ComfyUI 텍스트 음성 변환: TTS 노드와 내레이션 추가
ComfyUI는 워크플로에서 오디오를 다루지만 텍스트 음성 변환은 보통 커스텀 노드 팩으로 합니다. 목소리 복제와 실험에는 좋지만 모델이 크고 이미지 모델과 비디오 메모리를 두고 경쟁할 수 있습니다.
이 가이드는 노드를 쓰는 방법과, 목소리를 파일로 만들어 워크플로에 불러오는 더 간단한 방법을 다룹니다.
ComfyUI 안의 TTS 노드
가장 잘 알려진 팩은 TTS Audio Suite입니다. ComfyUI Manager로 설치하거나 ComfyUI/custom_nodes에 클론한 뒤 설치 단계를 따르세요. ChatterboxTTS, F5-TTS, Higgs Audio, MOSS-TTS, Echo-TTS 등 많은 엔진을 같은 노드로 쓸 수 있고 RVC 음성 변환도 있습니다. 모델은 수 GB가 될 수 있고 라이선스는 엔진마다 다르니 상업적으로 쓰기 전에 확인하세요.
완성된 목소리가 더 간단할 때
노드 팩은 목소리를 복제하거나 엔진 고유의 설정이 필요할 때 유용합니다. 완성된 내레이션만 필요하다면 ComfyUI 안에서 돌릴 필요가 없습니다. 무료 SuperClonica 엔진은 일반 CPU에서 동작하므로 그래픽 카드는 이미지와 영상 모델에 쓸 수 있습니다. SuperClonica에는 ComfyUI 전용 노드가 없고, 오디오 파일로 연결합니다.
오디오 파일 만들기
내레이터부터 게임과 영화 캐릭터까지 카탈로그의 약 190개 목소리 중에서 고르고, 각 페이지에서 30~100자 문장을 무료로 들어 보세요. 대본 전체는 python -m pip install superclonica-cpu 로 엔진을 설치한 뒤 실행합니다: superclonica --text-file script.txt --voice F2 --lang ko --output voice.wav. 처음 한 번 모델(약 400MB)을 내려받고 그 후에는 오프라인으로 동작합니다.
워크플로에 불러오기
voice.wav를 ComfyUI/input 폴더에 넣고 이 폴더를 읽는 Load Audio 노드를 추가합니다. 들어 보려면 Preview Audio에 연결하세요. 영상에 넣으려면 Load Audio를 프레임과 함께 Create Video의 선택 오디오 입력에 연결하고 결과를 Save Video로 보냅니다.
목소리와 영상 타이밍 맞추기
먼저 대본을 음성으로 만들고 그 길이에 맞춰 영상을 생성하세요. 파일 길이를 한 프레임 시간으로 나누면 필요한 프레임 수가 나옵니다. 장면이 여러 개면 대사마다 파일을 만드세요. 속도는 엔진의 --speed로 바꾸며 값이 클수록 빠릅니다.