非官方 Breeze TTS 2 ComfyUI 配套节点。v0.3.7 修复 Issue #2：连续运行或显存卸载后，特殊文本嵌入层的 CPU 权重与 CUDA 输入混用，触发 wrapper_CUDA__index_select。保留 v0.3.5 的 Loader 缓存自动恢复、官方 Voice Clone/Design/Direction 路由、8 个可组合节点、四份前端工作流与行内声音事件语法。本次仅发布节点补丁，桌面整合包仍为 v0.3.6。更新节点后请重启 ComfyUI。

安装

推荐在 ComfyUI-Manager 中搜索 Breeze TTS 2 · T8star-Aix 并安装。也可以手动安装：

cd ComfyUI/custom_nodes
git clone https://github.com/T8mars/Comfyui-breeze-tts.git comfyui-breeze-tts-T8
python -m pip install -r comfyui-breeze-tts-T8/requirements.txt

依赖安装完全交给 ComfyUI-Manager 的标准管线；节点自身不会调用 pip。依赖清单不声明 torch、torchaudio、torchvision、transformers、tokenizers 或 numpy，这些核心包沿用宿主环境，并在节点加载时执行兼容性检查。

如果是已经能正常运行的 ComfyUI Portable，并且希望手动安装时绝对禁止依赖解析器触碰宿主核心包，可在 ComfyUI 根目录执行：

.\python_embeded\python.exe -s -m pip install --no-deps -r .\custom_nodes\comfyui-breeze-tts-T8\requirements.txt

--no-deps 只安装清单中直接列出的轻量包，不解析它们的传递依赖。若随后提示缺少轻量依赖，优先改用 ComfyUI-Manager 修复；不要单独执行 pip install -U torch transformers tokenizers numpy。

首次执行模型加载器时可自动下载官方 BreezeBlue/Breeze-TTS-2 固定 revision。也可以手动放到：

ComfyUI/models/breeze_tts/BreezeBlue_Breeze-TTS-2

加载前会检查模型配置、Tokenizer、Codec、权重索引及索引引用的每个分片。中断的下载可在 download_if_missing=true 时继续；检查失败会显示具体缺失/损坏文件和修复路径。

兼容性

Python：>=3.10,<3.13
Transformers：>=4.57,<6
已验证目标：Transformers 4.57.3 与 5.16.1；ComfyUI 0.34.0 / 前端 1.51.9 的画布工作流
Torch：沿用 ComfyUI 自己的版本；官方运行时使用 BF16，建议 Ampere（SM80）或更新的 NVIDIA GPU

节点内置了 T5Gemma2 与 Qwen3 TTS codec 的跨版本兼容实现。4.57.x 使用随节点提供的 T5Gemma2 兼容层，5.x 优先使用 Transformers 自带实现；因版本变化产生的 causal-mask、StaticCache 和 RoPE 接口差异在节点内部适配。版本不在支持范围时会在节点注册阶段直接报告原因，不会静默覆盖宿主环境。

兼容检查只通过包元数据读取 torch / torchaudio / torchvision / transformers / tokenizers / numpy 的宿主版本，不会导入安装器、修改 sys.path、写入 site-packages 或执行子进程。节点也没有 install.py 和运行时安装逻辑。

节点与输入输出契约

| 节点 | 主要输入 | 输出 | | --- | --- | --- | | T8 模型加载器 | 精度、设备、注意力、许可证确认 | BREEZE_T8_MODEL、模型信息 JSON | | T8 声音设计 | 台词、声音描述、CFG | BREEZE_T8_REQUEST | | T8 声音克隆 | 台词、标准 AUDIO、准确逐字稿 | BREEZE_T8_REQUEST | | T8 声音导演 | 克隆输入、逐句自然语言指令 | BREEZE_T8_REQUEST | | T8 桌面音色包 | .t8voice.zip、台词、逐句指令 | Request、标准 AUDIO、音色信息 JSON | | T8 逐句情感 | 上游 Request、继承/覆盖/中性 | 新的 Request（不修改上游） | | T8 生成设置 | 采样参数与 Seed | BREEZE_T8_SETTINGS | | T8 生成音频 | Model、Request、Settings | 标准 ComfyUI AUDIO、生成信息 JSON |

Request 和 Settings 会在模型恢复到 GPU 之前验证。空台词、空逐字稿、非法 AUDIO 形状、非正温度、非正重复惩罚或缺失设置字段会直接给出字段级错误，不会等到模型推理阶段才失败。输出 AUDIO 固定遵循 {"waveform": [batch, channels, samples], "sample_rate": int}。

