Comfy-IndexTTSLocalAPI
ComfyUI node for local IndexTTS: multi-role, multi-emotion script dubbing with frame-accurate subtitles
Comfy-IndexTTSLocalAPI
English | 中文
Install
- Copy the Comfy-IndexTTSLocalAPI folder into ComfyUI/custom_nodes/
- Start your local IndexTTS WebUI (tested with index-tts v2.5.0-11-gd9e41aa, Gradio 5.45.0)
- Restart ComfyUI
Requires a ComfyUI version with V3 nodes (comfy_api.latest).
Node titles, descriptions and tooltips follow ComfyUI's interface language (English / 中文).
Usage
One node under Add Node → IndexTTSLocalAPI:
| Node | What it does | Outputs | |---|---|---| | Script Dubbing | One marked-up script → multi-role, multi-emotion dubbing + subtitles | segment_audios / merged_audio / subtitles / segment_list / voice_report / failed_segments / summary |
Write the script with segment markers:
我打了三年工,今天终于把辞职信拍在桌上。
[@R1:发狂嘶吼] 你到底还是不懂我!
[@R0:心平气和] 是吗?今天天气真不错。
Marker syntax and emotion labels: syntax-reference.md | 中文速查手册
Roles: the 1st audio wired into ref_audio = R0, the 2nd = R1, … Unconnected roles fall back to built-in voices (R0 female, R1 male ship with the plugin).
Each segment is one request. Segments are cached per seed under output/indextts-cache/<seed>/, so re-running with the same seed costs nothing.
<details> <summary>Example script (covers every marker feature)</summary>夜色沉下来,街灯一盏一盏亮起。故事从这里开始。
[@R0] 这一行没有情绪字段,情绪跟随参考音色。
[@R0:] 冒号后面留空,效果和上一行完全一样。
[@R0:跟随] 显式写「跟随」,同样不改情绪。
[@R0:开心] 单个情绪标签,权重默认满值。
[@R0:开心0.7] 同一个标签带上权重,情绪会淡一些。
[@R0:愤怒0.6+悲伤0.3] 两个标签叠在一起,先怒后悲。
[@R0:惊讶+害怕] 两个标签都不带权重,各按满值处理。
[@R0:happy] 英文标签和中文标签等价。
[@R0:happy0.8+surprised0.2] 中英混写也支持,仍按标签解析。
[@R0:发狂嘶吼] 这一行是自由描述,交给服务端的情感模型解析。
[@R0:委屈巴巴,快哭了] 描述可以带标点,整句都会被当作情绪文本。
[@r1] 角色号大小写不敏感,这一行和 [@R1] 相同。
[@R01:平静0.8] 前导零会被忽略,R01 就是 R1。
[@R2]
段落可以跨行:从段标开始,
一直到下一个段标之前,都算同一段,
中间有多少换行都不会断开。
[@R9:惊讶] 角色号越界时按「n 对 10 取模」找内置角色。
[@R13:厌恶0.5] 十三对十取模等于三,所以实际用的是内置第 4 个角色。
这一行里出现了 [@R0] 但不在行首,所以它只是普通文字,会被念出来。
Full explanation and coverage table: example-script.md
</details>Example

Workflow file: example_workflows/Comfy-IndexTTSLocalAPI.json
Drag the JSON file onto the canvas, then point the four Load Audio nodes at your own reference voices.
Sponsor
If this plugin saves you time, buy me a coffee ☕
| Alipay | WeChat Pay |
|---|---|
|
|
|
Special thanks to the IndexTTS team for the model and the local WebUI.
中文
安装
- 把 Comfy-IndexTTSLocalAPI 文件夹放进 ComfyUI/custom_nodes/
- 启动本地 IndexTTS WebUI(实测 index-tts v2.5.0-11-gd9e41aa,Gradio 5.45.0)
- 重启 ComfyUI
需要支持 V3 节点的 ComfyUI 版本(comfy_api.latest)。
节点标题、描述与 tooltip 跟随 ComfyUI 的界面语言(中文 / English)。
使用
一个节点,在 Add Node → IndexTTSLocalAPI 下:
| 节点 | 作用 | 输出 | |---|---|---| | 剧本配音 | 一份带段标的剧本 → 多角色、多情绪配音 + 字幕 | segment_audios / merged_audio / subtitles / segment_list / voice_report / failed_segments / summary |
剧本用段标标出“谁说、什么情绪”:
我打了三年工,今天终于把辞职信拍在桌上。
[@R1:发狂嘶吼] 你到底还是不懂我!
[@R0:心平气和] 是吗?今天天气真不错。
段标语法与情绪标签见 语法速查手册。
角色:接进 ref_audio 的第 1 个音频 = R0,第 2 个 = R1……没接的角色用内置音色(R0 女声、R1 男声随包)。
每段一次请求;分段结果按 seed 缓存在 output/indextts-cache/<seed>/ 下,同 seed 重跑不花时间。
<details> <summary>示例剧本(覆盖全部段标语法)</summary>夜色沉下来,街灯一盏一盏亮起。故事从这里开始。
[@R0] 这一行没有情绪字段,情绪跟随参考音色。
[@R0:] 冒号后面留空,效果和上一行完全一样。
[@R0:跟随] 显式写「跟随」,同样不改情绪。
[@R0:开心] 单个情绪标签,权重默认满值。
[@R0:开心0.7] 同一个标签带上权重,情绪会淡一些。
[@R0:愤怒0.6+悲伤0.3] 两个标签叠在一起,先怒后悲。
[@R0:惊讶+害怕] 两个标签都不带权重,各按满值处理。
[@R0:happy] 英文标签和中文标签等价。
[@R0:happy0.8+surprised0.2] 中英混写也支持,仍按标签解析。
[@R0:发狂嘶吼] 这一行是自由描述,交给服务端的情感模型解析。
[@R0:委屈巴巴,快哭了] 描述可以带标点,整句都会被当作情绪文本。
[@r1] 角色号大小写不敏感,这一行和 [@R1] 相同。
[@R01:平静0.8] 前导零会被忽略,R01 就是 R1。
[@R2]
段落可以跨行:从段标开始,
一直到下一个段标之前,都算同一段,
中间有多少换行都不会断开。
[@R9:惊讶] 角色号越界时按「n 对 10 取模」找内置角色。
[@R13:厌恶0.5] 十三对十取模等于三,所以实际用的是内置第 4 个角色。
这一行里出现了 [@R0] 但不在行首,所以它只是普通文字,会被念出来。
完整说明与覆盖对照:example-script.md
</details>示例

工作流文件:example_workflows/Comfy-IndexTTSLocalAPI.json
把 JSON 拖进画布,再把四个「加载音频」换成你自己的参考音色即可。
支持这个项目
如果它帮你省了时间,欢迎请我喝杯咖啡 ☕
| 支付宝 | 微信支付 |
|---|---|
|
|
|
特别鸣谢 IndexTTS 团队提供模型与本地 WebUI。