文档 /
节点说明 /
HeyGen Voice 1.0 即时克隆文本转语音
HeyGen Voice 1.0 即时克隆文本转语音
使用 HeyGen Voice 1.0,从一段单人说话录音中克隆声音,并用该声音朗读文本。
节点说明
HeyGenVoiceCloneTextToSpeechNode 更新于 2026-11-22
HeyGen Voice 1.0 即时克隆文本转语音 - ComfyUI Built-in Node Documentation
使用 HeyGen Voice 1.0,从一段单人说话录音中克隆声音,并用该声音朗读文本。
使用 HeyGen Voice 1.0,从一段单人说话录音中克隆声音,并用该声音朗读文本。此节点会上传录音、合成语音并以音频形式返回,因此仅凭一个节点即可完成从声音样本到成品语音的全过程。
选择 model 后会显示其专属参数:audio、text、language、expressiveness_boost、recording_language、similarity、remove_background_noise 和 seed。
输入
| 参数 | 描述 | 数据类型 | 必填 | 范围 |
|---|---|---|---|---|
model | 要使用的模型。heygen-voice-1-turbo 速度更快且成本更低(默认:"heygen-voice-1")。 | DYNAMIC\_COMBO | 是 | "heygen-voice-1" "heygen-voice-1-turbo" |
audio | 用于克隆的单人说话录音。请使用至少 10 秒的清晰语音;仅使用前 3 分钟。 | AUDIO | 是 | - |
text | 要朗读的文本,最多 5000 个字符。超过约 12 分钟的语音会失败,因此请拆分超长的中文或日文文本(默认:空)。 | STRING | 是 | 1 到 5000 个字符 |
language | 文本的语言。对于塞尔维亚语、马来语等自动检测容易混淆的相近语言,请手动设置(默认:"auto")。 | COMBO | 是 | "auto" 多个语言预设 |
expressiveness_boost | 数值越高表现力越强;数值越低越接近原始声音(默认:0.5)。 | FLOAT | 是 | 0.0 到 1.0(步长:0.05) |
recording_language | 录音中所说的语言,可将克隆限定为该语言(默认:"auto")。 | COMBO | 是 | "auto" 多个语言预设 |
similarity | 声音与录音的接近程度(默认:"max")。 | COMBO | 是 | "medium" "high" "extra_high" "max" |
remove_background_noise | 在克隆前清除录音中的背景噪声(默认:True)。 | BOOLEAN | 是 | True False |
seed | 种子控制节点是否重新运行;无论种子为何,结果都是非确定性的(默认:42)。 | INT | 是 | 0 到 2147483647 |
text 必须至少包含一个字符,且 audio 为必填项:包含多位说话人的录音,或噪声过大而无法克隆的录音,都会得到较差的音色。当样本语言不明显时,请设置 recording_language。
输出
| 输出名称 | 描述 | 数据类型 |
|---|---|---|
AUDIO | 以克隆声音朗读的文本。 | AUDIO |
本文档由 AI 生成。如果您发现任何错误或有改进建议,欢迎贡献! 在 GitHub 上编辑
Source fingerprint (SHA-256): ea18e2abce687e106ed0b37eb7afd723fbe72a3b4d58124a143c00b66d2fe7c9