企业官网建设流程全解析

• 人工智能
• AI 应用
• 语音
• 音频
• 媒体生成

TTS-Audio-Suite 是一款 ComfyUI 本地多引擎文字转语音（TTS）与声音转换（Voice Conversion）扩展，内置 🔄 Voice Changer 统一变声节点，可一键调用RVC、ChatterBox、CosyVoice等引擎，把任意录音转换成目标角色的声音，无需联网、完全本地运行。本文手把手带你完成安装、搭建变声工作流、调参优化，并附 RVC 模型训练与音频修复的进阶玩法。

什么是 TTS-Audio-Suite？

TTS-Audio-Suite 由原作者 diogod 开发的 ChatterBox Voice 项目进化而来，现已支持 19 个引擎：F5-TTS、Higgs Audio 2/3、IndexTTS-2、Qwen3-TTS、VibeVoice、DramaBox、RVC 等。除了变声，它还集成了 SRT 字幕时间轴、ASR 转写、角色切换、音频修复等一整套本地音频生产线。

与市面常见的在线变声器不同，它的两大优势：

• 🎯全本地推理：录音不出机器，隐私有保障，且无字数限制；
• 🧩节点化工作流：在 ComfyUI 里拖拽连线即可组合「加载音频 → 变声 → 修复 → 预览」的流水线，可保存复用。

变声能力由 nodes/unified/voice_changer_node.py 中的统一节点🔄 Voice Changer提供，通过一个TTS_engine输入即可切换 RVC 或 ChatterBox 引擎。

一键安装步骤

前置条件：已安装 ComfyUI（便携版或 venv 均可）+ Python 3.12 或更高版本。

1. 克隆仓库到ComfyUI/custom_nodes目录：

   cd ComfyUI/custom_nodes git clone https://gitcode.com/gh_mirrors/tts/TTS-Audio-Suite

2. 进入目录运行安装脚本，自动装好全部依赖：

   cd TTS-Audio-Suite python install.py

   便携版用户请使用自带解释器：../../../python_embeded/python.exe install.py

3. 重启 ComfyUI，即可在节点列表搜索 "TTS Audio Suite"。

💡 变声所需的 HuBERT、RMVPE 等基础模型会自动下载，无需手动找模型。RVC 角色模型.pth放在ComfyUI/models/TTS/RVC/下即可被自动发现，详细目录结构见 docs/MODEL_LAYOUTS.md。

两种变声路线怎么选？

TTS-Audio-Suite 提供了两条变声路线，对应不同的使用门槛：

ChatterBox VC：零门槛参考音频克隆

ChatterBox 的变声节点（nodes/chatterbox/chatterbox_vc_node.py）只需要两段音频：

• source_audio：你想转换的原始录音；
• target_audio：希望模仿的目标音色参考（几秒即可）；
• refinement_passes：精修遍数，推荐 1~5。

它内部会逐轮迭代转换，且自带智能缓存——跑过 3 遍后改成 5 遍，只会接着算第 4、5 遍，调参实验几乎零等待。

RVC 变声：专业级 .pth 模型

RVC（Real-time Voice Conversion）路线需要加载预训练的角色模型：

1. 🎭 Load RVC Character Model（nodes/models/load_rvc_model_node.py）：选择.pth模型，可自动匹配同名 FAISS.index索引文件以提升音色相似度；
2. ⚙️ RVC Engine：配置 HuBERT 基座、音高偏移（pitch_shift）、index_rate、protect等核心参数；
3. 🔄 Voice Changer：把 RVC Engine 与目标模型连入即可开始转换。

整体架构细节可参考 docs/RVC/RVC_INTEGRATION_SUMMARY.md。

实战：RVC X ChatterBox 双引擎工作流

项目内置了官方示例工作流 example_workflows/Unified 🔄 Voice Changer - RVC X ChatterBox.json，加载后结构如下：

Unified Voice Changer 工作流：RVC与ChatterBox双引擎声音转换实战

核心连线逻辑：

Load Audio（原始录音）──┐ ├──→ 🔄 Voice Changer → Preview Audio RVC: Load RVC Model ────┘（引擎选 RVC） ChatterBox: 参考音频 ───→ 🔄 Voice Changer（引擎选 ChatterBox）

同一个 Voice Changer 节点，仅切换TTS_engine输入就能在 RVC 和 ChatterBox 之间来回对比效果——这正是「统一变声节点」的设计初衷。工作流中还演示了Character Voices 角色音频节点作为目标声源，以及🎛️ RVC Pitch Extraction Options高级音高提取配置（源码：nodes/audio/rvc_pitch_options_node.py）。

