多语言合成：中文 / 英语 / 日语 / 西班牙语 / 阿拉伯语，且支持跨语种克隆（用中文参考音频直接说英文/日文）
语速控制：duration_factor 0.5 – 2.0，大于 1 变慢、小于 1 变快
发音控制升级：在文本里直接标注多音字/发音，2.5 的遵循能力大幅增强
- 中文拼音：他在银<行|XING2>里<行|HANG2>走了半天
- 英文音素（CMU）：He had a <minute|M IH1 . N AH0 T> to examine the <minute|M AY0 . N UW1 T> details.
- 日语假名：彼は料理が<上手|じょうず>だ
保留 2.0 全部情感控制能力（情感参考音频 / 8 维情感向量 / Qwen 情感文本分析）
更快：bf16 推理，速度约为 2.0 的 1.6 倍

新增五个节点（audio 分类下）：

Index TTS 2.5 - Base (多语言/语速)：基础合成 + 语言选择 + 语速控制 + 发音标注
Index TTS 2.5 - Emotion Audio：情感参考音频（音色与情感解耦）
Index TTS 2.5 - Emotion Vector：8 维情感向量滑条
Index TTS 2.5 - Emotion Text：情感描述控制，留空则自动分析主文本情感（需要 Qwen 情感模型）
Index TTS 2.5 - Cache Control：显存/缓存控制

基础工作流已更新，详见 ./workflow/TTS2.5.json（直接拖进 ComfyUI 页面即可导入）。

2.5 模型下载与放置（全部放到 `./ComfyUI/models/IndexTTS-2.5/`）

基础模型（整仓）
- 页面：IndexTTS-2.5
- 国内镜像：hf-mirror 镜像页
- 放置：.\ComfyUI\models\IndexTTS-2.5
- 包含：gpt.pth（主模型约 3.3GB）、codec.pth（2.5 新统一语义编解码器）、s2mel.pth、config.yaml、feat1.pt、feat2.pt、wav2vec2bert_stats.pt、multilingual_zh_ja_yue_char_del.tiktoken（多语言分词器，替代旧版 bpe.model）
qwen 模型（情绪分类，仅 Emotion Text 节点需要）
- 页面：IndexTTS-2.5/qwen0.6bemo4-merge
- 放置：.\ComfyUI\models\IndexTTS-2.5\qwen0.6bemo4-merge\
- 不用 Emotion Text 节点可以不下载
CampPlus 说话人嵌入
- 页面：https://huggingface.co/funasr/campplus
- 直链：https://huggingface.co/funasr/campplus/resolve/main/campplus_cn_common.bin
- 放置：.\ComfyUI\models\IndexTTS-2.5\campplus_cn_common.bin
Wav2Vec2Bert 特征提取器（facebook/w2v-bert-2.0）
- 页面：https://huggingface.co/facebook/w2v-bert-2.0/tree/main
- 放置（离线优先）：.\ComfyUI\models\IndexTTS-2.5\w2v-bert-2.0\（整仓文件夹）
BigVGAN 声码器
- 页面：https://huggingface.co/nvidia/bigvgan_v2_22khz_80band_256x/tree/main
- 放置：.\ComfyUI\models\IndexTTS-2.5\bigvgan\（config.json + bigvgan_generator.pt）

示例目录结构（详见仓库内 TTS2.5模型路径.txt）：

ComfyUI/models/IndexTTS-2.5/
│  codec.pth
│  config.yaml
│  feat1.pt
│  feat2.pt
│  gpt.pth
│  multilingual_zh_ja_yue_char_del.tiktoken
│  s2mel.pth
│  wav2vec2bert_stats.pt
│  campplus_cn_common.bin
│
├─bigvgan
│      bigvgan_generator.pt
│      config.json
│
├─qwen0.6bemo4-merge
│      config.json
│      model.safetensors
│      tokenizer.json
│      ...
│
└─w2v-bert-2.0
        config.json
        conformer_shaw.pt
        model.safetensors
        preprocessor_config.json

