diodiogod/TTS-Audio-Suite

它解决了什么问题

TTS Audio Suite 是一个全面的 ComfyUI 扩展，将大量文本转语音（TTS）、语音转换（VC）和自动语音识别（ASR）引擎整合到一个模块化界面中。它通过提供一个集中式平台来解决音频 AI 工具的碎片化问题，支持高质量语音合成、语音克隆以及字幕同步的音频生成，同时通过运行时隔离管理不同 AI 模型的复杂依赖关系。

它如何工作

该套件将 19 种不同的引擎（包括 F5-TTS、Higgs Audio、MOSS-TTS 和 RVC）集成到 ComfyUI 节点中。它采用模块化架构，允许现代引擎在主 Transformers 5 环境中运行，同时将脆弱的旧版堆栈隔离在专用运行时中，以防止依赖冲突。在字幕处理方面，它会解析 SRT 文件以生成同步音频，使用「smart_natural」时间逻辑避免重叠，确保语音自然流畅。

适合谁使用

专为 ComfyUI 用户、内容创作者和动画师设计，适用于需要专业级配音、精确字幕时间对齐、语音克隆或在节点式工作流中实现自动转录与音频编辑的场景。

主要亮点

• 强大的引擎支持：集成 19 种引擎，覆盖数百种语言的 TTS、语音转换和 ASR。
• SRT 集成：提供专用节点，可从 SRT 文件生成带精确时间对齐和分段缓存的 TTS。
• 运行时隔离：通过分离现代与旧版模型环境，防止依赖死锁。
• 高级音频工具：包含基于提示的视觉标签构建器、基于口型动作的无声语音分析器，以及集成的 RVC 模型训练功能。
• 语音设计：支持使用兼容引擎（如 Qwen3-TTS 和 OmniVoice）创建可重复使用的语音。

一个真正统一的音频 AI 工具集，让语音合成、克隆和字幕同步变得前所未有的简单。— @username