Texto para fala no ComfyUI: nós de TTS e como adicionar locução
O ComfyUI trabalha com áudio no workflow, e o texto para fala costuma vir de um pacote de nós personalizados. Isso serve para clonagem e testes, mas os modelos podem ser grandes e disputar a memória de vídeo com os modelos de imagem.
Este guia mostra o caminho pelos nós e um mais simples: criar a voz em arquivo e carregá-la no workflow.
Nós de TTS dentro do ComfyUI
O pacote mais conhecido é o TTS Audio Suite. Instale pelo ComfyUI Manager ou clone em ComfyUI/custom_nodes e siga os passos de instalação. Ele reúne muitos motores atrás dos mesmos nós, entre eles ChatterboxTTS, F5-TTS, Higgs Audio, MOSS-TTS e Echo-TTS, além de conversão de voz com RVC. Os modelos podem ocupar vários gigabytes e as licenças variam por motor; leia-as antes do uso comercial.
Quando uma voz pronta é mais simples
Os pacotes de nós se destacam para clonar uma voz ou usar controles especiais de um motor. Se você só precisa de uma locução pronta, nada precisa rodar dentro do ComfyUI. O motor grátis da SuperClonica funciona em um processador comum e deixa a placa de vídeo para seus modelos de imagem e vídeo. A SuperClonica não tem nó próprio para o ComfyUI; a ligação é um arquivo de áudio.
Crie o arquivo de áudio
Escolha uma das cerca de 190 vozes do catálogo, de narradores a personagens de jogos e filmes, e teste de graça na página dela uma frase de 30 a 100 caracteres. Para um roteiro inteiro, instale o motor com python -m pip install superclonica-cpu e rode: superclonica --text-file script.txt --voice F2 --lang pt --output voice.wav. Na primeira vez ele baixa o modelo, cerca de 400 MB; depois funciona offline.
Carregue no workflow
Coloque voice.wav na pasta ComfyUI/input e adicione um nó Load Audio, que lê dessa pasta. Conecte a Preview Audio para ouvir. Para adicionar a um vídeo, conecte Load Audio à entrada opcional de áudio de Create Video, junto com seus quadros, e envie o resultado a Save Video.
Mantenha voz e imagem no tempo
Narre primeiro o roteiro e gere a imagem depois, na medida dele: a duração do arquivo dividida pelo tempo de um quadro dá o número de quadros. Para várias cenas, narre cada fala em um arquivo. Para mudar o ritmo, use --speed no motor: um valor maior é mais rápido.