一键下载 2.5 模型（推荐）

脚本位置：ComfyUI/custom_nodes/ComfyUI-Index-TTS/TTS2_5_download.py
与 TTS2 下载脚本用法一致，支持断点续传、国内镜像：

python .\ComfyUI\custom_nodes\ComfyUI-Index-TTS\TTS2_5_download.py

运行后根据提示选择 2 使用国内镜像（默认）或 1 使用官方源。
若镜像设置不生效，可先在控制台设置：$env:HF_ENDPOINT = "https://hf-mirror.com"（PowerShell）

2.5 使用方法

加载参考音频：用 LoadAudio 节点选择一段 3–15 秒的干净人声（也可以先用 Timbre音频加载器 节点选仓库自带音色）
接到 Index TTS 2.5 - Base：填文本、选语言（ZH/EN/JA/ES/AR 或 ZH/EN 混合）、按需调速（duration_factor）
输出接 SaveAudio 或 PreviewAudio 即可

发音标注直接写在文本里，例如：

他在银<行|XING2>里<行|HANG2>走了半天，发现这笔业务办不<行|HANG2>。

情感控制三选一（与 TTS2 用法一致）：

有情感参考音频 → 用 Emotion Audio 节点，emotion_weight 调强度（0–1）
想精细配比 → 用 Emotion Vector 节点，8 个滑条对应高兴/愤怒/悲伤/恐惧/反感/低落/惊讶/平静
只想写一句话 → 用 Emotion Text 节点，填情感描述（留空则自动分析主文本），emotion_weight 建议 0.6 左右

提示：Emotion Text 节点首次使用会额外加载 Qwen 情感小模型（约 1.2GB 显存）；其余节点不需要。提示：2.5 与 2.0 的模型目录相互独立（IndexTTS-2.5 vs IndexTTS-2），两套节点可以同时存在于一个工作流中。

IndexTTS-2 支持

本项目已新增对 IndexTTS-2（简称 TTS2）的支持，并将功能拆分为四个核心节点，方便在 ComfyUI 中按需组合：基础工作流已更新，详见./workflow/TTS2.json. 会有一些BUG，欢迎反馈。功能基本复刻了原版IndexTTS，关于功能建议欢迎交流。

Index TTS 2 - Base（基础合成）
Index TTS 2 - Emotion Audio（基于参考音频情绪复刻）
Index TTS 2 - Emotion Vector（基于情绪向量复刻）
Index TTS 2 - Emotion Text（基于情绪文本复刻）

TTS2 模型下载与放置位置（全部放到 ./ComfyUI/models/IndexTTS-2/）：

基础模型
- 页面：TTS2
- 放置：.\ComfyUI\models\IndexTTS-2
qwen 模型（情绪分类）
- 页面：IndexTTS-2/qwen0.6bemo4-merge
- 放置：.\ComfyUI\models\IndexTTS-2\qwen0.6bemo4-merge\
semantic codec（MaskGCT 语义编码器）
- 页面：https://huggingface.co/amphion/MaskGCT/tree/main/semantic_codec
- 直链：https://huggingface.co/amphion/MaskGCT/resolve/main/semantic_codec/model.safetensors
- 放置：.\ComfyUI\models\IndexTTS-2\semantic_codec\model.safetensors
CampPlus 说话人嵌入
- 页面：https://huggingface.co/funasr/campplus
- 直链：https://huggingface.co/funasr/campplus/resolve/main/campplus_cn_common.bin
- 放置：.\ComfyUI\models\IndexTTS-2\campplus_cn_common.bin
Wav2Vec2Bert 特征提取器（facebook/w2v-bert-2.0）
- 页面：https://huggingface.co/facebook/w2v-bert-2.0/tree/main
- 放置（离线优先）：.\ComfyUI\models\IndexTTS-2\w2v-bert-2.0\（整个仓库文件夹，包含 config.json、model.safetensors、preprocessor_config.json 等）
- 若未放置本地文件夹，将自动下载到 HF 缓存：.\ComfyUI\models\IndexTTS-2\hf_cache\
BigVGAN 声码器
- 名称读取自 config.yaml 的 vocoder.name（示例：nvidia/bigvgan_v2_22khz_80band_256x）
- 建议：提前将对应模型完整缓存到 .\ComfyUI\models\IndexTTS-2\bigvgan\ 内
其他本地直读文件（需与 config.yaml 一致）：
- gpt.pth（cfg.gpt_checkpoint）
- s2mel.pth（cfg.s2mel_checkpoint）
- bpe.model（cfg.dataset.bpe_model）
- wav2vec2bert_stats.pt（cfg.w2v_stat）
- 语义编码配置（如 repcodec.json，若需要，cfg.semantic_codec）
- emo_matrix（例如 feat2.pt）
- spk_matrix（例如 feat1.pt）
- qwen0.6bemo4-merge\（cfg.qwen_emo_path 指定目录）

