> ## Documentation Index > Fetch the complete documentation index at: https://comfytv.org/llms.txt > Use this file to discover all available pages before exploring further. # 语音阶段 (Speech Stage) > 把台词脚本合成为可朗读的配音（TTS），用于旁白和对白；与 Music Stage 的歌曲/器乐生成完全不同。 语音阶段 (Speech Stage) ## 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/`](https://github.com/jtydhr88/ComfyTV/tree/main/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）。 与 Music Stage 的分工：Music = 旋律 + 编曲 + 可选演唱歌词；Speech = **准确朗读给定文本**。 ## 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。 | ComfyTV 类型 | 是什么 | 与 ComfyUI 的区别 | | --------------- | --------- | -------------------- | | `COMFYTV_AUDIO` | 语音片段的项目快照 | 不是 ComfyUI 内存音频 | | 原生 AUDIO | 内存里的音频数据 | 需 Bridge 才能接 ComfyTV | **如何转换：** * 原生 → ComfyTV：**→ ComfyTV Audio** * ComfyTV → 原生：**← ComfyTV Audio** 详见 [bridges.zh.md](https://github.com/jtydhr88/ComfyTV/blob/main/docs/bridges.zh.md)。 ## Speech Stage vs Music Stage（必读） | 对比项 | **Speech Stage**（本节点） | **Music Stage** | | ---------------- | --------------------- | ---------------- | | 用途 | 念台词、旁白、配音 | 歌曲、器乐、音效 | | main\_prompt | 完整朗读稿 | 音乐风格 tags | | voice / language | TTS 音色与语言 | 无（用 lyrics 控制演唱） | | 典型 workflow | Kokoro TTS | ACE-Step v1 Song | | 听感 | 人声朗读，无伴奏编曲 | 有音乐结构，可能带唱 | ## 界面与参数说明 ### workflow [`workflows/speech/`](https://github.com/jtydhr88/ComfyTV/tree/main/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： ```bash theme={null} cd ComfyUI/custom_nodes git clone https://github.com/stavsap/comfyui-kokoro.git pip install kokoro-onnx onnxruntime ``` 模型 (\~300MB) 首次运行自动下载。详见 [workflows/speech/README.zh.md](https://github.com/jtydhr88/ComfyTV/blob/main/workflows/speech/README.zh.md)。 ### 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 | 输出 | 类型 | 含义 | 下游可接 | | --------- | --------------- | ------- | ------------------------------------ | | **audio** | `COMFYTV_AUDIO` | 合成的语音快照 | Video IA2V **audio**；Timeline；Bridge | ## 新手一步一步 1. 安装 Kokoro 节点（见上），放 **Project** + **Speech Stage**。 2. **workflow** → **Kokoro TTS**。 3. **main\_prompt** 输入一段中文旁白（2–3 句即可）。 4. **language** → `Mandarin Chinese`（中文朗读时勿用 Auto）。 5. **voice** 可留空（用 预设默认），**speed** `1.0`。 6. 点 **▶ 运行**，节点上播放语音预览。 7. 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](https://github.com/jtydhr88/ComfyTV/tree/main/docs)： | 教程 | 内容 | | ----------------------------------------------------------------------------------- | ------------------------------------------------------ | | [入门指南](https://github.com/jtydhr88/ComfyTV/blob/main/docs/getting-started.zh.md) | 安装、画布基础、逐节点 Run、快照、Project、Image Picker | | [生成内容](https://github.com/jtydhr88/ComfyTV/blob/main/docs/generate.zh.md) | Text / Image / Video / Music / Speech 生成器与 workflow 选型 | | [模型文件清单](https://github.com/jtydhr88/ComfyTV/blob/main/docs/models.zh.md) | 各 workflow 所需 主模型与 LoRA 小模型 与放置目录 | | [自定义工作流](https://github.com/jtydhr88/ComfyTV/blob/main/docs/custom-workflows.zh.md) | 导入自己的 ComfyUI JSON，不改 Python | ## 仓库与工作流 | 资源 | 链接 | | ------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------- | | **GitHub 仓库** | [https://github.com/jtydhr88/ComfyTV](https://github.com/jtydhr88/ComfyTV) | | **用户指南目录** | [https://github.com/jtydhr88/ComfyTV/tree/main/docs](https://github.com/jtydhr88/ComfyTV/tree/main/docs) | | **内置工作流总览** | [https://github.com/jtydhr88/ComfyTV/tree/main/workflows](https://github.com/jtydhr88/ComfyTV/tree/main/workflows) | | **模型清单** | [https://github.com/jtydhr88/ComfyTV/blob/main/docs/models.zh.md](https://github.com/jtydhr88/ComfyTV/blob/main/docs/models.zh.md) | | **本节点 workflow 目录** | [https://github.com/jtydhr88/ComfyTV/tree/main/workflows/speech](https://github.com/jtydhr88/ComfyTV/tree/main/workflows/speech) | | **本节点 workflow 说明** | [https://github.com/jtydhr88/ComfyTV/blob/main/workflows/speech/README.zh.md](https://github.com/jtydhr88/ComfyTV/blob/main/workflows/speech/README.zh.md) | | **自定义工作流** | [https://github.com/jtydhr88/ComfyTV/blob/main/docs/custom-workflows.zh.md](https://github.com/jtydhr88/ComfyTV/blob/main/docs/custom-workflows.zh.md) | ## 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。