ComfyPilotComfyPilot
文档 / 教程 / Mirelo SFX 2.0：ComfyUI 中的视频转 SFX 与文本转 SFX

Mirelo SFX 2.0：ComfyUI 中的视频转 SFX 与文本转 SFX

使用 Mirelo sfx-2.0 在 ComfyUI 中生成音效：与视频同步的 Foley，或根据文本提示进行声音设计，并附带一条独立的语音轨道。

教程 mirelo-sfx 更新于 2026-11-12

查看官方原文

Mirelo SFX 2.0：ComfyUI 中的视频转 SFX 与文本转 SFX

使用 Mirelo sfx-2.0 在 ComfyUI 中生成音效：与视频同步的 Foley，或根据文本提示进行声音设计，并附带一条独立的语音轨道。

Mirelo SFX 2.0 用于生成音效。它支持两个方向：既可以观看一段视频片段，并根据画面中发生的事情生成同步的拟音；也可以接收对某种声音的文字描述，从零开始构建该声音。

在 ComfyUI 中，该模型通过两个合作节点运行。Mirelo Video to SFX 接收一段视频片段，并返回混合后的音轨，同时在独立输出中返回对白。Mirelo Text to SFX 接收提示词和时长，并返回一段音频片段。两者都是云端 API 节点：需要拥有带积分的 Comfy 账户，并且不会在本地下载任何模型文件。

输出为 48 kHz 音频。视频运行支持 1 至 600 秒，文本转音效支持 0.1 至 600 秒。Video to SFX 按所提交视频片段的时长计费，Text to SFX 按你设定的时长计费。

[!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。

可用工作流

视频转音效

为已完成的剪辑添加声音。模型会读取画面，并让每个声音与画面中的动作同步时间，因此脚步声、撞击声和环境声会落在动作上，而不是落在猜测的时间线上。

Mirelo SFX 2.0：视频转音效工作流预览

[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“Mirelo SFX 2.0: Video to SFX”

输入素材

[card] mage\_crash\_discovery\_video.mp4 加载到 LoadVideo 节点

该节点有两个音频输出。audio 承载最终混音，speech 承载从已生成效果中分离出的对白。当片段没有语音时，speech 输出为静音。

文本转音效

根据描述构建声音。提示词和时长是仅有的输入，因此该模式适用于无法录制的声音，或用于填充音效库。

Mirelo SFX 2.0：文本转音效工作流预览

[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“Mirelo SFX 2.0: Text to SFX”

示例提示词

  • Heavy rain on a tin roof with distant thunder
  • Soft footsteps on wood floor in a small quiet room
  • Sharp knife chop on a wooden cutting board, close mic
  • Metal door slam in a concrete hallway with short echo

节点控制

控制项值适用于效果
modelsfx-2.0两个节点Mirelo SFX 模型版本
video视频片段，1 至 600 秒Video to SFX效果对齐的片段。无声或带声音均可
audio可选音轨Video to SFX要保留的对白，替代片段自带的声音。如果视频已包含所需音频，请保持未连接
prompt文本，最多 2000 个字符两个节点对声音的简短描述。在 Text to SFX 中必填，在 Video to SFX 中可选
negative_prompt文本，最多 1000 个字符两个节点要排除的声音，以逗号分隔的列表
preserve_speech默认开启Video to SFX保留对白并将效果混合在其下。仅需效果时请关闭
duration0.1 至 600 秒，默认 5Text to SFX已生成声音的时长
seed整数两个节点更改它以探索同一提示词的不同变化

提示技巧

  • 描述声音本身，而不是故事。 在一行里写清来源、材质、空间与强度：boots on gravel, metal settling, soft cavern wind。能听见的具体名词胜过抽象的情绪词。
  • 以空提示词启动 Video to SFX。 画面本身已经承载了时间。只有在需要补充画外音时，才额外加一行，例如 distant church bells, a dog barking two streets away，或者用来强化某一个图层。
  • 用负面提示词剥离图层。 music, wind, crowd 能从 AI 生成的视频片段中去掉配乐。如果你想保留对白，就不要把 speech 放进负面列表。
  • 让时长与事件匹配。 一次单独的撞击不需要 30 秒的雨声。
  • 试听几个变体。 换一个种子重新运行，每次只改变一个维度：先改材质，再改空间，最后改强度。

开始使用

  1. 将 ComfyUI 更新到最新版本
  2. 前往模板库，搜索 Mirelo