⚠️ 注意：RVC 引擎的narrator_target输入需要连接Load RVC Character Model的rvc_model输出，而不是音频；ChatterBox 引擎则直接连接参考音频。

关键参数调优清单

以下是新手最常踩坑的几个参数，按调优优先级排序：

1. refinement_passes（精修遍数）：从 1 开始试，逐步加到 3~5。遍数越多越像目标音色，但超过 5 遍容易出现失真，缓存也只保存前 5 遍。
2. max_chunk_duration（分块时长）：默认 30 秒，防止长音频爆显存；smart模式会在静音处智能切割，接缝更自然。设为 0 可关闭分块。
3. f0_method（音高提取算法）：RVC 中默认rmvpe（速度与质量最均衡）；追求极致质量选crepe但更慢；唱歌场景可打开f0_autotune吸附到最近音符。
4. index_rate：控制 FAISS 索引参与程度，越高音色越贴近参考但可能损失自然度，推荐从 0.75 起步。
5. protect：保留辅音清晰度的保护系数（推荐 0.25），过低会导致辅音糊掉。
6. pitch_shift：整体系数级音高偏移，示例工作流中 RVC 侧设为 8，可让男声转女声效果更明显。

进阶：训练你自己的 RVC 模型

不想用别人的模型？v4.25 起套件内置了完整 RVC 训练流水线，无需脱离 ComfyUI：

RVC 模型训练工作流：数据集准备、训练配置与实时监控面板

典型流程（对应 nodes/training/ 目录下的数据集准备与训练配置节点）：

1. ⚙️ RVC Engine作为训练引擎入口；
2. 📦 RVC Dataset Prep：上传或指定语音数据集，自动切片、提取 HuBERT 特征与 F0；
3. 🎛️ RVC Training Config：设置 epoch、批大小等训练参数；
4. 🎓 Model Training：启动训练，节点内嵌实时仪表盘显示进度、ETA 与 loss 趋势，支持中断续训；
5. 训练完成后的.pth与.index自动保存到ComfyUI/models/TTS/RVC/，回到「🎭 Load RVC Character Model」直接用于变声。

变声后处理：人声分离 + 音频修复

变声前后可搭配两个专业音频节点，把输出质量再拉高一档：

Voice Cleaning 工作流：人声分离降噪与Voice Fixer音频修复组合

• 🎤 Vocal Removal：基于 UVR5 技术，支持 HP5、MDX-NET、DeEcho、RoFormer 等分离模型，先去掉背景音乐再变声，效果更干净；
• 🤐 Voice Fixer（nodes/audio/voice_fixer_node.py）：深度学习音频修复，可去噪、去混响、修复削波，还能把 2kHz 电话音升频到 44.1kHz，GPU 下约 4 秒处理一个文件。

两者组合成「分离 → 修复 → 变声 → 混音」的专业链路，参考 docs/VOCAL_REMOVAL_GUIDE.md 了解更多预设。

常见问题 FAQ

Q1：ChatterBox 变声报错「不支持该语言」？部分语言模型缺少 s3gen 组件，无法用于 VC。请切换到支持变声的语言模型（如 English、German）。

Q2：长音频转换爆显存（OOM）怎么办？把max_chunk_duration调小（如 15 秒），并保持chunk_method为smart，长音频会自动分段处理并保留原始时长拼接。

Q3：RVC 模型加载不到？确认.pth文件位于ComfyUI/models/TTS/RVC/（或旧版ComfyUI/models/RVC/）目录，索引文件.index放在模型旁或.index/子文件夹。

Q4：变声后节奏和原音频还对得上吗？对得上。Voice Changer 分块后采用保时长拼接（timing-safe concatenation），不会因淡入淡出而缩短总时长，字幕同步类工作流可以放心使用。

写在最后

从一段参考音频的 ChatterBox 零样本克隆，到.pth模型驱动的 RVC 专业变声，再到模型自训练与音频修复后处理——TTS-Audio-Suite 用一条统一的 🔄 Voice Changer 节点把所有能力串成了可视化工作流。建议按本文顺序走一遍：安装 → 示例工作流 → 调参 → 训练，本地化变声工具链就此打通。更多引擎对比与下载来源可查阅 docs/ENGINE_COMPARISON.md 与 docs/MODEL_DOWNLOAD_SOURCES.md。

• 人工智能
• AI 应用
• 语音
• 音频
• 媒体生成