IndexTTS2 × ComfyUI 王炸上线，本地语音创作全面起飞！

Hello，诸位好久不见，我是AI姐儿。

工业级的语音合成王炸来了，那就是bilibili发布的IndexTTS2。是的，你没有听错，就是工业级的。相比较其开源中流行的 TTS 系统，例如 `Fish 语音，Cosyvoice2，FireredTTS 和 F5-TTS，Ind`，IndexTT2从语速控制、情感表达以及语音时长都实现了重大突破。有兴趣的小伙伴，可以先进行体验一下！

本文主要介绍了IndexTTS2的本地部署流程，包括插件下载、模型配置及ComfyUI工作流创建。通过自定义节点，用户可实现文本到语音转换，并支持情感调节功能。助力大家在自己电脑解锁更多的技能！

一、IndexTTS2 本地部署

由于ComfUI官方并没有像之前Qwen-image以及Huangyuan-image 一发布就及时的集成，目前如果想要本地实现IndexTTS2，需要自行进行开发以及配置，最终作为一个Custom_Node（自定义节点）集成到我们的工作流中。

1. 插件下载

ComfyUI-IndexTTS2 这是在github上开源的一个项目，该项目已经集成好了indextts2模型。我们只需要将项目下载，并配置到ComfyUI具有的目录就可以了。Let’s Go!

（1）将项目克隆到 本地的comfyui路径对应的custom_node的文件夹。

# Clone this repository to: ComfyUI/custom_nodes/
git clone https://github.com/snicolast/ComfyUI-IndexTTS2.git

（2）进入项目目录，安装python环境以及对应的依赖

pip install wetext
pip install -r requirements.txt

2. 模型下载及配置

众所众知，语音合成（TTS）系统往往都是模块化的，并不是一个模型就能从文字直接合成自然语音。通常会分成几个环节：文本/语义特征提取 (Feature Extraction)、语义编码 / 解码 (Semantic Codec)、声学建模 & 声码器 (Vocoder)、辅助模块（如 ASR/声学模型）等一系列模型的组合，才能达到一个很好的效果。因此除了IndexTTS2之外，我们还要部署其他模型。

（1）我们要把所有的模型都放在
custom_node/ComfyUI-IndexTTS2/checkpoints文件夹下。其目录结构如下：

ComfyUI/custom_nodes/ComfyUI-IndexTTS2/checkpoints/
├── config.yaml
├── gpt.pth
├── s2mel.pth
├── bpe.model
├── feat1.pt
├── feat2.pt
├── wav2vec2bert_stats.pt
├── campplus_cn_common.bin
├── bigvgan/
│   ├── config.json
│   └── bigvgan_generator.pt
├── semantic_codec/
│   └── model.safetensors
├── qwen0.6bemo4-merge/          (required only for Text -> Emotion node)
│  └── 
└── w2v-bert-2.0/
    └── 

（2）所有相关模型的下载以及配置

• W2V-BERT-2.0 特征提取器/模型（下载地址： https://huggingface.co/facebook/w2v-bert-2.0）：
• 下载整个存储库内容并将其放在： checkpoints/w2v-bert-2.0/
• BigVGAN 声码器模型文件（下载地址：https://huggingface.co/nvidia/bigvgan_v2_22khz_80band_256x）：
• config.json → 存放位置： checkpoints/ bigvgan/ bigvgan_generator.pt → 放置于： checkpoints/bigvgan/
• Semantic codec 模型文件下载：(download from: https://huggingface.co/amphion/MaskGCT/tree/main)：
• 下载文件： semantic_codec/model.safetensors → 放置于：checkpoints/semantic_codec/
• CAMPPlus 说话人嵌入模型：（下载地址：https://huggingface.co/funasr/campplus/tree/main）：
• 下载文件： campplus_cn_common.bin → 放置在： checkpoints/
• indexTTS2模型下载：https://modelscope.cn/models/IndexTeam/IndexTTS-2