示例目录结构（部分）：

ComfyUI/models/IndexTTS-2/
│  .gitattributes
│  bpe.model
│  campplus_cn_common.bin
│  config.yaml
│  feat1.pt
│  feat2.pt
│  gpt.pth
│  README.md
│  s2mel.pth
│  wav2vec2bert_stats.pt
│
├─bigvgan
│  └─bigvgan_v2_22khz_80band_256x
│          .gitattributes
│          .gitignore
│          activations.py
│          bigvgan.py
│          bigvgan_discriminator_optimizer.pt
│          bigvgan_discriminator_optimizer_3msteps.pt
│          bigvgan_generator.pt
│          bigvgan_generator_3msteps.pt
│          config.json
│          env.py
│          LICENSE
│          meldataset.py
│          README.md
│          utils.py
│
├─hf_cache
├─qwen0.6bemo4-merge
│      added_tokens.json
│      chat_template.jinja
│      config.json
│      generation_config.json
│      merges.txt
│      model.safetensors
│      Modelfile
│      special_tokens_map.json
│      tokenizer.json
│      tokenizer_config.json
│      vocab.json
│
├─semantic_codec
│      model.safetensors
│
└─w2v-bert-2.0
        .gitattributes
        config.json
        conformer_shaw.pt
        model.safetensors
        preprocessor_config.json
        README.md

提示：若你只使用旧版 IndexTTS/IndexTTS-1.5，可忽略上述 TTS2 模型放置步骤。

一键下载脚本（推荐）

脚本位置：ComfyUI/custom_nodes/ComfyUI-Index-TTS/TTS2_download.py
作用：自动下载并放置上述所有 TTS2 所需模型文件，支持断点续传、国内镜像（HF_ENDPOINT=hf-mirror.com）、本地缓存（HF_HOME=./ComfyUI/models/IndexTTS-2/hf_cache）。
脚本使用时，可能会存在国内镜像设置不成功的问题，可直接在控制台设置环境变量：Windows Powershell $env:HF_ENDPOINT = "https://hf-mirror.com",linux export HF_ENDPOINT=https://hf-mirror.com

python .\ComfyUI\custom_nodes\ComfyUI-Index-TTS\TTS2_download.py

运行后根据提示选择 2 使用国内镜像（默认）或 1 使用官方源。
依赖：huggingface_hub（必须）；可选加速：hf_transfer、hf_xet。

python -m pip install -U huggingface_hub
# 可选加速：
python -m pip install -U hf_transfer
python -m pip install -U "huggingface_hub[hf_xet]"

显存/缓存控制（新功能）

新增节点：Index TTS 2 - Cache Control
- 输出：cache_control（类型：DICT），包含 {"keep_cached": true/false}。
- 用法：将该输出连到以下任一/多个节点的 cache_control 输入上：
  - Index TTS 2 - Base
  - Index TTS 2 - Emotion Audio
  - Index TTS 2 - Emotion Vector
  - Index TTS 2 - Emotion Text
行为说明：
- 关闭（默认）：本次推理结束后自动卸载 TTS2 模型并清理 CUDA 缓存，降低显存驻留峰值，适合 12GB 显卡日常使用。
- 开启：保留已加载的权重（尽量驻留，视环境/模式），连续多次生成更快，但显存占用更高。调参批量测试时可临时打开，用完关闭。

