效果炸裂!LongCat-AudioDIT-TTS语音克隆,效果好,速度快,只需要一小段音频就可以克隆!
LongCat-AudioDIT-TTS 是一套基于 ComfyUI 的语音克隆工作流,以其高质量的合成效果和快速的响应速度受到关注。该工作流支持极少量的音频样本输入,即可实现对目标音色的克隆,能够模拟说话人的语气、语调及情感特征。除了单人声音复刻外,它还具备多人对话生成及随机音色合成的功能,适用于有声书制作、游戏配音及虚拟交互等场景。
01核心功能解析
- 多人对话生成
支持最多10个角色同时进行对话。用户需上传不同角色的参考音色,并按特定格式(如 Speaker1、Speaker2)输入对话脚本,系统即可自动生成连贯的多角色交互音频。 - 单人声音克隆
仅需提供1至2秒的参考音频,即可克隆目标音色。音频时长越长,克隆效果通常越好。通过输入文本内容,系统可利用参考音色生成新的语音。 - 随机音色生成
在无需上传参考音频的情况下,用户仅需输入文本内容,系统即可通过随机映射的方式生成具有特定特征的语音,适用于快速测试或创意配音。
02安装与部署方式
安装方式对比
ComfyUI管理大师一键安装
适合新手用户,自动化程度高
- 启动ComfyUI管理大师,进入“工作流广场”
- 搜索并找到“LongCat-AudioDIT-TTS语音克隆工作流”
- 点击一键安装,工具会自动下载工作流文件及所需的插件节点依赖
- 安装完成后,在工作流列表中即可直接加载使用
手动安装
适合需要自定义配置的用户
- 访问ComfyUI搅拌站或相关资源库,下载LongCat模型和工作流压缩包
- 将解压后的模型文件覆盖至ComfyUI的models目录
- 将工作流文件拖入ComfyUI界面,并根据提示安装缺失的自定义节点
03实测效果与操作
| 功能模块 | 输入要求 | 操作步骤 | 输出效果 |
|---|---|---|---|
| 多人对话 | 选择人数、各角色参考音频、对话文本 | 设置角色数量 -> 上传音色 -> 格式化输入文本 -> 运行 | 生成多角色连贯对话音频,语气转换自然 |
| 声音克隆 | 目标人声片段(建议1-2秒以上)、目标文本 | 上传参考音频 -> 输入生成文本 -> 运行 | 高保真复刻音色,保留原声情感特征 |
| 随机音色 | 文本内容 | 输入文本 -> 运行 | 生成系统随机分配音色的语音播报 |
不同功能模式的操作与效果对比
在实际测试中,使用蜡笔小新与孙悟空的片段进行克隆,生成的音频不仅准确还原了角色的声线特色,连语气的起伏和停顿习惯也表现得较为自然。部分用户反馈,该工作流在短样本克隆上的表现优于传统方案,且生成的音频在听感上极少出现机械感,能够满足大多数内容创作的需求。
当前文章无评论,是时候发表评论了