ComfyUI-IndexTTS-2.5

ComfyUI-IndexTTS-2_5

IndexTTS-2.5 的 ComfyUI 自定义节点。零样本文本转语音，支持中文 / 英文 / 日语 / 西班牙语 / 阿拉伯语，具备情感控制与语速控制。

节点

• Index TTS 2.5（IndexTTS2_5Node）
  • 必填：text、reference_audio（AUDIO）、language、duration_factor、seed
  • 可选情感控制：emo_ref_audio / emo_vector（8 维）/ emo_text（需 QwenEmotion）
  • 采样参数：do_sample / temperature / top_p / top_k / repetition_penalty 等
  • 输出：audio（AUDIO）、seed、subtitle
• Emo Settings（EmoSettingsNode）
  • 8 个情感滑块：happy / angry / sad / afraid / disgusted / melancholic / surprised / calm，范围 0~1
  • 输出：emo_vector（STRING，逗号分隔的 8 维向量）
  • 连线到 Index TTS 2.5 的 emo_vector 输入即可，无需手写向量字符串

工作流预览

参考音频：

<audio controls src="example/ref_audio.mp3"></audio>

生成结果：

<audio controls src="example/result.wav"></audio>

使用说明

情感控制

节点提供三种情感控制方式：情感参考音频 emo_ref_audio、情感向量 emo_vector、 情感文本 emo_text。三者互斥——提供 emo_vector 或 emo_text 时，emo_ref_audio 会被忽略。

emo_vector（情感向量）

8 个数字，顺序固定：

高兴 / 愤怒 / 悲伤 / 恐惧 / 反感 / 低落 / 惊讶 / 自然

支持逗号分隔或 JSON 数组两种写法：

• 0.8,0,0,0,0,0,0,0
• [0.8,0,0,0,0,0,0,0]

规则：

• 必须恰好 8 个数字，否则被忽略（不生效）。
• 数值建议 0~1，越大该情绪越强；0,0,0,0,0,0,0,1 表示自然 / 平静。
• emo_alpha（0~1）会整体缩放向量强度。

示例：

• 高兴：0.8,0,0,0,0,0,0,0
• 愤怒：0,0.9,0,0,0,0,0,0
• 悲伤：0,0,0.8,0,0,0,0,0
• 自然：0,0,0,0,0,0,0,1

也可用 Emo Settings 节点：8 个滑块（0~1）可视化调节情绪，输出即 emo_vector， 直接连线到 Index TTS 2.5 的 emo_vector 输入，免去手写字符串。

emo_text（情感文本）

用自然语言描述情绪，由 QwenEmotion 模型自动分析为 8 维情感向量（效果等同 emo_vector）：

• 支持「高兴」「愤怒」「悲伤」「恐惧」「反感」「低落」「惊讶」「自然」，也支持完整句子。
• 非空即自动启用：无需单独勾选 use_emo_text / use_qwen_emo。
• 需要 qwen0.6bemo4-merge/ 模型（见「模型放置」），否则报错。

触发词「低落 / melancholy / depressed / gloomy」等会映射到「低落」，避免被误判为「悲伤」。

模型放置

将 IndexTTS-2.5 权重放到：

<ComfyUI>/models/TTS/IndexTTS-2.5/

必需文件（官方权重包自带）：

config.yaml
gpt.pth
s2mel.pth
codec.pth
wav2vec2bert_stats.pt
feat1.pt
feat2.pt
multilingual_zh_ja_yue_char_del.tiktoken
qwen0.6bemo4-merge/          # 可选，情感文本需要

下载方式（HuggingFace）：

hf download IndexTeam/IndexTTS-2.5 --local-dir="<ComfyUI>/models/TTS/IndexTTS-2.5"

或 ModelScope：

modelscope download --model IndexTeam/IndexTTS-2.5 --local_dir "<ComfyUI>/models/TTS/IndexTTS-2.5"

辅助模型（首次运行自动下载）

三个辅助模型不会出现在权重包内，首次推理时由上游 ensure_models_available 自动下载到 <模型目录>/hf_cache/：

• w2v-bert-2.0（语义编码器）
• campplus_cn_common.bin（说话人嵌入）
• bigvgan（声码器）

若 HuggingFace 访问慢，建议提前设置镜像：

export HF_ENDPOINT="https://hf-mirror.com"

依赖

本节点 vendored 了官方 indextts 包源码（indextts/ 目录），在 ComfyUI 进程内 直接运行，无需额外安装官方仓库。

关键点：官方 pyproject.toml 里的 keras==2.9.0 是历史遗留依赖， IndexTTS-2.5 推理链路并不 import keras，因此本节点不要求安装 keras， 也不受官方 Python<3.12 的限制（可在 Python 3.12 下运行）。

transformers 版本：本节点 vendored 的 indextts 源码是 transformers 4.52 的 fork，已通过 compatibility_patch.py 适配到当前环境的 transformers 4.57.x （QuantizedCacheConfig→QuantizedCache 等改名）。若环境里的 transformers 版本 不同，可能需要重新调整该补丁。

pip install -r requirements.txt

• 日语 TTS 额外需要 fugashi + unidic-lite（未装时仅日语会报错）。
• flash-attn / CUDA kernel 加速默认关闭（避免 torch2.9+cu130 下 ABI 不匹配）， 需要时可在 model_loader.py 中开启。

节点开发环境

以下为开发 / 验证本节点时使用的环境（ComfyUI 运行于 conda 环境 cu130）：

| 项目 | 值 | | --- | --- | | 操作系统 | Windows 11（10.0.26200） | | Python | 3.12.12 | | PyTorch | 2.9.1+cu130 | | CUDA（torch 运行时） | 13.0 | | 显卡驱动 | 610.88（CUDA 13.3） | | cuDNN | 9.12.0 | | GPU | NVIDIA GeForce RTX 5090（32 GB） | | transformers | 4.57.6 |

transformers 版本与本节点的 compatibility_patch.py 绑定，升级后若报错需同步调整 该补丁（见上文「依赖」一节）。