ComfyPilotComfyPilot
文档 / 教程 / ComfyUI 中的 HeyGen Voice 1.0：声音克隆与文本转语音

ComfyUI 中的 HeyGen Voice 1.0：声音克隆与文本转语音

在 ComfyUI 中使用 HeyGen Voice 1.0：从一段录音克隆音色，再用任意文本让它说话，由 Instant Clone 与 Text to Speech 两个合作伙伴节点完成。

教程 heygen-voice-1 更新于 2026-11-12

查看官方原文

ComfyUI 中的 HeyGen Voice 1.0：声音克隆与文本转语音

在 ComfyUI 中使用 HeyGen Voice 1.0：从一段录音克隆音色，再用任意文本让它说话，由 Instant Clone 与 Text to Speech 两个合作伙伴节点完成。

HeyGen Voice 1.0 可以把一段单人录音变成一个可复用的音色，然后用这个音色朗读任意文本。整个过程不需要等待训练：克隆直接由你接入的片段生成，返回的 voice_id 就是文本转语音节点所需的全部输入。它适用于用本人声音做旁白、角色对白以及多语言配音。

在 ComfyUI 中，该功能由两个合作伙伴节点完成：HeyGen Voice 1.0 Instant Clone 接收录音并返回 voice_id，HeyGen Voice 1.0 Text to Speech 用这个音色朗读文本。两者都是云端 API 节点：需要带积分的 Comfy 账号，并且不会下载本地模型。克隆免费，文本转语音按每 1K 字符计费。费率见合作伙伴节点定价。

模板把两个节点接在同一个工作流里，并保存两种输出：朗读出的音频，以及记录了 voice_id 的文本文件，方便下次直接复用同一个音色，不必重新克隆。

HeyGen Voice 1.0 擅长什么

  • 短录音即可克隆：10 秒清晰的语音就够用，最多会用到片段的前 3 分钟
  • 复用音色：voice_id 输出可以接入文本转语音，也可以填入 HeyGen Avatar Video 和 HeyGen Talking Photo 的 custom_voice_id
  • 两种速度：heygen-voice-1-turbo 更快，价格约为 heygen-voice-1 的四分之一
  • 表现力控制：expressiveness_boost 取值低时贴近原录音，取值高时情绪更丰富

示例输出

从一段录音克隆音色，再用这个音色朗读文本：

HeyGen Voice 1.0 工作流预览

使用它

与在下面的 ComfyUI 中运行一样，使用同一个 Comfy 账号、同样的积分计费。各模型的价格见合作伙伴节点定价，可同时发起的请求数量见并发限制。

[!TIP] 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。
[!TIP] > [tab] 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。 > [tab] 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。

HeyGen Voice 1.0 工作流

克隆音色、写入文本并运行。模板把两个节点放在同一个工作流里，voice_id 会直接从克隆节点传给文本转语音节点。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索 "HeyGen Voice 1.0"

输入素材

[card] long\_demo.mp3 载入到为 HeyGen Voice 1.0 Instant Clone 提供输入的 LoadAudio 节点

运行步骤

  1. 加载录音：在 LoadAudio 节点中接入单人、至少 10 秒的清晰语音，只会使用前 3 分钟
  2. 克隆音色：在 HeyGen Voice 1.0 Instant Clone 上把 language 设为录音所用的语言，并选择 similarity。修改 seed 可以重新克隆，得到略有差异的音色
  3. 写入文本：在 HeyGen Voice 1.0 Text to Speech 的 text 中输入不超过 5000 字符的纯文本，并把克隆节点的 voice_id 输出接到它的 voice_id 输入
  4. 设置表现力：expressiveness_boost 取 0 到 1。0 最贴近原录音，1 情绪最丰富
  5. 点击 Queue 或按 Ctrl+Enter 生成
  6. 保存结果：模板用 SaveAudioAdvanced 保存音频、用 SaveText 保存音色 ID，放在 output/HeyGen_Voice_id/ 下

节点控制

HeyGen Voice 1.0 Instant Clone

控制项取值作用
audio一段音频单人录音。建议至少 10 秒，只会使用前 3 分钟
languageauto 或某种语言录音中所说的语言
similaritymedium、high、extra_high、max（默认）克隆音色与原录音的接近程度
remove_background_noise默认开启克隆前清理录音
seed默认 42修改后会重新克隆，每次得到略有差异的音色

HeyGen Voice 1.0 Text to Speech

控制项取值作用
modelheygen-voice-1、heygen-voice-1-turboturbo 更快，价格约为四分之一
voice_id已克隆的音色 IDInstant Clone 节点的输出
text1 到 5000 字符要朗读的文本。超过约 12 分钟的语音会失败，超长的中文或日文请分段
languageauto 或某种语言塞尔维亚语、马来语等相近语言容易被自动识别混淆时请手动指定
expressiveness_boost0.0 到 1.0，默认 0.5取值越高表现力越强，取值越低越贴近原音色

限制

  • 克隆只使用录音的前 3 分钟，实际操作中至少需要 10 秒清晰语音。
  • 文本上限 5000 字符，约 12 分钟语音。只接受纯文本，其他内容会被拒绝。
  • 即时克隆的音色在文本转语音中会忽略 seed、speed 和 pitch，表现力只能通过 expressiveness_boost 控制。
  • voice_id 必须来自克隆节点，留空会报错。
  • 克隆免费，文本转语音按模型费率以每 1K 字符计费。

开始使用

  1. 将 ComfyUI 更新至最新版本
  2. 打开模板库，搜索 HeyGen Voice 1.0