# ComfyUI Text-to-Speech: TTS-Nodes und Voiceover einbinden

Aktualisiert 2026-11-01

ComfyUI verarbeitet Audio im Workflow, Text-to-Speech kommt meist aus einem Custom-Node-Paket. Das passt für Klonen und Experimente, doch die Modelle können groß sein und mit Bildmodellen um Grafikspeicher konkurrieren.

Diese Anleitung zeigt den Weg über Nodes und einen einfacheren: die Stimme als Datei erzeugen und in den Workflow laden.

## TTS-Nodes in ComfyUI

Das bekannteste Paket ist TTS Audio Suite. Installieren Sie es über den ComfyUI Manager oder klonen Sie es nach ComfyUI/custom_nodes und folgen Sie den Installationsschritten. Es bündelt viele Engines hinter denselben Nodes, darunter ChatterboxTTS, F5-TTS, Higgs Audio, MOSS-TTS und Echo-TTS, dazu Stimmumwandlung mit RVC. Modelle können mehrere Gigabyte belegen, und die Lizenzen unterscheiden sich je Engine; lesen Sie sie vor kommerzieller Nutzung.

## Wann eine fertige Stimme einfacher ist

Node-Pakete glänzen beim Klonen oder wenn Sie besondere Regler einer Engine brauchen. Für ein fertiges Voiceover muss nichts in ComfyUI laufen. Die kostenlose SuperClonica-Engine arbeitet auf einem normalen Prozessor und lässt die Grafikkarte Ihren Bild- und Videomodellen. Einen eigenen ComfyUI-Node hat SuperClonica nicht; die Verbindung ist eine Audiodatei.

## Die Audiodatei erzeugen

Wählen Sie eine von rund 190 Stimmen im Katalog, von Sprechern bis zu Spiel- und Filmfiguren, und testen Sie auf ihrer Seite kostenlos einen Satz mit 30 bis 100 Zeichen. Für ein ganzes Skript installieren Sie die Engine mit python -m pip install superclonica-cpu und führen aus: superclonica --text-file script.txt --voice F2 --lang de --output voice.wav. Beim ersten Start lädt sie einmal das Modell, etwa 400 MB; danach läuft sie offline.

## In den Workflow laden

Legen Sie voice.wav in den Ordner ComfyUI/input und fügen Sie einen Load-Audio-Node hinzu, der aus diesem Ordner liest. Verbinden Sie ihn zum Anhören mit Preview Audio. Für ein Video verbinden Sie Load Audio mit dem optionalen Audio-Eingang von Create Video, zusammen mit Ihren Frames, und geben Sie das Ergebnis an Save Video.

## Stimme und Bild im Takt halten

Vertonen Sie zuerst das Skript und erzeugen Sie dann das Bild passend zur Länge: Die Dauer der Datei geteilt durch die Frame-Zeit ergibt die Zahl der Frames. Bei mehreren Szenen vertonen Sie jeden Satz als eigene Datei. Das Tempo ändern Sie in der Engine mit --speed: Ein höherer Wert ist schneller.

## Weitere Anleitungen

- [Text-to-Speech-Stimmen und Sprachpakete in Windows hinzufügen](https://superclonica.com/de/guides/windows-speech-voices)
- [Character AI Text-to-Speech: Stimmen in der App und außerhalb](https://superclonica.com/de/guides/character-ai-text-to-speech)
- [KI-Sprecher für Keynote: Folien am Mac vertonen](https://superclonica.com/de/guides/keynote-ai-voiceover)
- [CapCut Text-to-Speech: Figurenstimmen für Ihre Videos](https://superclonica.com/de/guides/capcut-text-to-speech)
- [KineMaster Text to Speech: Voiceover für Ihren Schnitt](https://superclonica.com/de/guides/kinemaster-text-to-speech)
- [Adobe Express Text to Speech: ein Voiceover für Ihr Design](https://superclonica.com/de/guides/adobe-express-text-to-speech)
- [Pictory Voiceover: KI-Stimmen oder Ihre eigene](https://superclonica.com/de/guides/pictory-voiceover)
- [Stimme für Audiodeskription von Videos](https://superclonica.com/de/guides/audio-description-voice)
- [WordPress Text-to-Speech ohne Plugin: eine Audioversion jedes Beitrags](https://superclonica.com/de/guides/wordpress-text-to-speech)
- [Sprechende Uhr: eine Zeitansage in jeder Stimme selbst bauen](https://superclonica.com/de/guides/talking-clock-voice)
- [Eine AllTalk-TTS-Alternative für Mac und normale CPUs](https://superclonica.com/de/guides/alltalk-tts-alternative)
- [SillyTavern TTS: aktivieren und jeder Figur eine Stimme geben](https://superclonica.com/de/guides/sillytavern-tts)

