FishAudioTextToSpeech - ComfyUI Built-in Node Documentation

このノードは、Fish Audio の音声合成モデルを使用して、書かれたテキストを音声に変換します。

このノードは、Fish Audio の音声合成モデルを使用して、書かれたテキストを音声に変換します。テキストに埋め込まれた感情キュー（s2.1-pro では [happy]、[whispering]、s1 では (happy)）と、複数の音声が接続されている場合の @Voice1/@Voice2 タグを使用した複数話者ダイアログをサポートします。利用可能なモデルは2つあります。s2.1-pro は最大5つの音声と複数話者ダイアログをサポートし、s1 は単一の任意音声を使用します。

​

入力

​

共通入力

パラメータ	説明	データ型	必須	範囲
text	音声に変換するテキスト。2つ以上の音声が接続されている場合、話者の切り替えを @Voice1、@Voice2 などで示します。（デフォルト：空）	STRING	はい	任意の空でないテキスト
model	音声合成に使用するモデル。	DYNAMIC_COMBO	はい	”s2.1-pro" "s1”
seed	シードはノードを再実行するかどうかを制御します。シードに関係なく結果は非決定的です。（デフォルト：42）	INT	はい	0～2147483647

​

s2.1-pro 入力

これらの入力は、s2.1-pro モデルが選択されている場合に表示されます。

パラメータ	説明	データ型	必須	範囲
voices	拡張可能スロット：0～5個の音声アイテム（voice_1、voice_2、…）を接続します。音声合成用の音声です。デフォルト音声を使用する場合は空のままにします。2つ以上の音声がある場合、テキスト内の話者切り替えを @Voice1、@Voice2 などで示します。	FISHAUDIO_VOICE	いいえ	0～5音声
temperature	表現力。値が高いほど変化に富み、低いほど一貫性が高くなります。（デフォルト：0.7）	FLOAT	はい	0.0～1.0
top_p	ニュークリアスサンプリングによる多様性。（デフォルト：0.7）	FLOAT	はい	0.01～1.0
speed	話速。1.0 が標準で、1.0 未満は遅く、1.0 超は速くなります。（デフォルト：1.0）	FLOAT	はい	0.5～2.0
volume	音量をデシベル単位で調整します。0 は変更なしです。（デフォルト：0.0）	FLOAT	はい	-10.0～10.0
normalize	英語と中国語の数値およびテキストを正規化し、数値と日付の安定性を向上させます。（デフォルト：true）	BOOLEAN	はい	true / false

​

s1 入力

これらの入力は、s1 モデルが選択されている場合に表示されます。

パラメータ	説明	データ型	必須	範囲
voice	音声合成用の音声。デフォルト音声を使用する場合は未接続のままにします。	FISHAUDIO_VOICE	いいえ	任意の単一音声
temperature	表現力。値が高いほど変化に富み、低いほど一貫性が高くなります。（デフォルト：0.7）	FLOAT	はい	0.0～1.0
top_p	ニュークリアスサンプリングによる多様性。（デフォルト：0.7）	FLOAT	はい	0.01～1.0
speed	話速。1.0 が標準で、1.0 未満は遅く、1.0 超は速くなります。（デフォルト：1.0）	FLOAT	はい	0.5～2.0
volume	音量をデシベル単位で調整します。0 は変更なしです。（デフォルト：0.0）	FLOAT	はい	-10.0～10.0
normalize	英語と中国語の数値およびテキストを正規化し、数値と日付の安定性を向上させます。（デフォルト：true）	BOOLEAN	はい	true / false

注： text 入力は空にできません。話者タグ（@Voice1、@Voice2 など）は大文字と小文字を区別せず、接続されている音声を参照する必要があります。接続されていない音声にタグを付けるとエラーが発生します。2つ以上の音声が接続されている場合、テキストは接続されているすべての音声を少なくとも1回参照する必要があり、そうでない場合、ノードは不足しているタグを報告します。s2.1-pro では、0個の音声を接続するとデフォルト音声が使用され、1個の音声ではその音声のみが使用され、2個以上では複数話者ダイアログが有効になります。s1 では、単一の任意音声が使用され、未接続のままにするとデフォルト音声が使用されます。感情キューはテキスト内に配置できます。s2.1-pro では [happy] と [whispering]、s1 では (happy) です。

​

出力

出力名	説明	データ型
audio	生成された音声を音声ファイルとして出力します。	AUDIO

このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ GitHub で編集

---

Source fingerprint (SHA-256): 6cc005ae76fc7b60d9399b1b0a3c5de40a6eff47cd6f0f0b73b4212c0270ae29