使用顺序

T8 模型加载器
T8 声音设计、T8 声音克隆 或 T8 声音导演
T8 生成设置
T8 生成音频

工作流示例

examples/ 同时提供两类 JSON，格式不同，不能混用：

*_workflow.json：ComfyUI 前端工作流。直接把文件拖进 ComfyUI 画布，或使用“工作流 → 打开”导入。
*_api.json：仅供 /prompt HTTP API 或脚本调用，不能拖入画布。

可直接导入的四份前端工作流：

voice_design_workflow.json：声音设计；
voice_clone_workflow.json：声音克隆；
voice_direction_workflow.json：参考音色加情绪/语速导演；
voice_bundle_workflow.json：读取桌面版导出的 .t8voice.zip 音色包。

导入后先在粉色分组中的 ① 模型加载器 阅读许可证并勾选 accept_model_license。Clone/Direction 工作流还必须在 LoadAudio 中重新选择自己的参考音频，并填写准确逐字稿；示例不会内嵌 reference.wav。因此首次打开这两份工作流时，ComfyUI 会提示“缺少媒体输入 reference.wav”，这是等待用户选择参考音频的正常提示，不是节点缺失。关闭提示，在 LoadAudio 中点击“选择文件上传”即可。Voice Bundle 工作流需把示例路径改成真实的 .t8voice.zip 绝对路径。

如果导入后节点显示红色“缺失”，请确认节点目录是 ComfyUI/custom_nodes/comfyui-breeze-tts-T8，重启 ComfyUI 后再导入 *_workflow.json，不要导入同名的 *_api.json。

行内声音事件

声音事件直接写入任意 Design、Clone、Direction 或 Voice Bundle 节点的 text 台词框，不需要额外节点。四份 UI 工作流底部均有粉色语法提示区，各请求节点的悬浮说明也会显示相同提示。

英文：(laugh)、(cough)、(clears throat)、(sigh)
中文：[笑]、[咳嗽]、[清嗓子]、[叹气]

例如：[清嗓子] 接下来宣布今天的安排。 或 (sigh) I thought we had more time.。这些标记会原样交给 Breeze TTS 2；它们是生成提示，实际强度仍会受台词、指令、采样参数和 Seed 影响。

桌面音色包与逐句情感

桌面版音色库可导出 *.t8voice.zip。在 T8 桌面音色包 节点中填写该文件的本地绝对路径和本句文本，输出的 request 可直接连接 T8 生成音频，reference_audio 是标准 ComfyUI AUDIO，可用于预览或其他音频节点。

逐句表达使用 Breeze 原生的自然语言 direction，而不是伪造 IndexTTS 的 8 维情感向量：

inherit：继承音色包的声音描述或导演指令；
override：本句指令替换默认指令；克隆音色会自动转为 Direction 请求，同时保留同一参考音色；
neutral：使用清晰自然的中性指令；参考音色仍保留说话人身份。

也可以把任意 Design/Clone/Direction 请求接入独立的 T8 逐句情感 节点，按台词逐句覆盖。节点复制 request 后再修改，不会污染上游节点或其他分支。

音色包按不可信文件处理：只离线读取、不联网、不向磁盘解压；拒绝绝对路径、路径穿越、符号链接、加密成员、Windows 大小写重复路径、未声明成员和异常压缩率；限制成员数、压缩/解压大小和参考音频时长，并逐项校验声明大小与 SHA-256。参考音频由内存直接解码为 [batch, channels, samples] 的 float32 AUDIO。为获得最稳定的跨平台解码效果，建议桌面端导出 WAV 或 FLAC。

声音克隆与声音导演必须提供参考音频的准确逐字稿。模型仅限其许可证允许的研究、教育与非商业用途，详见 MODEL_LICENSE。参考音频最长 60 秒，节点会在上传到 GPU 和 Codec 编码前检查原始波形时长。

T8 声音克隆 的可选 instruction 留空时走官方纯 Clone 模板；填写后会明确切换为 Direction。旧版音色包即使携带通用默认指令，只要声明为 Clone，继承时也会按纯 Clone 处理。

T8star-Aix 社媒与资源

来源与声明

本节点不是 BreezeBlue 官方产品。模型与核心项目来自 breezeblue-ai/breeze-tts；兼容推理路径部分改编自 Saganaki22/ComfyUI-Breeze-TTS-2。完整归属见 THIRD_PARTY_NOTICES.md。

发布信息

GitHub：https://github.com/T8mars/Comfyui-breeze-tts
Comfy Registry Publisher：t8star
Registry 节点 ID：comfyui-breeze-tts-T8
当前节点版本：0.3.7（桌面整合包：0.3.6）