ComfyUI-VibeVoice

收录理由

在 ComfyUI 里搭建音频工作流的用户，会喜欢这个把微软 VibeVoice 接进节点图的插件。它能在一次输出中生成富有表现力的长对话音频，最多支持四个不同音色。模型下载、显存管理和音频处理这些琐碎环节都由节点代劳，你只需要把精力放在脚本上。混合模式值得一提：可以用 wav 或 mp3 参考音频克隆某位说话人的声音，同一段对话里其余角色则交给模型即时生成全新音色。脚本写法很灵活，既支持 [1] 标签，也沿用经典的 'Speaker 1:' 格式。注意力机制提供多种选项，配合 4-bit 量化，在显存较小的显卡上也能调节速度与内存占用。做播客、对话演示或角色旁白时，想要自然的多说话人音频又不想离开 ComfyUI，这个节点是很实际的选择。