Fish Audio ist als offizielle Partner-Nodes in ComfyUI verfügbar. Erzeugen Sie expressive Sprache mit S2.1 Pro, klonen Sie eine Stimme aus einer kurzen Aufnahme und transkribieren Sie Audio – alles im selben Graphen wie Ihre Bild- und Videomodelle.
In ComfyUI verknüpfen Creator Bild-, Video- und 3D-Modelle zu wiederholbaren Workflows. Fish Audio fügt die Stimme hinzu: expressive, steuerbare Sprache und Cloning, das direkt in denselben Graphen integriert wird, sodass eine Szene vom Skript bis zum fertigen Audio bearbeitet werden kann, ohne Comfy zu verlassen.
Der Text to Speech Node nutzt S2.1 Pro mit bis zu fünf Stimmen. Markieren Sie Sprecher mit @Voice1 und @Voice2 und steuern Sie jede Zeile mit Anweisungen wie [whispering] (flüsternd) oder [excited] (aufgeregt).
Der Instant Voice Clone Node verwandelt eine kurze Aufnahme in eine private Stimme, die Sie in verschiedenen Workflows wiederverwenden können. Das Klonen ist kostenlos; Sie zahlen nur für die Sprache, die Sie generieren.
S2.1 Pro spricht über 30 Sprachen, sodass ein einziger Graph eine Szene für jeden Markt vertonen kann. Tauschen Sie das Skript aus, behalten Sie die Stimme bei und rendern Sie jede Version in einem Durchgang.
3 Schritte von einer Fish Audio Stimme zu einem fertigen Produkt auf Comfy.
Aktualisieren Sie auf die neueste Version von ComfyUI, öffnen Sie dann eine Fish Audio-Vorlage (Text to Speech, Voice Clone to Speech oder Speech to Text) oder fügen Sie die Nodes über partner/audio/Fish Audio hinzu.
Melden Sie sich bei Aufforderung in Ihrem ComfyUI-Konto an und verbinden Sie dann eine voreingestellte Stimme, ein beliebiges fish.audio Sprachmodell oder einen neuen Klon aus Instant Voice Clone.
Schreiben Sie das Skript mit Anweisungen wie [whispering] (flüsternd) oder [laughing] (lachend), führen Sie den Workflow aus und speichern Sie dann das Audio oder leiten Sie es direkt an Ihre Video- und Lip-Sync-Nodes weiter.
Kombinieren Sie Fish Audio Sprache mit Image-to-Video- und Lip-Sync-Nodes, um jedem Charakter in einem einzigen Graphen eine konsistente Stimme zu geben.
Besetzen Sie bis zu fünf Stimmen in einem einzigen Text to Speech Node für Szenen, Kurzfilme, Trailer und Podcasts.
Der Speech to Text Node liefert Text, die erkannte Sprache und zeitgesteuerte Segmente, bereit für Untertitel oder den nächsten Schritt im Workflow.
KI-Videoplattform. Fish Audio treibt die Fish Voice Engine im AI Studio von HeyGen an, mit Akzent- und Regionssteuerung für Englisch. Sowohl in HeyGen Video Creator als auch in LiveAvatar verfügbar.
AI Gateway für jedes Modell hinter einem Key. Fish Audio S2.1 Pro, S2 Pro, S1 und Transcribe-1 sind alle als fish-audio/ Modelle verfügbar.
Einheitliche API für Hunderte von Modellen. Fish Audio S2.1 Pro ist als fish-audio/s2.1-pro über die Text-to-Speech-API von OpenRouter verfügbar.
Erfahren Sie, wie die Fish Audio Partner-Nodes in ComfyUI funktionieren, oder sprechen Sie mit unserem Partnerschaftsteam über Creator-Programme und Co-Marketing.
