Breeze TTS 2:ComfyUI 中的文本转语音与语音工具
使用 Breeze TTS 2 在 ComfyUI 中将脚本转换为语音:原生支持英语和中文,覆盖 51 种语言,并提供语音克隆、语音设计、混音和本地化功能。
Breeze TTS 2:ComfyUI 中的文本转语音与语音工具
使用 Breeze TTS 2 在 ComfyUI 中将脚本转换为语音:原生支持英语和中文,覆盖 51 种语言,并提供语音克隆、语音设计、混音和本地化功能。
Breeze TTS 2 是 Breeze Blue 推出的开放权重语音模型,用于文本转语音,原生支持英语和中文,另有一个覆盖 51 种语言的多语言版本。
在 ComfyUI 中,它通过合作节点运行。Breeze Text to Speech 使用选定音色朗读脚本。Breeze Voice Selector 可选择精选音色,或你拥有的任意音色 id。另有四个节点用于创建和调整音色:Breeze Voice Clone 从录音中复制音色,Breeze Voice Design 根据描述创造音色,Breeze Voice Remix 对已有音色进行调整,Breeze Voice Localize 将音色转换到另一种语言。它们全部是云端 API 节点:需要拥有带积分的 Comfy 账户,且不会下载任何本地模型。费率请见合作节点定价页面。
提示 使用 API 节点需要保证你已经正常登录,并在受许可的网络环境下使用,请参考API 节点总览部分文档来了解使用 API 节点的具体使用要求。
提示 本地用户 请确保你的 ComfyUI 已经更新。 ComfyUI 下载 ComfyUI 更新教程 本指南里的工作流可以在工作流模板中找到。如果找不到,可能是 ComfyUI 没有更新。 如果加载工作流时有节点缺失,可能原因有: 1. 你用的不是最新版(每夜版)。 2. 启动时有些节点导入失败。 云端用户 * Cloud 会在 ComfyUI 稳定版本发布后更新。 所以,如果你发现本文档中有任何核心节点缺失,可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。
文本转语音
写下台词,节点便会返回用所选音色朗读这段台词的音频。(sighs)、(laughs) 这类音频标签会被实际演绎出来,而不是被朗读出来,因此模型输出的是停顿或笑声,而不是把标签文字读出来。
模板使用克隆音色进行朗读。breeze_tts2_tts_clone_audio.wav 经过 Breeze Voice Clone 处理,返回的 voice id 会输入到 Breeze Voice Selector(language 设为 custom),再由它驱动 Breeze Text to Speech。如果想改用预设音色,可以把模板中另一个 Breeze Voice Selector(语言 English,音色 Elizabeth)连接到 Breeze Text to Speech 的 voice 输入;它随工作流一同提供,但没有连接。

在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
下载工作流 下载 JSON,或在模板库中搜索 "Breeze TTS 2: Text to Speech"
另外还有两个分组默认处于绕过状态:Breeze Voice Remix 用于改造已有的音色,Breeze Voice Design 则根据描述生成音色。两者都会在 voice 输出上返回 voice id,但该输出默认没有连线。把这个输出接到 Preview as Text 节点即可读取 id,也可以直接接到 Breeze Text to Speech 的 voice 输入。选中该分组中的节点,按 Ctrl+B 取消绕过,运行工作流,再把 id 粘贴到 Breeze Voice Selector 中,并将 language 设为 custom。
输入素材
breeze\_tts2\_tts\_clone\_audio.wav 加载到 Breeze Voice Clone 节点,模板已将它连接到语音节点
表达控制
delivery 决定这句话如何被朗读:
neutral让声音接近其自身音色。speaker_boost则让声音更贴近原始音色。directed会遵循写好的instructions,例如“温暖而从容,最后一个词带着笑意”。请使用与文本相同的语言来撰写这些指令,并设置strength来控制声音遵循指令的字面程度。
speed 可在不改变音高的情况下将语速从 0.5 调整到 2.0。
制作声音
| 节点 | 输入 | 获得内容 |
|---|---|---|
| Breeze Voice Clone | 一个说话人,至少 3 秒。文件只会读取前 60 秒,Breeze 会保留最好的 30 秒。remove_background_noise 对嘈杂的手机录音有帮助 | 一个新的声音 ID,以及一段音频预览 |
| Breeze Voice Design | 3 到 500 个字符的 description(年龄、性别、口音、语气、语速)和一行 preview_text。声音会根据这一行文本来构建,所以请用目标语言撰写它 | 一个新的声音 ID,以及一段音频预览 |
| Breeze Voice Remix | 一个现有的声音,以及用文字描述的 change,或 27 个预设之一,涵盖年龄、性别、音高、语速、能量、情感、角色扮演和表达方式。strength 为 1 到 10,决定变化的幅度 | 该声音的一个修改副本 |
| Breeze Voice Localize | 一个现有的声音和目标语言 | 同一个声音用另一种语言说话 |
Remix 会保留原始语言;要跨语言请使用 Localize。进行克隆时,只能使用你有权复制的声音:必须获得同意。
节点控制
| 控件 | 取值 | 适用于 | 作用 |
|---|---|---|---|
voice | 精选音色,或自定义 ID | Text to Speech | 用于朗读的音色,来自 Breeze Voice Selector 或其他生成语音的节点 |
text | 最多 1000 个字符 | Text to Speech | 要朗读的文本。括号内的音频标签会被演绎 |
language | 八种精选语言,或 custom | Voice Selector | 对精选音色进行分组。没有精选音色的语言需要在 custom 中提供音色 ID,例如通过 Breeze Voice Localize 生成的 ID |
language | 51 种语言 | Text to Speech、Design | 文本的语言。英语和中文可以使用任一模型;其他所有语言使用多语言模型 |
model | Breeze TTS 2、Breeze TTS 2 Multilingual | Text to Speech、Design | 仅在英语和中文下显示,因为这两种语言在两个模型上都能运行 |
delivery | neutral、directed | Text to Speech | 平实朗读,或按照书面指令进行朗读 |
speed | 0.5 至 2.0 | Text to Speech | 语速,音高保持不变 |
seed | 整数 | 所有语音节点 | 控制节点是否重新运行;每次运行的结果都会不同 |
音色在其对应语言中表现最佳。要用熟悉的音色说另一种语言,请先通过 Breeze Voice Localize 处理。
开始使用
- 将 ComfyUI 更新到最新版本
- 前往模板库,搜索
Breeze TTS 2