人工智能AI 应用语音音频媒体生成【免费下载链接】TTS-Audio-SuiteA ComfyUI custom node integration for local multi-engine multi-language Text-to-Speech and Voice Conversion. Supports: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (classic and multilingual), F5-TTS, Higgs Audio 2, 3, and VibeVoice with unlimited text length, SRT timing, Character support, and many audio tools项目地址https://gitcode.com/gh_mirrors/tts/TTS-Audio-Suite点击查看免费下载TTS-Audio-Suite 是一款 ComfyUI 本地多引擎文字转语音TTS与声音转换Voice Conversion扩展内置 Voice Changer 统一变声节点可一键调用RVC、ChatterBox、CosyVoice等引擎把任意录音转换成目标角色的声音无需联网、完全本地运行。本文手把手带你完成安装、搭建变声工作流、调参优化并附 RVC 模型训练与音频修复的进阶玩法。什么是 TTS-Audio-SuiteTTS-Audio-Suite 由原作者 diogod 开发的 ChatterBox Voice 项目进化而来现已支持 19 个引擎F5-TTS、Higgs Audio 2/3、IndexTTS-2、Qwen3-TTS、VibeVoice、DramaBox、RVC 等。除了变声它还集成了 SRT 字幕时间轴、ASR 转写、角色切换、音频修复等一整套本地音频生产线。与市面常见的在线变声器不同它的两大优势全本地推理录音不出机器隐私有保障且无字数限制节点化工作流在 ComfyUI 里拖拽连线即可组合「加载音频 → 变声 → 修复 → 预览」的流水线可保存复用。变声能力由 nodes/unified/voice_changer_node.py 中的统一节点 Voice Changer提供通过一个TTS_engine输入即可切换 RVC 或 ChatterBox 引擎。一键安装步骤前置条件已安装 ComfyUI便携版或 venv 均可 Python 3.12 或更高版本。克隆仓库到ComfyUI/custom_nodes目录cd ComfyUI/custom_nodes git clone https://gitcode.com/gh_mirrors/tts/TTS-Audio-Suite进入目录运行安装脚本自动装好全部依赖cd TTS-Audio-Suite python install.py便携版用户请使用自带解释器../../../python_embeded/python.exe install.py重启 ComfyUI即可在节点列表搜索 TTS Audio Suite。 变声所需的 HuBERT、RMVPE 等基础模型会自动下载无需手动找模型。RVC 角色模型.pth放在ComfyUI/models/TTS/RVC/下即可被自动发现详细目录结构见 docs/MODEL_LAYOUTS.md。两种变声路线怎么选TTS-Audio-Suite 提供了两条变声路线对应不同的使用门槛对比项ChatterBox VCRVC 变声需要预训练模型❌ 只需一段参考音频✅ 需要.pth角色模型上手难度⭐ 极简⭐⭐ 中等音色还原度高零样本克隆极高模型级定制长音频自动智能分块自动分块 缓存适用场景快速换声、跨语言固定角色、高质量量产ChatterBox VC零门槛参考音频克隆ChatterBox 的变声节点nodes/chatterbox/chatterbox_vc_node.py只需要两段音频source_audio你想转换的原始录音target_audio希望模仿的目标音色参考几秒即可refinement_passes精修遍数推荐 1~5。它内部会逐轮迭代转换且自带智能缓存——跑过 3 遍后改成 5 遍只会接着算第 4、5 遍调参实验几乎零等待。RVC 变声专业级 .pth 模型RVCReal-time Voice Conversion路线需要加载预训练的角色模型 Load RVC Character Modelnodes/models/load_rvc_model_node.py选择.pth模型可自动匹配同名 FAISS.index索引文件以提升音色相似度⚙️ RVC Engine配置 HuBERT 基座、音高偏移pitch_shift、index_rate、protect等核心参数 Voice Changer把 RVC Engine 与目标模型连入即可开始转换。整体架构细节可参考 docs/RVC/RVC_INTEGRATION_SUMMARY.md。实战RVC X ChatterBox 双引擎工作流项目内置了官方示例工作流 example_workflows/Unified Voice Changer - RVC X ChatterBox.json加载后结构如下Unified Voice Changer 工作流RVC与ChatterBox双引擎声音转换实战核心连线逻辑Load Audio原始录音──┐ ├──→ Voice Changer → Preview Audio RVC: Load RVC Model ────┘引擎选 RVC ChatterBox: 参考音频 ───→ Voice Changer引擎选 ChatterBox同一个 Voice Changer 节点仅切换TTS_engine输入就能在 RVC 和 ChatterBox 之间来回对比效果——这正是「统一变声节点」的设计初衷。工作流中还演示了Character Voices 角色音频节点作为目标声源以及️ RVC Pitch Extraction Options高级音高提取配置源码nodes/audio/rvc_pitch_options_node.py。