ComfyUI-Qwen-TTS

Ноды клонирования голоса, генерации речи и дизайна голоса Qwen3-TTS

туториал (youtube)

#tts #text2speech #voicecloning #voicedesign #text2voice #comfyui #tutorial

ComfyUI-QwenTTS

Еще один пак нод Qwen3-TTS

Клонированные голоса можно сохранять в библиотеку и снова использовать
———————————

ComfyUI-QwenASR

Ноды распознавания QwenASR

воркфлоу собранный на обоих этих штуках

#tts #text2speech #voicecloning #voicedesign #text2voice #comfyui #asr #stt

MOSS-TTS Family

Набор открытых моделей для генерации речи и звуков. Транскрибатор от этой команды мы уже видели, и даже видеогенератор, а теперь целая мультиязычная пачка моделей

— генерируют длинную речь и не теряют качество

— клонирование голоса

— выразительные диалоги с несколькими говорящими

— дизайн голоса по текстовому описанию без примеров речи

— есть рилтаймовая модель

— создает звуковые эффекты по тексту

Гитхаб
HF
Демо - прокрутите страницу вниз
Демо HF
Студия - вход по китайскому номеру, как зарегаться - непонятно

#TTS #voicecloning #voicedesign #russian #text2sfx #foley #sfx #realtime #longspeech

OmniVoice

Мультиязыная всеязычная говорилка, 600+ языков с клонированием и дизайном голоса по текстовому описанию

Детальный контроль голоса - действуют теги [смех], [удивление] и т д

Устойчивость к шуму - на вход можно подать шумный образец голоса с посторонними звуками

Клонирование голоса кроссязыковое - образец подаем на одном языке, говорит этим голосом на другом

Гитхаб
HF
Демо

#tts #russian #voicecloning #voicedesign

Кастом ноды говорилки OmniVoice

Две версии, одно из них от подписчика @m_franz

https://github.com/ScryptHunter/ComfyUi_OmniVoice

И чужая
https://github.com/komikndr/omnivoice_comfy

там еще transformers==5.3 нужны, так что всякие qwen tts могут потом не завестись) ну либо использовать портбл

#comfyui #voicecloning #voicedesign #tts

CosyVoice 3

Кажется я упустил зимнее обновление мультиязычной говорилки от Tongyi

—Клонирует голос без предварительного обучения

— Читает числа, спецсимволы и разные форматы текста без дополнительных модулей

— Потоково обрабатывает текст и генерирует аудио с задержкой всего 150 мс

— Слушается инструкций — можно задать язык, диалект, эмоции, скорость и громкость речи

— Знает русский

Гитхаб
HF
GGUF
Демо
ComfyUI

Спасибо @EvgenyiPerm

#tts #voicecloning #streaming #realtime #voicedesign #comfyUI #russian

MOSS-TTS-Nano

Версия говорилки на всего 100M параметров

— работает на процессоре без видеокарты

— 20 языков, включая русский

— может обрабатывать длинные тексты, автоматически разбивая их на части для клонирования голоса

— звук в формате 48 кГц, 2 канала

Гитхаб
HF
Демо
Студия - вход по китайскому номеру, как зарегаться - непонятно

#TTS #voicecloning #voicedesign #russian #text2sfx #foley #sfx #realtime #longspeech

awesome-russian-speech

Здесь собраны ссылки связанные с голосовыми технологиями на русском языке

распознавание речи
генерация речи
датасеты
курсы
распознавание эмоций
пунктуация
преобразование голоса
и т д

#tts #stt #russian #tools #voicecloning #voicedesign

Scenema Audio

Еще одна говорилка на ltx2.3 с клонированием и дизайном голоса

Создаёт звуковые эффекты и фоновую атмосферу по описанию.