功能特点

支持 IndexTTS-2.5 / IndexTTS-2 / IndexTTS-1.5 三代模型
2.5 支持中/英/日/西/阿五种语言与跨语种克隆
基于参考音频复刻声音特征（变声功能）
支持语速控制（2.5 原生 duration_factor；旧版为后处理实现效果会有一点折损）
支持发音标注（拼音/CMU音素/日语假名，2.5）
多种情感控制方式（参考音频/情感向量/情感文本）
多种音频合成参数控制
Windows兼容（无需额外依赖）

废话两句

生成的很快，真的很快！而且竟然也很像！！！
效果很好，感谢小破站的开源哈哈哈哈哈
如果你想体验一下效果附赠道友B站的传送阵demo
如果你不知道去哪找音频，那我建议你去隔壁偷哈哈哈哈哈

演示案例

以下是一些实际使用效果演示：

| 参考音频 | 输入文本 | 推理结果 | |---------|---------|---------| | <video src="https://github.com/user-attachments/assets/5e8cb570-242f-4a16-8472-8a64a23183fb"></video> | 我想把钉钉的自动回复设置成"服务器繁忙，请稍后再试"，仅对老板可见。我想把钉钉的自动回复设置成"服务器繁忙，请稍后再试"，仅对老板可见。 | <video src="https://github.com/user-attachments/assets/d8b89db3-5cf5-406f-b930-fa75d13ff0bd"></video> | | <video src="https://github.com/user-attachments/assets/8e774223-e0f7-410b-ae4e-e46215e47e96"></video> | 我想把钉钉的自动回复设置成"服务器繁忙，请稍后再试"，仅对老板可见。 | <video src="https://github.com/user-attachments/assets/6e3e63ed-2d3d-4d5a-bc2e-b42530748fa0"></video> |

长文本测试：

多角色小说测试：

更新日志

2026-08-15

新增 IndexTTS-2.5 完整支持：
- 新增五个 2.5 节点：Index TTS 2.5 - Base (多语言/语速)、Emotion Audio、Emotion Vector、Emotion Text、Cache Control
- 支持中/英/日/西/阿多语言合成与跨语种克隆
- 原生语速控制 duration_factor（0.5–2.0）
- 发音标注控制：拼音 <行|XING2> / 英文 CMU 音素 / 日语假名
- 模型目录 ComfyUI/models/IndexTTS-2.5/，配套 TTS2_5_download.py 一键下载脚本与 TTS2.5模型路径.txt 路径说明
- 新增 workflow/TTS2.5.json 示例工作流
- 适配 transformers 5.x（vendor 内移植兼容层，与 TTS2 节点互不干扰）

2025-12-18

修复多个社区反馈问题：
- 老节点 Index TTS 现已支持 IndexTTS-2 模型 (#121)
- 新增 Index TTS 2 Pro (小说多角色) 节点，支持 TTS 2.0 多角色小说朗读 (#111)
- 修复 tensor 尺寸不匹配随机报错问题 (#122)
- 支持 w2v-bert-2.0 本地离线加载，无需联网 (#72/#113)
- 适配 transformers 4.50+ 版本 API 变化 (#117)
- 更新 safetensors 版本要求 (#123)
- 新增 README 常见问题解答 (FAQ) 部分

2025-06-24

pro节点新增了对于字幕的json输出，感谢@qy8502提供的玩法思路

2025-06-05

改进了小说文本解析器（Novel Text Parser）的功能
- 增加了对预格式化文本的检测和处理
- 优化了对话检测和角色识别算法
- 改进了中文角色名称的识别
- 支持引号中的对话自动识别

