不止图片和视频:workflow_templates音频与3D模型模板深度体验(附音乐生成、Hunyuan3D工作流)

原创2026-10-12 15:56:391,424 阅读

不止图片和视频:workflow_templates音频与3D模型模板深度体验(附音乐生成、Hunyuan3D工作流)

workflow_templates 是 ComfyUI 的官方工作流模板仓库,内置 678 个开箱即用的工作流模板。除了大家熟悉出图和文生视频,它还提供了 39 个音频模板(音乐生成、TTS、声音克隆)和 44 个 3D 模型模板(含完整的 Hunyuan3D 工作流)。这篇文章带你完整体验这两块最容易被忽略的能力:从一句话生成 5 分钟完整歌曲,到一张图片还原出可放进游戏引擎的 3D 角色。

先花 2 分钟:workflow_templates 里有什么?

每个模板都是一个「一键可跑」的 ComfyUI 工作流 JSON:模型信息、节点参数、输入输出全部打包好,打开模板选择器直接加载,模型还能由 ComfyUI 自动下载,不用离开界面找权重。

ComfyUI模板选择器界面(可按类别筛选音频模板与3D模型模板)

仓库按媒体类型把模板分成 12 个类别,规模如下:

类别 模板数 典型能力
🎵 Audio 39 文本生成音乐、TTS、声音克隆、音轨分离
🧊 3D Model 44 Hunyuan3D 图生 3D、高斯泼溅、深度估计
🎬 Video 208 文生视频、图生视频、视频编辑
🖼️ Image 197 文生图、图生图、ControlNet
其他(Image Tools / LLM / Vector 等) 70 超分、分割、字幕、矢量图等

分类入口和每个模板的标题、描述、模型列表都集中定义在 templates/index.json 中,想搜模板时翻这个文件最快。

音频模板体验:从音乐生成到声音克隆,一站式搞定 🎵

Audio 类别覆盖了四种核心需求:音乐生成、语音合成(TTS)、声音克隆、音频后期。

文本生成音乐:一句话生成 5 分钟完整歌曲

最推荐的新手起点是 MiniMax Music 3:输入歌曲描述,直接输出完整结构的 5 分钟歌曲,模板文件见 templates/audio_minimax_music_3.json。它同时也有子图蓝图版本 blueprints/text_to_music_minimax_music_3.json,可以作为一个「节点」嵌进更大的工作流里复用。

喜欢本地开源模型的可以看 ACE-Step 1.5 系列:

  • templates/audio_ace_step_1_t2a_song.json:ACE-Step v1 文本生成带人声的完整歌曲,支持多语言和风格定制
  • blueprints/text_to_audio_ace_step_1_5.json 对应的 1.5 系列蓝图:支持「风格 + 歌词」输入,AI 自动写词并出歌

另外 templates/audio_yue2_text2music.json(YuE2)用符号化音乐规划来生成结构清晰的旋律,适合做 BGM。

ComfyUI音频模板播放界面(文本生成音乐模板支持直接试听)

文本转语音与声音克隆:多语言 TTS 一键出片

做配音和旁白,可以直接用 TTS 模板:

  • templates/audio-chatterbox_tts.json:上传一小段语音样本,即可用克隆音色朗读任意文本,另有多语言版和多说话人对话版两个变体
  • templates/audio-stable_audio_example.json:Stable Audio 文本生成音频,适合生成环境音和音效
  • API 类模板则接入了 ElevenLabs、Fish Audio 等商用服务,覆盖 TTS、声音克隆、语音转文字(ASR)、人声隔离等

Stable Audio音频模板封面(文本转音频生成工作流)

歌曲编辑、翻唱与音轨分离:音频后期也能在工作流里做

3D 模型模板体验:Hunyuan3D 工作流完整上手 🧊

3D Model 类别共 44 个模板,其中最能打的是本地可跑的 Hunyuan3D 系列(2.0 / 2.1),以及 Gaussian Splatting、深度估计和一批 Tripo / Meshy / Rodin 商用 API 模板。

单图生 3D:Hunyuan3D 2.0 / 2.1 一步出模型

核心工作流:

输入就是一张普通图片,比如角色正面图:

Hunyuan3D单图生3D模型输入素材(角色正面图片)

多视图生 3D:细节更准的角色模型

单图方案最大的短板是背面细节靠「脑补」。如果手头有角色多角度素材(比如先用文生图模板画好正、背、左、右四视图),就能用多视图工作流获得一致性更强的结果:

输入素材示例:input/3d_hunyuan3d_multiview_to_model_front_image.png(同系列还有 back / left / right 视图)。下面是多视图工作流的实际输出效果——一个可以直接进游戏引擎的 3D 角色:

3D模型模板生成结果(Hunyuan3D多视图生3D角色模型)

其他值得一试的 3D 模板

  • templates/3d_pixal3d_trellis2_image_to_model.json:Pixal3D / TRELLIS.2 单图生成带 PBR 材质的高保真模型
  • templates/3d_triposplat_image_to_gaussian_splat.json:单图生成 3D 高斯泼溅(Gaussian Splat)
  • templates/3d_moge_perspective_to_mesh.json:MoGe 透视几何估计,输出深度图与法线,是不少 3D 工作流的「前菜」
  • Hunyuan3D 后处理三件套:重拓扑 + UV 展开(api_hunyuan3d_retopo_uv)、UV 展开(api_hunyuan3d_model2uv)、部件自动拆分(api_hunyuan3d_part),把 AI 生成的「高模」整理成能上生产的资产
  • 商用 API 路线:Tripo P2(四边面拓扑、mesh 预算可控)、Meshy 7.1(4K 几何)、Rodin Gen2.5 等,都封装成了模板,配好 Key 即可跑

安装与使用:三步开始体验 ⚡

  1. 获取模板仓库:git clone https://gitcode.com/gh_mirrors/wo/workflow_templates
  2. 在 ComfyUI 中打开「Get Started with a Template」模板选择器,按 Audio / 3D 类别筛选,点击即加载工作流
  3. 补齐模型:模板 JSON 内嵌了模型下载地址与校验信息,ComfyUI 会提示自动拉取,无需手动翻找权重

进阶参考:

写在最后

workflow_templates 的价值在于把「社区里零散调好的工作流」沉淀成了可检索、可一键加载的模板库。音频方面,从 MiniMax Music 3 的整曲生成到 Chatter Box 声音克隆,再到音轨分离,基本覆盖了内容制作的听觉环节;3D 方面,Hunyuan3D 2.0/2.1 的单图与多视图工作流让「图片 → 游戏资产」第一次在本地流水线里变得顺滑。如果你只会用它出图,真的亏大了——打开模板选择器,去 Audio 和 3D 分类逛一圈吧。

登录后查看全文
workflow_templates