VoxCPM2 — open-source модель преобразования текста в речь без токенизатора: поддерживает 30 языков, создание голоса по текстовому описанию и клонирование по короткому аудиофрагменту.
39,6 тыс.4,5 тыс.PythonApache-2.0Обновлён 13 дней назад
Saganaki22/ComfyUI-Ming-3-tts
Нативный кастомный узел ComfyUI, который добавляет модели генерации речи Ming-3.0-tts (0.5B и Tiny 9B) в рабочие процессы ComfyUI.
- Звёзды
- 11
- Форки
- 1
- Открытые issues
- 0
- Последний коммит
- вчера
Что это?
ComfyUI-Ming-3-tts — нативный порт моделей синтеза речи Ming-3.0-tts для ComfyUI с вариантами 0.5B и Tiny 9B. Он добавляет узлы для загрузки модели, генерации речи, создания подкастов с несколькими участниками с помощью модели Tiny и транскрибации референсного аудио локальным Whisper. Благодаря этому генерацию речи можно объединять со стандартными узлами ComfyUI для предпрослушивания и сохранения аудио.
Узел генерации поддерживает несколько задач, которые выбираются для каждого запуска: клонирование голоса по референсной записи и её транскрипту, создание голоса по текстовому описанию, встроенные голоса с именами, произвольные инструкции по подаче, базовую настройку скорости, высоты тона и громкости, эмоции, а также кантонский и сычуаньский диалекты. В текст можно вставлять теги вокальных эффектов, например [Laughter] и [Sigh]. На выходе получается моноаудио с частотой 44,1 кГц.
Модели можно скачать из репозитория Hugging Face в оригинальном виде или в формате INT8 ConvRot, а также загрузить из локальных папок и дополнительных путей к моделям. В проект входят примеры рабочих процессов для каждой задачи. Поддерживается CUDA, также доступно выполнение на CPU.
Ключевые возможности
- 01Загружает чекпойнты Ming-3.0-tts 0.5B или Tiny 9B в оригинальном виде либо в формате INT8 ConvRot.
- 02Клонирует голос по референсной записи и её транскрипту.
- 03Поддерживает встроенные голоса, создание голоса по описанию, эмоции, диалекты и произвольные инструкции по подаче.
- 04Создаёт подкасты с двумя и более участниками с помощью модели Tiny 9B.
- 05Локально транскрибирует референсное аудио с помощью Whisper.
- 06Содержит примеры рабочих процессов для каждой задачи.
Сценарии использования
- Добавление озвучки или закадрового голоса в существующий конвейер ComfyUI для изображений и видео.
- Клонирование конкретного голоса по короткой записи для генерации речи.
- Создание диалогов с несколькими участниками или аудио в формате подкаста по сценарию.
- Эксперименты с генерацией речи на китайских диалектах или с заданной эмоциональной окраской в узловом рабочем процессе.
Темы
Частые вопросы
- Что такое ComfyUI-Ming-3-tts?
- Нативный кастомный узел ComfyUI, который добавляет модели генерации речи Ming-3.0-tts (0.5B и Tiny 9B) в рабочие процессы ComfyUI. ComfyUI-Ming-3-tts — нативный порт моделей синтеза речи Ming-3.0-tts для ComfyUI с вариантами 0.5B и Tiny 9B. Он добавляет узлы для загрузки модели, генерации речи, создания подкастов с несколькими участниками с помощью модели Tiny и транскрибации референсного аудио локальным Whisper. Благодаря этому генерацию речи можно объединять со стандартными узлами ComfyUI для предпрослушивания и сохранения аудио.
- ComfyUI-Ming-3-tts можно использовать бесплатно? Какая у него лицензия?
- ComfyUI-Ming-3-tts распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- ComfyUI-Ming-3-tts всё ещё поддерживается?
- Активно поддерживается. Последний коммит в ComfyUI-Ming-3-tts — 20 окт. 2026 г..
- Для чего можно использовать ComfyUI-Ming-3-tts?
- Добавление озвучки или закадрового голоса в существующий конвейер ComfyUI для изображений и видео. Клонирование конкретного голоса по короткой записи для генерации речи. Создание диалогов с несколькими участниками или аудио в формате подкаста по сценарию. Эксперименты с генерацией речи на китайских диалектах или с заданной эмоциональной окраской в узловом рабочем процессе.
- Где скачать ComfyUI-Ming-3-tts?
- Исходный код и инструкции по установке — на GitHub: https://github.com/Saganaki22/ComfyUI-Ming-3-tts
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Открытая система синтеза речи из текста с клонированием голоса, управлением эмоциями на естественном языке и генерацией речи нескольких персонажей на основе моделей в стиле LLM.
33,3 тыс.2,9 тыс.PythonOtherОбновлён 7 дней назад
Семейство открытых моделей синтеза речи Resemble AI с клонированием голоса по короткому аудиообразцу на английском и многих других языках.
27,1 тыс.3,6 тыс.PythonMITОбновлён 3 месяца назад
Библиотека с открытым исходным кодом для синтеза речи: модель KittenTTS 2 клонирует голос по 5 секундам аудио и работает на CPU в реальном времени.
16,2 тыс.967PythonApache-2.0Обновлён 4 дня назад
Лёгкая TTS-модель на базе ZipVoice для клонирования голоса и генерации речи с частотой 48 кГц, работающая на GPU быстрее реального времени более чем в 150 раз.
5,5 тыс.685PythonApache-2.0Обновлён 5 месяцев назад
Open-source-инструмент для перевода видео на другие языки: распознаёт речь, переводит субтитры, создаёт AI-озвучку и сводит аудио с видео.
ИИ и машинное обучение#video-translation#speech-to-text#subtitle-translation#text-to-speech#ai-dubbing
19,5 тыс.2,4 тыс.PythonGPL-3.0Обновлён 6 дней назад