多角色小说文本解析

本项目包含一个专门用于解析小说文本的节点（Novel Text Structure Node），可以将普通小说文本解析为多角色对话结构，以便生成更加自然的多声音TTS效果。

使用说明

节点会尝试自动识别小说中的角色对话和旁白部分
对话部分会标记为<CharacterX>形式（X为数字，最多支持5个角色）
旁白部分会标记为<Narrator>
解析后的文本可直接用于多声音TTS生成

局限性

当前解析算法并不完美，复杂的小说结构可能导致错误的角色识别
对于重要文本，建议使用LLM（如GPT等）手动拆分文本为以下格式：

<Narrator>少女此时就站在院墙那边，她有一双杏眼，怯怯弱弱。</Narrator>
<Narrator>院门那边，有个嗓音说：</Narrator>
<Character1>"你这婢女卖不卖？"</Character1>
<Narrator>宋集薪愣了愣，循着声音转头望去，是个眉眼含笑的锦衣少年，站在院外，一张全然陌生的面孔。</Narrator>
<Narrator>锦衣少年身边站着一位身材高大的老者，面容白皙，脸色和蔼，轻轻眯眼打量着两座毗邻院落的少年少女。</Narrator>
<Narrator>老者的视线在陈平安一扫而过，并无停滞，但是在宋集薪和婢女身上，多有停留，笑意渐渐浓郁。</Narrator>
<Narrator>宋集薪斜眼道：</Narrator>
<Character2>"卖！怎么不卖！"</Character2>
<Narrator>那少年微笑道：</Narrator>
<Character1>"那你说个价。"</Character1>
<Narrator>少女瞪大眼眸，满脸匪夷所思，像一头惊慌失措的年幼麋鹿。</Narrator>
<Narrator>宋集薪翻了个白眼，伸出一根手指，晃了晃，</Narrator>
<Character2>"白银一万两！"</Character2>
<Narrator>锦衣少年脸色如常，点头道：</Narrator>
<Character1>"好。"</Character1>
<Narrator>宋集薪见那少年不像是开玩笑的样子，连忙改口道：</Narrator>
<Character2>"是黄金万两！"</Character2>
<Narrator>锦衣少年嘴角翘起，道：</Narrator>
<Character1>"逗你玩的。"</Character1>
<Narrator>宋集薪脸色阴沉。</Narrator>

示例用法

将小说文本输入到 Novel Text Structure 节点
连接输出到 Index TTS Pro 节点
设置不同角色的语音
运行工作流生成多声音小说朗读
实在不会看我最新增加的工作流
如果你想在comfyui中一站式完成这个，我推荐你使用各类的llm节点，比如kimichat
我也提供了一段llm提示词模板，你可以在llm_prompt模板.txt中看到他

2025-05-18

优化了长期以来transformers库4.50+版本的API变化与原始IndexTTS模型代码不兼容导致的生成报错问题

2025-05-16

新增对IndexTTS-1.5模型的支持
- 现在可以在UI中通过下拉菜单切换不同版本的模型
- 支持原始的Index-TTS和新的IndexTTS-1.5模型
- 切换模型时会自动加载相应版本，无需重启ComfyUI

2025-05-11

增加了seed功能，现在linux也可以重复执行抽卡了
增加了对 Apple Silicon MPS 设备的检测（仍需测试反馈~）

2025-04-23

微信截图_20250423175608

新增 Audio Cleaner 节点，用于处理TTS输出音频中的混响和杂音问题
- 该节点可以连接在 Index TTS 节点之后，优化生成音频的质量
- 主要功能：去除混响、降噪、频率滤波和音频归一化
- 适用于处理有杂音或混响问题的TTS输出
修复了对于transformers版本强依赖的问题

Audio Cleaner 参数说明

必需参数：：

audio: 输入音频（通常为 Index TTS 节点的输出）
denoise_strength: 降噪强度（0.1-1.0，默认0.5）
- 值越大，降噪效果越强，但可能影响语音自然度
dereverb_strength: 去混响强度（0.0-1.0，默认0.7）
- 值越大，去混响效果越强，适合处理在回声环境下录制的参考音频

