diodiogod/TTS-Audio-Suite

解决的问题

TTS Audio Suite 是一个全面的 ComfyUI 扩展功能，将多种文字转语音 (TTS)、语音转换 (VC) 与自动语音识别 (ASR) 引擎整合至单一模块化工作流程中。它通过提供统一的界面来进行高质量语音合成、语音克隆与字幕同步音频生成，解决了音频 AI 工具碎片化的问题。

运作方式

该套件通过模块化架构整合了大量的 AI 音频引擎（如 F5-TTS、Higgs Audio、MOSS-TTS 与 RVC）。它具备基于 Transformers 5 的“主环境”以支持现代引擎，以及用于维持旧版堆栈兼容性的“隔离执行环境”。系统支持进阶控制机制，例如行内情绪/风格标签、角色切换，以及专门的 SRT 处理节点，利用智能位移逻辑将生成的音频与字幕时间轴对齐，以防止重叠。

适用对象

专为 ComfyUI 用户、内容创作者与动画师设计，他们需要在可视化节点环境中进行专业级配音、精确的字幕同步，以及语音克隆或训练自定义 RVC 模型。

特色亮点

• 广泛的引擎支持：整合超过 19 种引擎，包括 F5-TTS、DramaBox、Higgs Audio 与 RVC。
• SRT 整合：专用节点用于转录为 SRT、重建字幕以及从纯文本估算时间。
• 进阶语音控制：支持用于情绪、笑声、叹息与韵律的行内标签，以及角色与语言切换。
• 语音设计与训练：包含无参考语音设计工具与整合式 RVC 模型训练。
• 静音语音分析：使用 MediaPipe 检测静音视频中的嘴部动作，以建立 TTS 的基础时间模板。
• 音频工具：内置人声/噪音移除、波形分析器与智能文本分块功能。