GitHub 项目：VibeVoice-ComfyUI
仓库地址：https://github.com/Enemyx-net/VibeVoice-ComfyUI
星级：1567 | 作者：Enemyx-net
项目描述：针对 Microsoft VibeVoice 文本转语音模型的全面 ComfyUI 集成，可直接在您的 ComfyUI 工作流程中实现高质量的单扬声器和多扬声器语音合成。
===================================================
自述文件内容：
# VibeVoice ComfyUI 节点
针对 Microsoft VibeVoice 文本转语音模型的全面 ComfyUI 集成，可直接在您的 ComfyUI 工作流程中实现高质量的单扬声器和多扬声器语音合成。
## ✨ 特点
### 核心功能
- 🎤 **单扬声器 TTS**：通过可选的语音克隆生成自然语音
- 👥 **多发言者对话**：支持最多 4 个不同的发言者
- 🎯 **语音克隆**：从音频样本克隆语音
- 🎨 **LoRA 支持**：使用自定义 LoRA 适配器微调声音（v1.4.0+）
- 🎚️ **语音速度控制**：通过修改参考语音速度来调整语速（v1.5.0+）
- 📝 **文本文件加载**：从文本文件加载脚本
- 📚 **自动文本分块**：通过可配置的块大小无缝处理长文本
- ⏸️ **自定义暂停标签**：使用“[pause]”和“[pause:ms]”标签插入静音（包装功能）
- 🔄 **节点链接**：连接多个 VibeVoice 节点以实现复杂的工作流程
- ⏹️ **中断支持**：在各代之前或之间取消操作
- 🔧 **灵活配置**：控制温度、采样和指导规模
### 性能与优化
- ⚡ **注意力机制**：在 auto、eager、sdpa、flash_attention_2 或 sage 之间进行选择
- 🎛️ **扩散步骤**：可调整的质量与速度权衡（默认值：20）
- 💾 **内存管理**：生成后切换自动 VRAM 清理
- 🧹 **空闲内存节点**：复杂工作流程的手动内存控制
- 🍎 **Apple Silicon 支持**：通过 MPS 在 M1/M2/M3 Mac 上进行本机 GPU 加速
- 🔢 **8 位量化**：完美的音频质量和高 VRAM 减少
- 🔢 **4 位量化**：最大程度地节省 VRAM，同时将质量损失降至最低
### 兼容性与安装
- 📦 **自包含**：嵌入 VibeVoice 代码，无外部依赖
- 🔄 **通用兼容性**：对 Transformer v4.51.3+ 的自适应支持
- 🖥️ **跨平台**：适用于 Windows、Linux 和 macOS
- 🎮 **多后端**：支持 CUDA、CPU 和 MPS（Apple Silicon）
## 🎥 视频演示
点击观看演示视频
## 📦 安装
### 自动安装（推荐）
1. 将此存储库克隆到您的 ComfyUI 自定义节点文件夹中：
````bash
cd ComfyUI/custom_nodes
git 克隆 https://github.com/Enemyx-net/VibeVoice-ComfyUI
````
2. 重新启动 ComfyUI - 节点将在首次使用时自动安装要求
## 📥 模型安装
### 需要手动下载
从版本 1.6.0 开始，必须手动下载模型和分词器并将其放置在正确的文件夹中。包装器不再自动下载它们。
### 下载链接
#### 型号
您可以从 HuggingFace 下载 VibeVoice 模型：
|型号|尺寸|下载链接 |
|------------------------|--------|---------------|
| **VibeVoi