Confucius4-R2T2 Q8 ASR

Confucius4-R2T2 Q8 for ComfyUI

简体中文 · English

基于网易有道 Confucius4-R2T2 的 Windows / NVIDIA CUDA 语音转文字节点。使用官方 GGUF Q8 主模型 + Q8 音频 projector；推理运行在独立的 Python 3.12 worker 中，不向现有 ComfyUI Python 安装上游 vLLM 依赖。

支持文件离线转写、文件流式转写、浏览器麦克风实时字幕和保存转写。长音频分段使用 FireRedVAD ONNX。模型文件及许可说明见 Hugging Face 模型仓库。

安装

1. 在 ComfyUI Manager 搜索 Confucius4-R2T2 Q8 ASR 安装，或将本仓库克隆到 ComfyUI/custom_nodes/comfyui-confucius-r2t2-t8。

2. 安装 Python 3.12、Git、CMake、Visual Studio 2022 C++ 构建工具和 CUDA Toolkit 12.8。在节点目录打开 PowerShell，运行：

   .\scripts\setup_worker_windows.ps1
   

3. 重启 ComfyUI。首次设置会下载并校验约 2.19 GB 的 Q8 模型文件，并从固定版本的 llama.cpp 构建 CUDA 扩展；需要预留编译时间。默认编译目标为 RTX 50 系列（CUDA 架构 120）。其他 NVIDIA GPU 请先运行 setup_worker_windows.ps1 -SkipNativeBuild，再运行 build_native_windows.ps1 -CudaArch <架构>。

安装脚本将 worker 与模型放在节点目录下的 .runtime/、models/，两者均被 Git 忽略。手动接入已有 ComfyUI 源码目录可执行 scripts/install_comfy_windows.ps1 -ComfyDir 'C:\path\to\ComfyUI'。

使用

将 文件工作流 拖入 ComfyUI 前端画布，在 Load Audio 重新选择自己的音频，点击 运行。将 麦克风工作流 拖入画布后，在 Live 节点点击 Start microphone，授权麦克风；点击 Stop and finalize 后，再点击 运行 保存最终文字。浏览器麦克风需要 localhost 或 HTTPS。

节点包括 Confucius4 Q8 Loader、Confucius4 Transcribe、Confucius4 Live Microphone、Confucius4 Save Transcript 和 Confucius4 Unload Q8。单次文件输入仅支持一段音频（batch=1）。中文为主、夹少量英文的文件流式音频可尝试 Chinese 语言提示。

本机 Windows / RTX 5090 Laptop / CUDA 12.8 已通过官方 Q8 文件的离线与流式推理、真实 ComfyUI 前端拖入工作流并点击运行，以及注入音频的 Live Start/Stop 前端流程。物理麦克风、自然连续长语音的质量及所有 GPU 架构尚未全面验收；强制分段结果会标记 requires_review。默认不保存原始音频。

许可与来源

节点代码按 Apache 2.0 发布；原生适配代码来源与修改见 NOTICE。GGUF 模型及 projector 属网易有道，受其 Model Use License Agreement 约束；FireRedVAD 资产受 Apache 2.0 约束。使用或再分发模型时请阅读相应许可。本项目与模型原作者无官方隶属关系。

更多链接

B站 · YouTube · API · 免费画廊 · 在线 AI 应用 · ComfyUI 整合包 · Hugging Face