• генерирует звуковые эффекты по текстовому запросу
• создаёт фоновые аудиодорожки (город, лес, офис и т. д.)
• комбинирует звуки в единую композицию

Говорят, нужно 40ГБ VRAM

https://github.com/ScenemaAI/scenema-audio

https://huggingface.co/ScenemaAI/scenema-audio

https://huggingface.co/spaces/multimodalart/scenema-audio

#TTS #voicecloning #voicedesign

ComfyUI-ScenemaAudio

Авторы говорилки Scenema Audio прикрутили ее в ComfyUI

Русского, похоже, нет

• клонирование голоса без обучения
• генерация речи с эмоциями и интонациями по описанию
• поддержка подсказок в квадратных скобках для эффектов

• минимум 8 ГБ VRAM
• скорость до 2x реального времени
• при первом запуске качает ~30 ГБ весов

Standalone Docker/API
HF
ComfyUI

#TTS #voicecloning #voicedesign #comfyui

FireRedTTS3

Третье поколение говорилки от FireRed Team

Клонирование голоса, управление голосом по инструкциям и редактирование речи в одной модели. 24 языка включая русский

- Zero-shot клонирование голоса, достаточно пары секунд речи
- Дизайн голоса по инструкции: "женский, детский, взволнованный, громкий"
- Редактирование речи: вставка, замена, удаление слов, изменение скорости, высоты и громкости - без перезаписи всего аудио

- Две версии: Base (многоязычный клон) и Instruct (клон+дизайн+редактирование)
- Лучшие показатели на Seed-TTS-Eval и MiniMax-MLS-Test по разборчивости и сходству голоса


Чтобы подхватывала ударения их нужно отметить акутом U+0301. Yужно отметить как в генерируемом тексте, так и в референсе

Гитхаб
HF
Демо

#tts #voicecloning #voicedesign #russian

AuK (Tencent Hunyuan)

Универсальная модель речи: генерация, редактирование, очистка и разделение

Все через указания естественным языком

- Клонирование голоса: текст + референс голоса
- Instruct TTS: голос по описанию без референса
- Редактирование содержимого: заменил/вставил/удалил слова, переписал слова в песне с сохранением мелодии
- Акустика: питч, скорость, громкость
- Паралингвистика: эмоция, тембр, убирает акцент, дыхание/смех/кашель, обычная речь - шепот
- Очистка и разделение: улучшение речи, разделение говорящих, извлечение вокала из микса, выделение цели по сказанному

- 1.5B, MIT
- AuK-Flash: 4 шага, в 4.5x быстрее

Русский не заявлен, но текстовый энкодер - мультиязыный Qwen2.5-Omni-3B, так что пробуйте

Гитхаб
HF
Демо
ComfyUI Спасибо @m_franz

#tts #voiceclonihng #voicedesign #alm #demix #audioseparation

Gemini 3.8 TTS

Две модели синтеза речи. Flash TTS - для творческой режиссуры и дизайна персонажей, Flash-Lite - для больших объемов с упором на цену

• голос генерируется по текстовому описанию - характер, акцент, тембр
• больше 100 языков и диалектов
• 2000+ готовых голосов с региональными вариантами
• клонирование по 30-секундному сэмплу с проверкой согласия и SynthID
• режиссура по строкам - ремарки в сценарии обычным языком
• нативный диалог двух спикеров, смех, вздохи, перебивания
• голос стабилен на часах аудио

Клонирование недоступно в ЕС, Британии, Швейцарии, Индии, Иллинойсе и Техасе. Ремикс голоса - тембр, высота, темп, акцент - обещают вскоре

AI Studio

#tts #voicecloning #voicedesign #dialog

MAX

VoiceStudio

Открытая локальная альтернатива ElevenLabs

• Клонирование голоса по чистой записи, дизайн голоса с нуля
• Дубляж видео с таймингом, транскрипция, диктовка через плавающий виджет
• Аудиокниги и истории, 646 языков
• Подключаемые движки: по умолчанию свой (k2-fsa/OmniVoice), можно менять через каталог с бенчмарками
• Локальный API и MCP-сервер — агенты вроде Claude Code или Codex генерируют аудио, опционально удалённые воркеры для тяжелых задач
• Установка в один клик на #macOS / #Linux, гайды для #Windows и Docker, агент-инсталл через промпт (детект железа, загрузка моделей, тест)
• Локально по умолчанию, удалtнные сервисы — опционально, аналитика только с согласия

#voicecloning #voicedesign #tts #mcp #dubbing

MAX