可选参数：：

high_pass_freq: 高通滤波器频率（20-500Hz，默认100Hz）
- 用于过滤低频噪音，如环境嗡嗡声
low_pass_freq: 低通滤波器频率（1000-16000Hz，默认8000Hz）
- 用于过滤高频噪音
normalize: 是否归一化音频（"true"或"false"，默认"true"）
- 开启可使音量更均衡

使用建议

对于有明显混响的音频，将 dereverb_strength 设置为 0.7-0.9
对于有背景噪音的音频，将 denoise_strength 设置为 0.5-0.8
如果处理后音频听起来不自然，尝试减小 dereverb_strength 和 denoise_strength
高通和低通滤波器可以微调以获得最佳人声效果

2025-04-25

优化了阿拉伯数字的发音判断问题；可以参考这个case使用：“4 0 9 0”会发音四零九零，“4090”会发音四千零九十；

2025-04-26

优化英文逗号导致吞字的问题；

2025-04-29

修正了语言模式切换en的时候4090依然读中文的问题，auto现在会按照中英文占比确定阿拉伯数字读法
新增了从列表读取音频的方法，同时新增了一些音色音频供大家玩耍；你可以将自己喜欢的音频放入 ComfyUI-Index-TTS\TimbreModel 里，当然也很鼓励你能把好玩的声音分享出来。
示例用法如图：

微信截图_20250429112255

安装

安装节点

将此代码库克隆或下载到ComfyUI的custom_nodes目录：

cd ComfyUI/custom_nodes
git clone https://github.com/chenpipi0807/ComfyUI-Index-TTS.git

安装依赖：安装依赖：

cd ComfyUI-Index-TTS
.\python_embeded\python.exe -m pip install -r requirements.txt

git pull # 更新很频繁你可能需要

下载模型

原始版本 (Index-TTS)

从Hugging Face或者魔搭下载IndexTTS模型文件
将模型文件放置在ComfyUI/models/Index-TTS目录中（如果目录不存在，请创建）

模型文件夹结构：

ComfyUI/models/Index-TTS/
├── .gitattributes
├── bigvgan_discriminator.pth
├── bigvgan_generator.pth
├── bpe.model
├── config.yaml
├── configuration.json
├── dvae.pth
├── gpt.pth
├── README.md
└── unigram_12000.vocab

确保所有文件都已完整下载，特别是较大的模型文件如bigvgan_discriminator.pth(1.6GB)和gpt.pth(696MB)。

新版本 (IndexTTS-1.5)

从Hugging Face下载IndexTTS-1.5模型文件
将模型文件放置在ComfyUI/models/IndexTTS-1.5目录中（如果目录不存在，请创建）

模型文件夹结构与Index-TTS基本相同，但文件大小和内容会有所不同：

ComfyUI/models/IndexTTS-1.5/
├── .gitattributes
├── bigvgan_discriminator.pth
├── bigvgan_generator.pth
├── bpe.model
├── config.yaml
├── configuration.json
├── dvae.pth
├── gpt.pth
├── README.md
└── unigram_12000.vocab

使用方法

在ComfyUI中，找到并添加Index TTS节点
连接参考音频输入（AUDIO类型）
输入要转换为语音的文本
调整参数（语言、语速等）
运行工作流获取生成的语音输出

示例工作流

项目包含一个基础工作流示例，位于workflow/workflow.json，您可以在ComfyUI中通过导入此文件来快速开始使用。

参数说明

必需参数

text: 要转换为语音的文本（支持中英文）
reference_audio: 参考音频，模型会复刻其声音特征
model_version: 模型版本选择，可选项：
- Index-TTS: 原始模型版本（默认）
- IndexTTS-1.5: 新版本模型
language: 文本语言选择，可选项：
- auto: 自动检测语言（默认）
- zh: 强制使用中文模式
- en: 强制使用英文模式
speed: 语速因子（0.5~2.0，默认1.0）