## Text-to-Speech und Vergleiche

- [Text-to-Speech, das auf Ihrem eigenen Rechner läuft](https://superclonica.com/de/text-to-speech)
- [Supertonic vs. SuperClonica: dasselbe Modell, schneller und sauberer](https://superclonica.com/de/compare/supertonic)
- [Fish Audio und Fish Speech im Vergleich mit SuperClonica](https://superclonica.com/de/compare/fish-audio)
- [OmniVoice oder SuperClonica: mehr Sprachen oder mehr Tempo](https://superclonica.com/de/compare/omnivoice)
- [Qwen3-TTS oder SuperClonica für lokale Sprachsynthese](https://superclonica.com/de/compare/qwen3-tts)
- [VoxCPM 2 oder SuperClonica: Studioklang oder CPU-Tempo](https://superclonica.com/de/compare/voxcpm)
- [F5-TTS oder SuperClonica: Zero-Shot-Klonen oder schnelle Sprache auf der CPU](https://superclonica.com/de/compare/f5-tts)
- [Eine Offline-Alternative zu ElevenLabs](https://superclonica.com/de/compare/elevenlabs)
- [Kokoro TTS oder SuperClonica: zwei kleine Modelle für lokale Sprachsynthese](https://superclonica.com/de/compare/kokoro)
- [Piper TTS oder SuperClonica: kleine Geräte oder eigene Stimmen](https://superclonica.com/de/compare/piper)
- [Coqui XTTS-v2 oder SuperClonica: eine Alternative zu Coqui TTS](https://superclonica.com/de/compare/xtts)
- [Chatterbox TTS oder SuperClonica: sofortiger Klon oder trainierte Stimmdatei](https://superclonica.com/de/compare/chatterbox)

## Häufige Fragen

### Hat ComfyUI eingebautes Text-to-Speech?

Der Kern hat Nodes zum Laden, Anhören und Speichern von Audio. Text-to-Speech kommt meist aus einem Custom-Node-Paket wie TTS Audio Suite.

### Welcher TTS-Node ist der beste für ComfyUI?

Das hängt von der Aufgabe ab. TTS Audio Suite bietet viele Engines zum Klonen und Experimentieren. Für ein schnelles Voiceover ist eine außerhalb von ComfyUI erzeugte Datei oft einfacher.

### Gibt es einen SuperClonica-Node?

Nein. Erzeugen Sie mit der kostenlosen Engine eine WAV-Datei und binden Sie sie mit Load Audio ein.

### Kann ich die Stimme zu einem generierten Video hinzufügen?

Ja: Verbinden Sie Load Audio mit dem Audio-Eingang von Create Video und nutzen Sie Save Video.

### Brauche ich für die Stimme eine Grafikkarte?

Mit SuperClonica nicht: Die Engine läuft auf einem normalen Prozessor.

- [Stimmen ansehen](https://superclonica.com/de/explore)
- [SuperClonica-Engine installieren](https://superclonica.com/de/superclonica)

## Quellen

- [TTS Audio Suite for ComfyUI](https://github.com/diodiogod/TTS-Audio-Suite)
- [ComfyUI audio nodes (source)](https://github.com/Comfy-Org/ComfyUI/blob/master/comfy_extras/nodes_audio.py)
- [ComfyUI video nodes (source)](https://github.com/Comfy-Org/ComfyUI/blob/master/comfy_extras/nodes_video.py)
- [SuperClonica engine on PyPI](https://pypi.org/project/superclonica-cpu/)
- [SuperClonica](https://superclonica.com/de/)
- [KI-Stimmenkatalog für Text-to-Speech](https://superclonica.com/de/explore)
- [Text-to-Speech-API: Gratis-Schlüssel, ab 5 $](https://superclonica.com/de/speech-api)
- [Auftragsstimmen für Supertonic 3](https://superclonica.com/de/requests)
- [Anleitung: Stimmen, lokales TTS, Training](https://superclonica.com/de/guide)
- [Schnelle Engine für Supertonic 3](https://superclonica.com/de/superclonica)
- [Über uns: Enthusiasten für Sprachsynthese](https://superclonica.com/de/about)
- [Kontakt, Support und Stimmen melden](https://superclonica.com/de/contacts)
- [Datenschutzerklärung](https://superclonica.com/de/privacy)
- [Nutzungsbedingungen](https://superclonica.com/de/terms)
- [Text-to-Speech](https://superclonica.com/de/text-to-speech)