Repolode
投稿する
PedroMarinhoDev

PedroMarinhoDev/ComfyUI-Drama3

Fish Audio Drama 3による音声合成、音声クローン、複数話者の会話やテキスト内の演技指示に対応し、Qwen3-ASRでの文字起こしも行えるComfyUIノード。

GitHub で見る公式サイト
スター
165
フォーク
21
未解決の Issue
6
最終コミット
14 日前

これは何？

ComfyUI-Drama3は、Fish AudioのDrama 3音声合成モデルをComfyUIで使えるノードセットです。短い音声クリップとその文字起こしから声をクローンし、後で再利用できるよう保存できます。また、最大16人の話者による会話を生成でき、テキストに[laughs]、[whispers]、[sighs]などの指示を挿入できます。長いテキストは分割され、順番に生成されます。

モデルは35BのMixture of Expertsネットワークです。重みの大部分を占めるルーティング対象のエキスパートはシステムRAMに置き、使用中のエキスパートはVRAMキャッシュに保持します。プロジェクトによると、この仕組みにより8 GBのGPUでも実行できます。パックには音声を文字起こしするネイティブのQwen3-ASRノードも含まれており、音声クリップの文字起こしを自動で補完できます。モデルの重みはHugging Faceから別途ダウンロードする必要があり、Fish Audio Community Licenseで提供されています。コードのライセンスはGPL-3.0です。

主な機能

  • 01短い音声クリップとその文字起こしから声をクローンし、小さな再利用可能ファイルとして保存します。
  • 02それぞれ異なる声を割り当てた、最大16人の話者による会話を生成します。
  • 03[laughs]、[whispers]、[sighs]などのテキスト内指示に加え、範囲を指定してペースや強調を設定するタグに対応します。
  • 04エキスパートの重みをシステムRAMに置き、VRAMキャッシュを使うことで、8 GB以上のGPUで実行できます。
  • 0530言語に対応したネイティブのQwen3-ASR音声認識機能を搭載しています。
  • 06Editorノードで単語単位の字幕と、声ごとのトラックを作成できます。

ユースケース

  • ComfyUIのワークフロー内で、台本からナレーションやボイスオーバーを制作する。
  • オーディオドラマやアニメーション向けに、複数キャラクターの会話を試作する。
  • 音声クリップを自動で文字起こしし、声のクローンに使えるよう準備する。
  • コンシューマー向けGPUでローカルの音声合成パイプラインを実行する。

クイックスタート

  1. 1

    ComfyUI-Manager または Comfy Registry でノードをインストールします

    comfy node install drama3
  2. 2

    リポジトリを custom_nodes に clone して、ComfyUI を再起動します

    cd ComfyUI/custom_nodes git clone https://github.com/PedroMarinhoDev/ComfyUI-Drama3
  3. 3

    Hugging Face からモデルの重みをダウンロードします

    hf download PedroMarinhoDev/Drama-3-ComfyUI drama3_fp8experts_bf16.safetensors --local-dir ComfyUI/models/diffusion_models
  4. 4

    音声クローンのサンプルワークフローを開き、ComfyUI でキューに追加します

使う前に知っておきたいこと

  • 少なくとも 8 GB の VRAM と、約 32～48 GB のシステム RAM を搭載した NVIDIA GPU が必要です。
  • モデルファイルは非常に大きく、デフォルトの FP8 ファイルは約 38.6 GB です。
  • コードは GPL-3.0 ですが、モデルの重みには別途 Fish Audio Community License が適用されます。

収録されている特集

AI 動画・音声ツール

トピック

#text-to-speech#voice-cloning#comfyui#speech-recognition#audio#asr#speech-synthesis#comfyui-nodes#fish-audio

よくある質問

ComfyUI-Drama3 とは？
Fish Audio Drama 3による音声合成、音声クローン、複数話者の会話やテキスト内の演技指示に対応し、Qwen3-ASRでの文字起こしも行えるComfyUIノード。 ComfyUI-Drama3は、Fish AudioのDrama 3音声合成モデルをComfyUIで使えるノードセットです。短い音声クリップとその文字起こしから声をクローンし、後で再利用できるよう保存できます。また、最大16人の話者による会話を生成でき、テキストに[laughs]、[whispers]、[sighs]などの指示を挿入できます。長いテキストは分割され、順番に生成されます。
ComfyUI-Drama3 は無料で使えますか？ライセンスは？
ComfyUI-Drama3 は GPL-3.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
ComfyUI-Drama3 は今もメンテナンスされていますか？
活発にメンテナンス中。ComfyUI-Drama3 の最終コミットは 2026年10月25日 です。
ComfyUI-Drama3 は何に使えますか？
ComfyUIのワークフロー内で、台本からナレーションやボイスオーバーを制作する。 オーディオドラマやアニメーション向けに、複数キャラクターの会話を試作する。 音声クリップを自動で文字起こしし、声のクローンに使えるよう準備する。 コンシューマー向けGPUでローカルの音声合成パイプラインを実行する。
ComfyUI-Drama3 のインストール方法は？
ComfyUI-Manager または Comfy Registry でノードをインストールします: comfy node install drama3 リポジトリを custom_nodes に clone して、ComfyUI を再起動します: cd ComfyUI/custom_nodes git clone https://github.com/PedroMarinhoDev/ComfyUI-Drama3 Hugging Face からモデルの重みをダウンロードします: hf download PedroMarinhoDev/Drama-3-ComfyUI drama3_fp8experts_bf16.safetensors --local-dir ComfyUI/models/diffusion_models 音声クローンのサンプルワークフローを開き、ComfyUI でキューに追加します
ComfyUI-Drama3 はどこで入手できますか？
ソースコードとインストール手順は GitHub にあります：https://github.com/PedroMarinhoDev/ComfyUI-Drama3

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト