可控制的多人语音
文本转语音节点运行 S2.1 Pro，最多支持五个声音。使用 @Voice1 和 @Voice2 标记说话人，然后使用 [whispering] (耳语) 或 [excited] (兴奋) 等提示词来引导每一行内容。
ComfyUI 中的 Fish Audio 语音
Fish Audio 作为 ComfyUI 的官方合作伙伴节点发布。使用 S2.1 Pro 生成极具表现力的语音，通过简短录音克隆声音并转录音频，这一切都可以在图像和视频模型的同一个图中完成。
类别创意工作流
集成方式ComfyUI 官方合作伙伴节点
如何找到节点菜单 → partner/audio/Fish Audio
默认模型S2.1 Pro，每个节点最多五个声音
节点文本转语音 (Text to Speech)、语音转文本 (Speech to Text)、声音选择器 (Voice Selector)、即时声音克隆 (Instant Voice Clone)
模板文本转语音、声音克隆转语音、语音转文本，可在 Comfy Cloud 或模板库中获取
声音克隆在即时声音克隆节点中免费使用；您只需为生成的语音付费
ComfyUI 中的 Fish Audio 合作伙伴节点 ↗为什么选择 Comfy 与 Fish Audio
ComfyUI 是创作者将图像、视频和 3D 模型串联成可重复工作流的平台。Fish Audio 为其增添了声音：富有表现力、可控的语音和声音克隆功能，可直接放入同一个图中，因此场景可以从脚本直接生成最终音频，无需离开 Comfy。
在图中克隆声音
即时声音克隆节点可将简短的录音转换为可在工作流中重复使用的私有声音。克隆是免费的；您只需为您生成的语音付费。
在一个工作流中实现场景本地化
S2.1 Pro 支持 30 多种语言，因此一个图就可以为每个市场生成场景语音。更换脚本，保留声音，一次运行即可渲染每个版本。
如何使用
3 步即可将 Fish Audio 声音接入 Comfy 并上线产品。
步骤 01
添加 Fish Audio 节点
更新到最新版本的 ComfyUI，然后打开 Fish Audio 模板（文本转语音、声音克隆转语音或语音转文本）或从 partner/audio/Fish Audio 添加节点。
步骤 02
登录并选择声音
按照提示登录您的 ComfyUI 账号，然后连接预设声音、任何 fish.audio 语音模型或来自即时声音克隆的新克隆。
步骤 03
编写、运行并保存
编写带有 [whispering] (耳语) 或 [laughing] (大笑) 等提示词的脚本，运行工作流，然后保存音频或直接传递到您的视频和对口型 (lip-sync) 节点。
团队用 Fish Audio 和 Comfy 构建了什么
会说话的角色和化身
在同一个图中，将 Fish Audio 语音与图生视频和对口型节点配对，为每个角色提供一致的声音。
多角色对话
在单个文本转语音节点中为场景、短片、预告片和播客分配多达五个声音。
转录与字幕
语音转文本节点返回文本、检测到的语言和带时间戳的片段，可用于字幕或工作流的下一步。
更多合作伙伴
AI 视频平台。HeyGen AI Studio 中的 Fish 语音引擎由 Fish Audio 驱动，支持英语口音与地区控制。在 HeyGen Video Creator 和 LiveAvatar 中均可使用。
视频与数字人
AI Gateway 让所有模型共用一个密钥。Fish Audio S2.1 Pro、S2 Pro、S1 和 Transcribe-1 均已作为 fish-audio/ 模型上线。
路由与网关
统一调用数百个模型的 API。Fish Audio S2.1 Pro 可通过 OpenRouter 的文本转语音 API 以 fish-audio/s2.1-pro 调用。
路由与网关