyUI VibeVoice 节点功能特性
• ComfyUI VibeVoice 节点安装方法
• ComfyUI VibeVoice 节点参数说明
• VibeVoice模型（百度网盘）下载

ComfyUI VibeVoice 节点功能特性

VibeVoice ComfyUI 节点是一个综合的 ComfyUI 集成插件，用于 Microsoft 的 VibeVoice 文本转语音模型，在您的 ComfyUI 工作流中直接实现高质量的单人和多人语音合成。

• Github: https://github.com/bozoyan/ComfyUI-VibeVoice?tab=readme-ov-file
• 单人语音合成: 生成自然语音，支持可选的语音克隆
• 多人对话: 支持最多 4 个不同说话人
• 语音克隆: 从音频样本克隆语音
• 文本文件加载: 从文本文件加载脚本
• 两种模型大小: 1.5B（更快）和 7B（更高质量）
• 灵活配置: 控制温度、采样和引导比例
• 注意力机制: 可选择 auto、eager、sdpa 或 flash_attention_2
• 扩散步数: 可调节的质量与速度平衡（默认: 20）
• 内存管理: 生成后自动清理 VRAM 的开关
• 释放内存节点: 复杂工作流的手动内存控制

• microsoft/VibeVoice-1.5B: https://huggingface.co/microsoft/VibeVoice-1.5B/tree/main
• 大小: ~5GB 下载
• 速度: 推理更快
• 质量: 适合单人说话
• 使用场景: 快速原型设计、单个语音

• vibevoice/VibeVoice-7B: https://huggingface.co/vibevoice/VibeVoice-7B/tree/main
• 大小: ~17GB 下载
• 速度: 推理较慢
• 质量: 优秀，尤其适合多人说话
• 使用场景: 生产质量、多人对话

ComfyUI VibeVoice 节点安装方法

ComfyUI Manager（推荐）

• 在ComfyUI Manager中搜索ComfyUI-VibeVoice并安装
• 或通过工作流自动补全

自动安装

• 将此仓库克隆到您的 ComfyUI 自定义节点文件夹

cd ComfyUI/custom_nodes
git clone https://github.com/bozoyan/ComfyUI-VibeVoice

cd ComfyUI/custom_nodes
git clone https://github.com/bozoyan/ComfyUI-VibeVoice

• 重启 ComfyUI - 节点将在首次使用时自动安装 VibeVoice

手动安装

如果自动安装失败：

cd ComfyUI
python_embeded/python.exe -m pip install git+https://github.com/microsoft/VibeVoice.git

如果自动安装失败：

cd ComfyUI
python_embeded/python.exe -m pip install git+https://github.com/microsoft/VibeVoice.git

ComfyUI VibeVoice 节点参数说明

工作流

VibeVoice 多人说话

• 说话人格式: 使用 [N]: 记号，其中 N 为 1-4
• 语音分配: 每个说话人的可选语音样本
• 推荐模型: VibeVoice-7B-Preview 以获得更好的多人说话质量
• 参数（按顺序）：
• text: 带有说话人标签的输入文本
• model: VibeVoice-1.5B 或 VibeVoice-7B-Preview
• attention_type: auto、eager、sdpa 或 flash_attention_2（默认: auto）
• free_memory_after_generate: 生成后释放显存（默认: True）
• diffusion_steps: 去噪步数（5-100，默认: 20）
• seed: 用于可复现性的随机种子（默认: 42）
• cfg_scale: 分类器无关引导（1.0-2.0，默认: 1.3）
• use_sampling: 启用/禁用确定性生成（默认: False）

• 可选参数:
• speaker1_voice 到 speaker4_voice: 用于语音克隆的音频输入
• temperature: 采样温度（0.1-2.0，默认: 0.95）
• top_p: 核采样参数（0.1-1.0，默认: 0.95）

单人说话文本格式

对于多人说话生成，使用 [N]: 记号格式化您的文本：

[1] 你好啊小家伙，跟我说，一，二，三，三，二，一，啊，啊。

对于多人说话生成，使用 [N]: 记号格式化您的文本：

[1] 你好啊小家伙，跟我说，一，二，三，三，二，一，啊，啊。

多人说话文本格式

对于多人说话生成，使用 [N]: 记号格式化您的文本：

[1] 你好啊小家伙。
[2] 跟我说。
[3] 一，二，三，三，二，一。
[4] 啊。
[1] 啊。

对于多人说话生成，使用 [N]: 记号格式化您的文本：

[1] 你好啊小家伙。
[2] 跟我说。
[3] 一，二，三，三，二，一。
[4] 啊。
[1] 啊。

重要注意事项

• 使用 [1]:、[2]:、[3]:、[4]: 作为说话人标签
• 最多支持 4 个说话人
• 系统会自动从您的文本中检测说话人数量
• 每个说话人都可以有一个可选的语音样本用于克隆

VibeVoice模型下载

模型文件储存在： ComfyUI\models\tts\VibeVoice中

VibeVoice-1.5B： ComfyUI\models\tts\VibeVoice\VibeVoice-1.5B

VibeVoice-Large：ComfyUI\models\tts\VibeVoice\VibeVoice-Large

模型文件储存在： ComfyUI\models\tts\VibeVoice中

VibeVoice-1.5B： ComfyUI\models\tts\VibeVoice\VibeVoice-1.5B

VibeVoice-Large：ComfyUI\models\tts\VibeVoice\VibeVoice-Large

VibeVoice-1.5B：https://pan.baidu.com/s/1E820vgOgl3AKcRHJj3P2bQ 提取码: 7ssm

VibeVoice-Large：https://pan.baidu.com/s/11xhEuNuARHHlSAvUCYnGAQ 提取码: wwi2