至此，所有indextts的本地部署以及配置就先告一段落，我们在启动ComfyUI的时候，系统会自动加载 Custom_Node 节点。

二、ComfyUI配置

1. 加载模型

打开ComfyUI，在管理界面，我们可以看到有自定义配置的功能操作。比如自定义节点管理、安装丢失的节点以及运行在工作流中的节点。我们可以先通过Custom Nodes Manager 看下刚才配置的节点有没有安装。

如下图所示，我这边已经安装过了，可以正常显示刚刚配置的ComfyUI-indexTTS2节点。正常情况下启动ComfyUI时就会加载我们刚才的本地配置，显示未安装状态，需要用户手动点击安装。这里就不给大家展示了具体操作了，安装的时候点击一下就行，然后重启ComfyUI重新加载资源。

注意：如上图通过搜indexTTS可能出来多个，一定要看好我们自定义配置的是哪个节点。最简单的方法可以根据Author进行判断。

2. 创建工作流

工作流的创建有两种方式，一种可以使用项目中提供的workflow样例，直接导入到ComfyUI中即可。第二个就是新建工作流，完成整个闭环的操作。下面我们就采用第二种，来完整的创建一个工作流。
工作流样例目录：comfyuicustom_nodesComfyUI-IndexTTS2workflow_example

（1）加载自定义节点，通过上述安装之后，我们就可以在画布中，通过右键新建节点，然后选择到对应的节点名称。

这里我们选择“IndexTTS2 Simple” 简单版本该节点可以输入：音频（扬声器）、文本、情绪控制权重（0.0-1.0）、情绪音频（可选）、情绪向量（可选），主要的流程是：加载音频 -> IndexTTS2 简易版 -> 预览/保存音频，因此围绕该节点，我们可以进行多方面的配置。

（2）添加音频的输入以及输出节点

该节点主要可以让用户上传（load audio）以及预览（preview audio）、下载音频（save audio）。

（3）添加“emotion_vertor”节点。

IndexTTS情感向量（IndexTTS2 Emotion Vector）：

• 8 个滑块（0.0-1.4）分别表示：高兴、愤怒、悲伤、害怕、厌恶、忧郁、惊讶、平静
• 约束：滑块总和必须小于等于 1.5（无自动缩放）
• 输入: EMOTION_VECTOR 输出：EMOTION_VECTOR

（4）IndexTTS2 Emotion From Text 该节点可选择性添加，与IndexTTS2 Emotion Vector功能类似，主要作用是通过文本输入的方式，可以提取情感，悲伤还是喜悦等等。

输入:

“今天的天气灰蒙蒙的，我一个人在房间里发呆，心里觉得有点孤单“”。

通过模型这里使用的Qwen相关的模型，提取出来的就是:

“主要情绪是“孤独与轻微的忧伤”，几乎没有愤怒或恐惧成分。”

3. 体验结果

三、总结几种工作流程

• IndexTTS2 Simple 基本工作流程：加载音频 -> IndexTTS2 简易版 -> 预览/保存音频
• Vector emotion音频情绪：加载音频（扬声器）+加载音频（情绪）-> IndexTTS2 Simple -> 保存
• Vector emotion矢量情感：IndexTTS2 情感矢量 -> IndexTTS2 简单 -> 保存
• Text emotion文本情感：IndexTTS2 情感来自文本 -> IndexTTS2 简易 -> 保存

四. 资料

Huggingface体验地址：
https://huggingface.co/spaces/IndexTeam/IndexTTS-2-Demo

ModelScope 体验地址：
https://modelscope.cn/studios/IndexTeam/IndexTTS-2-Demo

示例： 每个DEMO中都有一些例子，可以进行测试。

至于更多的玩法我这边暂时就先不介绍的，最后给大家再推荐两个Github的开源项目，基本上都是结合ComfyUI-IndexTTS2来做的，并且支持多角色对话，体验并解锁更多的技能！

✨ 都已经看到这里，赶紧体验上手吧，与此同时也顺便点个赞+关注哦！！！