⚠️ 注意RVC 引擎的narrator_target输入需要连接Load RVC Character Model的rvc_model输出而不是音频ChatterBox 引擎则直接连接参考音频。关键参数调优清单以下是新手最常踩坑的几个参数按调优优先级排序refinement_passes精修遍数从 1 开始试逐步加到 3~5。遍数越多越像目标音色但超过 5 遍容易出现失真缓存也只保存前 5 遍。max_chunk_duration分块时长默认 30 秒防止长音频爆显存smart模式会在静音处智能切割接缝更自然。设为 0 可关闭分块。f0_method音高提取算法RVC 中默认rmvpe速度与质量最均衡追求极致质量选crepe但更慢唱歌场景可打开f0_autotune吸附到最近音符。index_rate控制 FAISS 索引参与程度越高音色越贴近参考但可能损失自然度推荐从 0.75 起步。protect保留辅音清晰度的保护系数推荐 0.25过低会导致辅音糊掉。pitch_shift整体系数级音高偏移示例工作流中 RVC 侧设为 8可让男声转女声效果更明显。进阶训练你自己的 RVC 模型不想用别人的模型v4.25 起套件内置了完整 RVC 训练流水线无需脱离 ComfyUIRVC 模型训练工作流数据集准备、训练配置与实时监控面板典型流程对应 nodes/training/ 目录下的数据集准备与训练配置节点⚙️ RVC Engine作为训练引擎入口 RVC Dataset Prep上传或指定语音数据集自动切片、提取 HuBERT 特征与 F0️ RVC Training Config设置 epoch、批大小等训练参数 Model Training启动训练节点内嵌实时仪表盘显示进度、ETA 与 loss 趋势支持中断续训训练完成后的.pth与.index自动保存到ComfyUI/models/TTS/RVC/回到「 Load RVC Character Model」直接用于变声。变声后处理人声分离 音频修复变声前后可搭配两个专业音频节点把输出质量再拉高一档Voice Cleaning 工作流人声分离降噪与Voice Fixer音频修复组合 Vocal Removal基于 UVR5 技术支持 HP5、MDX-NET、DeEcho、RoFormer 等分离模型先去掉背景音乐再变声效果更干净 Voice Fixernodes/audio/voice_fixer_node.py深度学习音频修复可去噪、去混响、修复削波还能把 2kHz 电话音升频到 44.1kHzGPU 下约 4 秒处理一个文件。两者组合成「分离 → 修复 → 变声 → 混音」的专业链路参考 docs/VOCAL_REMOVAL_GUIDE.md 了解更多预设。常见问题 FAQQ1ChatterBox 变声报错「不支持该语言」部分语言模型缺少 s3gen 组件无法用于 VC。请切换到支持变声的语言模型如 English、German。Q2长音频转换爆显存OOM怎么办把max_chunk_duration调小如 15 秒并保持chunk_method为smart长音频会自动分段处理并保留原始时长拼接。Q3RVC 模型加载不到确认.pth文件位于ComfyUI/models/TTS/RVC/或旧版ComfyUI/models/RVC/目录索引文件.index放在模型旁或.index/子文件夹。Q4变声后节奏和原音频还对得上吗对得上。Voice Changer 分块后采用保时长拼接timing-safe concatenation不会因淡入淡出而缩短总时长字幕同步类工作流可以放心使用。写在最后从一段参考音频的 ChatterBox 零样本克隆到.pth模型驱动的 RVC 专业变声再到模型自训练与音频修复后处理——TTS-Audio-Suite 用一条统一的 Voice Changer 节点把所有能力串成了可视化工作流。建议按本文顺序走一遍安装 → 示例工作流 → 调参 → 训练本地化变声工具链就此打通。更多引擎对比与下载来源可查阅 docs/ENGINE_COMPARISON.md 与 docs/MODEL_DOWNLOAD_SOURCES.md。赞分享人工智能AI 应用语音音频媒体生成【免费下载链接】TTS-Audio-SuiteA ComfyUI custom node integration for local multi-engine multi-language Text-to-Speech and Voice Conversion. Supports: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (classic and multilingual), F5-TTS, Higgs Audio 2, 3, and VibeVoice with unlimited text length, SRT timing, Character support, and many audio tools项目地址https://gitcode.com/gh_mirrors/tts/TTS-Audio-Suite点击查看免费下载相关推荐Seed-VC语音转换完全指南零样本声音克隆与歌声转换实战Seed VC语音转换完全指南零样本声音克隆与歌声转换实战 想要体验无需训练就能实现声音克隆的神奇技术吗Seed VC为您提供了零样本语音转换和歌声转换的完人工智能语音音频F5-TTS实时语音转换实现实时变声与语音风格转换F5 TTS实时语音转换实现实时变声与语音风格转换 引言语音转换技术的现状与挑战 在数字音频处理领域实时语音转换Real time Voice Conv语音人工智能音频预训练终极RVC语音转换实战从零到精通的实时声音变身指南终极RVC语音转换实战从零到精通的实时声音变身指南 实时语音转换RVC技术正在内容创作、游戏直播和语音娱乐领域掀起一场革命。本指南将带您全面掌握GitHu人工智能语音模型推理服务深度学习创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考