语音阶段 (Speech Stage) · 截图待补
这个节点是做什么的
Speech Stage 是 ComfyTV 的文本转语音 (TTS) 节点。在 main_prompt 里写要念出来的全文（旁白、对白、播报稿），选择 TTS workflow，点 ▶ 运行，得到COMFYTV_AUDIO 语音快照。
本 stage 是模型无关设计：界面只暴露大多数 TTS 引擎都通用的参数（文本、音色、语言、语速、可选参考音频）。各引擎特有选项放在侧栏 Custom Params 里，通过 preset JSON 绑定。
不要把 Speech Stage 当 Music Stage 用：这里没有「流派 / BPM tags」，main_prompt 就是朗读稿。
适用场景
- 短视频旁白、广告配音、角色对白。
- Storyboard 里写了 dialogue 字段，复制到 Speech Stage 批量出音。
- 为 Video Stage IA2V 提供口型驱动音轨（Speech audio → Video audio）。
- 声音克隆：接 reference_audio + reference_text（F5-TTS、GPT-SoVITS 等 workflow）。
工作原理（为什么 ComfyTV 这样设计）
- Stage 只跑
workflows/speech/子图。 - 快照：MP3/FLAC URL 写入项目；Video IA2V、Timeline 直接读快照。
- ComfyUI 原生没有 TTS（ACE-Step 只做音乐），Speech 依赖自定义节点（如 Kokoro）。
类型说明（COMFYTV_AUDIO vs ComfyUI 原生）
术语提示：COMFYTV_*是 ComfyTV 保存在项目里的结果引用；ComfyUI 原生的IMAGE/VIDEO/AUDIO是运行时才在内存里的数据，二者不能直接连线，需用 Bridge 转换。
如何转换：
- 原生 → ComfyTV：→ ComfyTV Audio
- ComfyTV → 原生：← ComfyTV Audio
Speech Stage vs Music Stage（必读）
界面与参数说明
workflow
workflows/speech/ 中的 TTS backend。
内置：Kokoro TTS（kokoro-tts.json）
- Kokoro-82M，ONNX + CPU，轻量快速，适合跑通整条链。
- 需安装自定义节点：
main_prompt（朗读稿）
要念出来的完整文本。可以多句、多段；不是音乐 tags。 示例：各位观众，欢迎收看今天的节目。接下来，我们将带您走进赛博朋克风格的未来都市。
voice（预设音色）
命名说话人 id，供 Kokoro、Bark、ElevenLabs 等预设音色模型使用。Kokoro 通过 预设默认af_sarah 等。
从 reference_audio 克隆时可留空（取决于 workflow 是否支持克隆）。
language（语言）
多语言 TTS 的语言名。Auto = 交给 workflow/模型默认（Kokoro 会回退 English）。 Kokoro 必须使用其支持的名称之一，例如English、Mandarin Chinese、Japanese、French 等——与下拉列表一致。
误区：选 Auto 时期望中文朗读，但 Kokoro 可能仍用 English——中文请显式选 Mandarin Chinese。
speed（语速）
1.0 为自然语速，范围 0.5–2.0。
reference_text（参考稿）
参考音频的文字稿；F5-TTS / GPT-SoVITS 克隆时通常必填。支持自动转写的引擎可留空。reference_audio（参考音频）
可选COMFYTV_AUDIO，用于声音克隆。接 Music/Speech 上游或 Load Audio from Asset。预设方案里用 upstream_audio:value 绑定到克隆节点。
Kokoro 不支持克隆，这两项对 Kokoro workflow 无效。
自定义参数（custom_params）
侧栏绑定引擎特有参数（如 Kokoro 以外的 seed、speaker embedding 等）。输出说明
新手一步一步
- 安装 Kokoro 节点（见上），放 Project + Speech Stage。
- workflow → Kokoro TTS。
- main_prompt 输入一段中文旁白（2–3 句即可）。
- language →
Mandarin Chinese（中文朗读时勿用 Auto）。 - voice 可留空（用 预设默认），speed
1.0。 - 点 ▶ 运行，节点上播放语音预览。
- 需要对口型视频：接 Video Stage，选 IA2V，Speech audio → Video audio，人物图 → images。
完整教程（推荐阅读）
本页只说明这一个节点的参数与用法。端到端流程与多节点串联，请见 GitHub 上的 ComfyTV 用户指南：
仓库与工作流
常见问题
Q：念出来是英文，但我写的是中文？A：Kokoro 下 language 选
Mandarin Chinese，不要依赖 Auto。
Q：和 Music Stage 选哪个？A：念稿 → Speech；做 BGM 或歌曲 → Music Stage。 Q：Run 报错找不到 Kokoro？
A：安装
comfyui-kokoro 和 kokoro-onnx，重启 ComfyUI。
Q：reference_audio 没效果？A：Kokoro 不支持克隆；换 F5-TTS 等 workflow 并正确 预设方案绑定。
相关节点
- Music Stage (Audio Stage)——歌曲/器乐，不是 TTS。
- Video Stage (IA2V)——用 Speech 的 audio 驱动画面。
- Storyboard Stage——分镜里的 dialogue 可抄到 Speech main_prompt。
- Load Audio from Asset——挑选已有配音。
- Bridge → / ← ComfyTV Audio——原生互通。
- Project——项目上下文。