可选参数

以下参数适用于高级用户，用于调整语音生成质量和特性：

temperature (默认1.0): 控制生成随机性，较高的值增加多样性但可能降低稳定性
top_p (默认0.8): 采样时考虑的概率质量，降低可获得更准确但可能不够自然的发音
top_k (默认30): 采样时考虑的候选项数量
repetition_penalty (默认10.0): 重复内容的惩罚系数
length_penalty (默认0.0): 生成内容长度的调节因子
num_beams (默认3): 束搜索的宽度，增加可提高质量但降低速度
max_mel_tokens (默认600): 最大音频token数量
sentence_split (默认auto): 句子拆分方式

音色优化建议

要提高音色相似度：

使用高质量的参考音频（清晰、无噪音）
尝试调整temperature参数（0.7-0.9范围内效果较好）
增加repetition_penalty（10.0-12.0）可以提高音色一致性
对于长文本，确保max_mel_tokens足够大

故障排除

常见问题解答 (FAQ)

Q: w2v-bert-2.0 加载失败 / 401 Unauthorized 错误 (#72/#113)

问题: 运行时提示 401 Client Error: Unauthorized for url: https://huggingface.co/facebook/w2v-bert-2.0

解决方案:

下载 w2v-bert-2.0 模型到本地：从 HuggingFace 下载所有文件
放置到 ComfyUI/models/IndexTTS-2/w2v-bert-2.0/ 目录
确保目录包含 config.json、model.safetensors、preprocessor_config.json 等文件
重启 ComfyUI，插件会自动使用本地模型，无需联网

Q: transformers 版本不兼容 (#117)

问题: 使用 transformers>=4.57.1 版本后 TTS2 无法使用

解决方案:

推荐使用 transformers==4.52.1 或 transformers==4.54.1
安装命令: pip install transformers==4.52.1
本插件已适配 transformers 4.50+ 版本的 API 变化

Q: SafeTensorFile 没有 get_slice 属性 (#123)

问题: AttributeError: 'SafeTensorFile' object has no attribute 'get_slice'

解决方案:

升级 safetensors 到最新版本: pip install safetensors --upgrade
确保版本 >= 0.4.3

Q: tensor 尺寸不匹配随机报错 (#122)

问题: 随机出现 RuntimeError: Sizes of tensors must match except in dimension 1

解决方案:

此问题已在最新版本中修复
请更新插件到最新版本: git pull

Q: Python 3.13 / pynini 安装失败 (#125)

问题: Ubuntu 24 + Python 3.13 环境下 pynini 编译失败

解决方案:

pynini 目前不支持 Python 3.13
建议使用 Python 3.10 或 3.11
Windows 用户不需要 pynini，可以忽略此错误

Q: 老节点不支持 IndexTTS-2 模型 (#121)

解决方案:

最新版本已支持！在 Index TTS 节点的 model_version 下拉菜单中选择 IndexTTS-2 即可
也可以使用新的 Index TTS 2 Pro (小说多角色) 节点进行多角色小说朗读

Q: TTS 2.0 读小说功能 (#111)

解决方案:

新增了 Index TTS 2 Pro (小说多角色) 节点
支持多角色语音合成，可配合 小说文本结构化 节点使用
支持最多 5 个角色 + 旁白

其他常见问题

如果出现"模型加载失败"，检查模型文件是否完整且放置在正确目录
对于Windows用户，无需额外安装特殊依赖，节点已优化
如果显示CUDA错误，尝试重启ComfyUI或减少num_beams值
如果你是pytorch2.7运行报错，短期无法适配，请尝试降级方案(.\python_embeded\python.exe -m pip install transformers==4.48.3)

鸣谢

基于原始IndexTTS模型
感谢ComfyUI社区的支持
感谢使用！

许可证

请参考原始IndexTTS项目许可证。

ComfyUI-Index-TTS

Nodes (16)

免责声明